Uma equipe multidisciplinar da Shanghai Jiao Tong University, em colaboração com o Shanghai Children’s Medical Center, o Ruijin Hospital, o Xinhua Hospital e o Xuzhou City Central Hospital, desenvolveu uma plataforma de inteligência artificial capaz de transformar o manejo clínico da Tetralogia de Fallot (TOF), a cardiopatia congênita cianótica mais comum da infância. O estudo foi publicado nesta quinta-feira (4), na revista científica eBioMedicine, do grupo The Lancet, e apresenta um sistema inovador chamado DynaTOF, que integra diagnóstico automatizado, previsão de evolução pós-operatória e estratificação de risco em uma única ferramenta.

A Tetralogia de Fallot afeta entre 3 e 6 crianças a cada 10 mil nascimentos, representando cerca de 5% a 10% de todas as cardiopatias congênitas. A condição é marcada por quatro alterações anatômicas principais: obstrução da via de saída do ventrículo direito, defeito do septo ventricular, aorta sobreposta e hipertrofia ventricular direita. Apesar dos avanços cirúrgicos terem elevado significativamente a sobrevida dos pacientes, complicações tardias continuam frequentes, exigindo acompanhamento contínuo durante toda a vida.

Foi justamente essa lacuna que motivou o desenvolvimento do DynaTOF. Segundo os autores, os sistemas de inteligência artificial existentes costumam se concentrar apenas no diagnóstico pré-operatório ou na previsão de complicações específicas após a cirurgia, sem conectar as duas etapas do cuidado clínico. O novo modelo propõe uma abordagem integrada que acompanha o paciente desde o primeiro exame até a avaliação do risco futuro.

O estudo reuniu dados de 1.986 participantes, incluindo 1.018 controles saudáveis, 480 pacientes com doenças que simulam a Tetralogia de Fallot e 488 crianças diagnosticadas com TOF. Os pesquisadores utilizaram exames ecocardiográficos obtidos em quatro centros médicos chineses entre 2021 e 2024 para treinar e validar o algoritmo.

A arquitetura do DynaTOF é composta por cinco módulos principais. O primeiro identifica automaticamente os diferentes planos ecocardiográficos utilizados pelos cardiologistas. O segundo localiza e mede estruturas cardíacas importantes. O terceiro integra vídeos e medidas anatômicas para confirmar o diagnóstico. O quarto prevê a evolução clínica após a cirurgia. Por fim, um quinto módulo classifica os pacientes conforme o risco de desenvolver complicações futuras.

Os resultados impressionaram os próprios pesquisadores. O sistema alcançou áreas sob a curva (AUC) próximas de 0,999 na identificação automática das principais janelas ecocardiográficas, praticamente eliminando erros de classificação. Na medição de estruturas cardíacas, obteve coeficientes de determinação (R2) de até 0,98, demonstrando alta concordância com as avaliações realizadas por especialistas humanos.

O desempenho mais relevante apareceu no diagnóstico da doença. Ao combinar vídeos ecocardiográficos e medidas anatômicas, o DynaTOF atingiu 91% de acurácia, AUC de 0,989, precisão de 89,3% e sensibilidade de 89,2%, superando todas as abordagens baseadas em apenas uma fonte de informação. Os autores destacam que a fusão multimodal permitiu capturar simultaneamente características estruturais e funcionais do coração, produzindo um retrato mais completo da patologia.

“Nossos resultados demonstram a viabilidade de um sistema de cuidado completo impulsionado por inteligência artificial para pacientes com Tetralogia de Fallot”, afirmam os pesquisadores na seção de implicações do estudo. Segundo eles, a implementação do DynaTOF poderá oferecer soluções automatizadas e individualizadas desde o diagnóstico inicial até o acompanhamento pós-operatório.

Talvez o aspecto mais inovador da pesquisa seja a capacidade de prever a recuperação do paciente antes mesmo da cirurgia. Utilizando vídeos pré-operatórios, medidas cardíacas, tipo de procedimento cirúrgico e o tempo de acompanhamento desejado, o sistema consegue estimar a trajetória futura dos chamados “escores de anormalidade” cardíaca. O modelo alcançou um R2 de 0,852 entre os valores previstos e os efetivamente observados após a operação.

Para os autores, essa capacidade representa uma mudança importante na prática clínica. Em vez de reagir apenas quando surgem complicações, médicos e famílias poderiam antecipar cenários futuros, planejar estratégias de acompanhamento e identificar precocemente pacientes que necessitarão de vigilância intensiva.

O módulo de estratificação de risco reforçou essa possibilidade. Baseado nas trajetórias previstas pelo sistema, o algoritmo alcançou AUC de 0,904 na distinção entre pacientes de alto e baixo risco para eventos graves, incluindo mortalidade, necessidade de nova intervenção cirúrgica, recorrência da obstrução ventricular direita, regurgitação pulmonar significativa e arritmias clinicamente relevantes.

O pesquisador principal Hui Lu, juntamente com os coautores Yuqi Zhang, Lijun Chen e Siqiong Yao, destaca que a ferramenta foi concebida para atuar como suporte à decisão médica, e não para substituir especialistas. O objetivo é reduzir a variabilidade entre observadores, acelerar diagnósticos e oferecer avaliações prognósticas mais precisas.

Apesar do potencial, os autores reconhecem limitações. O número de parâmetros cardíacos analisados ainda é relativamente pequeno, e a maior parte dos dados de treinamento foi obtida em um único centro. Além disso, o conjunto de pacientes utilizado para validar as previsões pós-operatórias permanece modesto. Estudos multicêntricos maiores serão necessários para confirmar a robustez do sistema em diferentes populações e contextos clínicos.

Ainda assim, a pesquisa aponta para um futuro em que a inteligência artificial poderá acompanhar crianças com cardiopatias congênitas desde os primeiros meses de vida, oferecendo diagnósticos mais rápidos e previsões personalizadas. Em uma área onde decisões precoces frequentemente determinam décadas de qualidade de vida, ferramentas como o DynaTOF sugerem que a medicina está se aproximando de uma nova era de cuidado preditivo e individualizado.