Uma nova ferramenta de inteligência artificial (IA) desenvolvida por pesquisadores do A.C.Camargo Cancer Center promete transformar o acompanhamento pós-operatório de pacientes submetidos à retirada total da tireoide. O modelo tecnológico foi desenhado para identificar com maior precisão indivíduos com risco elevado de desenvolver hipocalcemia transitória, uma condição caracterizada pela queda acentuada dos níveis de cálcio no sangue.
A tecnologia, que teve seu desenvolvimento financiado pela Fapesp, baseou-se na análise de dados de mais de 7.000 pacientes atendidos ao longo de uma década. Ao integrar variáveis complexas da jornada clínica, o sistema auxilia equipes médicas na tomada de decisão sobre a necessidade de suplementação preventiva de cálcio, otimizando o tratamento e evitando intervenções desnecessárias.
Precisão diagnóstica e o papel do PTH
A hipocalcemia é uma complicação frequente, afetando entre 15% e 40% dos pacientes operados, e decorre da manipulação das glândulas paratireoides durante o procedimento. Essas glândulas são responsáveis pela produção do hormônio PTH, essencial para a manutenção dos níveis de cálcio no organismo. Quando a função dessas glândulas é temporariamente comprometida, o paciente pode apresentar sintomas como formigamentos, cãibras e, em quadros mais severos, arritmias cardíacas.
Atualmente, a prática clínica utiliza a dosagem do PTH como principal indicador de risco. Contudo, o método apresenta limitações, uma vez que cerca de 30% dos pacientes com níveis baixos do hormônio não desenvolvem sintomas. O dilema médico reside em equilibrar a prescrição de cálcio e vitamina D: tratar todos indiscriminadamente gera sobrecarga medicamentosa, enquanto a omissão pode levar o paciente a quadros de urgência após a alta hospitalar.
Integração de dados e aprendizado de máquina
O diferencial da ferramenta de inteligência artificial, conforme detalhado em estudo publicado na revista Scientific Reports, reside na capacidade de processar múltiplos dados simultaneamente. Em vez de depender apenas de um exame isolado, a IA cruza informações que vão desde o histórico clínico e características da doença até detalhes técnicos da cirurgia e resultados obtidos imediatamente após a operação.
Segundo Israel Tojal da Silva, coordenador do Laboratório de Bioinformática do A.C.Camargo, a precisão do modelo aumenta progressivamente à medida que novas informações da jornada do paciente são inseridas no sistema. Essa abordagem multidimensional permite uma visão mais holística do risco, superando as limitações dos indicadores tradicionais isolados.
Validação clínica e inteligência explicável
Após a fase de treinamento com dados retrospectivos, a ferramenta foi submetida a um teste prático com 149 novos pacientes. Os resultados confirmaram a eficácia do modelo em distinguir com clareza os perfis de risco. Além do nível de PTH, o sistema identificou variáveis relevantes, como a duração da cirurgia e a realização de esvaziamento cervical bilateral, que também influenciam a probabilidade de complicações.
Um dos pontos mais inovadores é a utilização da chamada inteligência artificial explicável. O sistema não fornece apenas um veredito sobre o risco, mas detalha quais fatores foram determinantes para aquela conclusão específica. Essa transparência permite que o cirurgião compreenda a lógica por trás da recomendação, conferindo maior segurança na aplicação clínica da tecnologia.
