Inteligência artificial amplia rastreamento da doença de Chagas

Pesquisa da UFMG  identificou que a ferramenta aplicada ao eletrocardiograma pode ajudar a detectar precocemente a doença em pacientes atendidos pelo SUS 

Da Redação

Um estudo conduzido pelo Hospital das Clínicas da Universidade Federal de Minas Gerais (UFMG) apontou que a inteligência artificial pode se tornar uma aliada importante no rastreamento da doença de Chagas. A pesquisa demonstrou que algoritmos aplicados à análise de eletrocardiogramas são capazes de detectar o protozoário Trypanosoma cruzi, causador da doença, antes do surgimento de complicações mais graves.

Transmitida principalmente pelo inseto conhecido como barbeiro, a doença de Chagas afeta mais de dois milhões de brasileiros, segundo o Ministério da Saúde. Como pode permanecer assintomática durante anos, o diagnóstico precoce é um dos principais desafios para o controle da enfermidade.

Os resultados do estudo foram publicados em agosto na revista científica Circulation. A pesquisa avaliou o desempenho do modelo AI-ECG-EPI, que combina informações obtidas pelo eletrocardiograma com dados epidemiológicos para identificar pessoas com maior risco de infecção. A proposta é integrar a estrutura já presente no Sistema Único de Saúde (Sus), o que torna a estratégia escalável e de baixo custo. 

Segundo o coordenador da Rede de Telessaúde do Hospital das Clínicas da UFMG (RTMG), professor Antonio Luiz Pinho Ribeiro, e um dos pesquisadores envolvidos no projeto, a ferramenta foi incorporada ao fluxo regular de atendimento nas Unidades Básicas de Saúde. 

“Quando era detectada maior probabilidade de o paciente ter a enfermidade, a técnica de enfermagem responsável pelo exame recebia um alerta, que recomendava o teste sorológico para confirmar o diagnóstico. Dessa forma, o rastreamento era feito durante uma consulta ou exame já em andamento, sem exigir uma etapa inicial separada”, explica.

Ferramenta identificou milhares de casos suspeitos 

Os pesquisadores aplicaram o modelo AI-ECG-EPI em cerca de 59 mil pessoas, entre os mais de 75 mil exames considerados elegíveis. Entre elas, mais de 6 mil resultaram positivo no rastreamento, com 3,5 mil pessoas realizando os testes sorológicos para confirmação diagnóstica.

Os resultados mostraram que 36% dos pacientes apontados pela inteligência artificial tiveram a doença confirmada posteriormente pelos exames laboratoriais.

O modelo apresentou sensibilidade de 34% e especificidade de 91%. Enquanto a sensibilidade mede a capacidade de identificar corretamente pessoas que possuem a doença, a especificidade avalia a precisão em reconhecer indivíduos que não estão infectados. 

Ribeiro ressalta que a tecnologia não substitui os métodos tradicionais de diagnóstico nem a avaliação médica.

“Ela não faz o diagnóstico e não substitui a sorologia, mas pode ajudar as equipes de saúde a identificar pessoas que devem ser investigadas, especialmente em regiões endêmicas para a doença”, diz.

 

Um dos resultados que mais chamou a atenção dos pesquisadores foi o número de pacientes que desconheciam a própria condição. Entre os 927 casos corretamente identificados pelo algoritmo e posteriormente confirmados pelos exames laboratoriais, aproximadamente metade dos pacientes não sabia que tinha a doença de Chagas.

Segundo Ribeiro, a maior parte desses casos estava em estágio inicial, quando as possibilidades de acompanhamento e tratamento são mais efetivas. 

“A maioria apresentava doença de Chagas em fase inicial, situação em que a identificação oportuna amplia a possibilidade de avaliação e tratamento específico, o que pode contribuir para evitar a progressão da doença”, destaca.