Aplicação da Inteligência Artificial para Detecção, Caracterização e Estratificação de Risco de Pacientes com Insuficiência Tricúspide Grave

Resumo

Fundamento:

A insuficiência tricúspide (IT) é prevalente e seu manejo permanece desafiador, com alta mortalidade na cirurgia isolada, indicação tardia à intervenção e recente expansão de terapias transcateter. No Brasil, há escassez de dados e de validação de ferramentas prognósticas.

Objetivo:

Investigar e definir o perfil clínico, laboratorial e ecocardiográfico de pacientes com IT grave a partir de variáveis coletadas por meio do treinamento de um modelo de inteligência artificial (IA).

Métodos:

Estudo observacional, unicêntrico, não intervencionista, de coorte retrospectiva, baseado em 71.911 laudos ecocardiográficos realizados entre 2021 e 2024. Um modelo de processamento de linguagem natural (PLN) foi desenvolvido em Python para identificar casos de IT grave, extrair variáveis e realizar o cálculo automatizado dos escores TRI-SCORE e EuroSCORE II, posteriormente revisados. Considerou-se valor de p bicaudal < 0,05 como estatisticamente significativo.

Resultados:

Foram identificados 803 pacientes com IT grave. A média de idade foi de 68,8 ± 13,5 anos, e 64,1% eram mulheres. Hipertensão arterial (71,7%) e fibrilação atrial (69,4%) foram as comorbidades mais prevalentes. A etiologia secundária predominou (96,8%), principalmente associada à valvopatia mitral (68,5%). O risco cirúrgico foi elevado (medianas: EuroSCORE II = 13,4%; TRI-SCORE = 7). A mortalidade foi de 17,1%. Na análise secundária de mortalidade, a regressão multivariada identificou preditores independentes, como TRI-SCORE em alto risco (relative risk [RR] 2,19; intervalo de confiança de 95% [IC 95%] 1,14-4,21) e creatinina elevada (RR 3,13; IC 95% 1,91-5,14).

Conclusões:

Na maior casuística brasileira de IT grave, construída com auxílio de IA, a doença demonstrou elevada complexidade clínica e prognóstica. A aplicação de PLN a grandes bases ecocardiográficas mostrou-se eficiente, podendo subsidiar estudos multicêntricos.