Inteligência artificial usada em eletrocardiogramas pode ajudar a rastrear doença de Chagas em MG

Uma ferramenta de inteligência artificial aplicada a eletrocardiogramas pode ajudar a identificar pessoas com maior probabilidade de ter doença de Chagas. É o que aponta um estudo com participação do Hospital das Clínicas da Universidade Federal de Minas Gerais (HC-UFMG), realizado em municípios de regiões endêmicas e hiperendêmicas de Minas Gerais.

A doença é causada pelo protozoário Trypanosoma cruzi e pode permanecer sem sintomas durante anos. Segundo o Ministério da Saúde, entre 1,9 milhão e 4,6 milhões de brasileiros são afetados pela enfermidade. A dificuldade de identificar os casos precocemente é um dos desafios para o acompanhamento e tratamento dos pacientes.

O estudo avaliou uma estratégia que combina a análise do eletrocardiograma por inteligência artificial com três perguntas relacionadas ao risco epidemiológico de doença de Chagas. A proposta foi incorporar o rastreamento à rotina de atendimento do Sistema Único de Saúde (SUS), sem a necessidade de criar uma etapa específica para procurar a doença.

Como funciona?

Durante o atendimento nas Unidades Básicas de Saúde (UBS), o paciente realizava um eletrocardiograma de rotina. Enquanto o exame era analisado por um cardiologista da rede de telessaúde, o algoritmo também avaliava o traçado do ECG e as informações epidemiológicas.

Quando a ferramenta identificava uma probabilidade maior de doença de Chagas, era emitido um alerta para a equipe de saúde. A recomendação era realizar um teste sorológico, exame utilizado para confirmar o diagnóstico.

A inteligência artificial, portanto, não substitui o diagnóstico médico. Segundo Antonio Luiz Pinho Ribeiro, coordenador da Rede de Telessaúde de Minas Gerais e um dos pesquisadores envolvidos no projeto, a tecnologia funciona como uma ferramenta de rastreamento e ajuda a selecionar pacientes que precisam ser investigados.

Mais de 59 mil pessoas foram avaliadas

A pesquisa acompanhou os atendimentos realizados durante 12 meses, entre outubro de 2023 e setembro de 2024. Ao todo, foram considerados elegíveis 75.779 eletrocardiogramas realizados em adultos. A ferramenta de inteligência artificial foi aplicada em 59.154 pessoas. Desse grupo, 6.812 pacientes, ou 11,5%, tiveram resultado positivo no rastreamento e receberam indicação para realizar o teste sorológico.

Entre os pacientes indicados, 3.509 chegaram a concluir a testagem. A doença de Chagas foi confirmada em 36,8% deles. O modelo apresentou 34,3% de sensibilidade e 91,6% de especificidade. A sensibilidade indica a capacidade do método de identificar pessoas que realmente possuem a doença, enquanto a especificidade representa a capacidade de reconhecer corretamente quem não tem a enfermidade.

Segundo os pesquisadores, a combinação entre o eletrocardiograma, a inteligência artificial e as informações epidemiológicas apresentou desempenho superior ao uso isolado das informações epidemiológicas ou da inteligência artificial aplicada somente ao ECG.

Um dos resultados destacados pela equipe foi a identificação de pessoas que não sabiam que tinham a doença. Entre os 927 casos confirmados que haviam sido corretamente identificados pela estratégia de rastreamento, aproximadamente metade dos pacientes desconhecia a própria condição. A maioria apresentava a doença em estágio inicial. A identificação nessa fase pode permitir que o paciente seja encaminhado para avaliação e tratamento específico antes da progressão da enfermidade.

Tecnologia pode ser incorporada à rotina do SUS

O estudo aponta que a estratégia pode ser especialmente útil em regiões onde há dificuldade de acesso a exames de imagem e biomarcadores especializados. Como o eletrocardiograma já faz parte da rotina de atendimento, a utilização da inteligência artificial poderia permitir que o rastreamento ocorresse durante um exame que o paciente já faria.

A pesquisa foi desenvolvida por pesquisadores ligados à Rede de Telessaúde de Minas Gerais, ao Centro São Paulo-Minas Gerais (SaMi-Trop), à Fundação Ezequiel Dias (Funed) e à Universidade de Uppsala. O projeto foi liderado por pesquisadores da Universidade de São Paulo (USP) e contou com financiamento do National Institutes of Health (NIH). Os resultados foram publicados na revista científica Circulation.