Podemos prever melhor o risco de AVC em pacientes com fibrilhação atrial?
A fibrilhação atrial afeta mais de 58 milhões de pessoas em todo o mundo e aumenta significativamente o risco de acidente vascular cerebral. No entanto, as ferramentas atuais para avaliar esse risco, como os escores clássicos, permanecem pouco precisas e não levam em conta as interações complexas entre os diferentes fatores de saúde dos pacientes.
Uma equipe de pesquisadores desenvolveu novos modelos de inteligência artificial capazes de prever o risco de AVC em um ano em pacientes que acabaram de receber um diagnóstico de fibrilhação atrial. Esses modelos utilizam apenas informações facilmente disponíveis: idade, histórico médico e medicamentos tomados pelo paciente. Ao contrário dos métodos tradicionais, essas ferramentas analisam as relações sutis entre esses elementos para oferecer uma estimativa personalizada e mais confiável.
Os resultados são convincentes. Os dois modelos testados, um baseado em uma abordagem estatística clássica e outro em uma técnica avançada de aprendizado de máquina, demonstraram uma capacidade de distinguir pacientes de risco com uma precisão muito superior aos métodos existentes. Seu desempenho foi validado em grupos variados de pacientes, confirmando sua confiabilidade em diferentes contextos clínicos. Além disso, esses modelos permitem ajustar os limites de risco de acordo com as necessidades individuais, o que é particularmente útil para pacientes idosos ou com vários problemas de saúde.
Outra vantagem significativa é sua simplicidade de uso. Eles não exigem exames de sangue ou imagens médicas, muitas vezes indisponíveis no momento do diagnóstico. Isso os torna acessíveis na prática diária dos hospitais. Os pesquisadores também verificaram que essas ferramentas funcionam igualmente bem para homens e mulheres, evitando assim vieses relacionados ao sexo.
A longo prazo, esses modelos também ajudam a identificar os pacientes que mais se beneficiariam de um tratamento anticoagulante. Os dados mostram que os pacientes classificados como de alto risco por essas ferramentas veem seu risco de AVC diminuir significativamente se tomarem esses medicamentos, ao contrário daqueles identificados pelos métodos tradicionais.
Esse avanço abre caminho para uma medicina mais personalizada. Em breve, os médicos poderão contar com essas previsões para adaptar os tratamentos de acordo com o perfil único de cada paciente, reduzindo assim o número de AVCs evitáveis e melhorando o manejo da fibrilhação atrial.
Sources et crédits
Étude source
DOI : https://doi.org/10.1038/s41746-026-02470-3
Titre : Interpretable machine learning models for stroke risk prediction in patients with newly diagnosed atrial fibrillation
Revue : npj Digital Medicine
Éditeur : Springer Science and Business Media LLC
Auteurs : Jesse Chih-Wei Lin; Chen-Min Chang; Heng-Yu Pan; Yi-Lwun Ho; Yu-Kang Tu; Chao-Lun Lai