Modelo de IA Prevê Risco de Doenças Cardíacas com Maior Precisão do que Métodos Tradicionais Usando Biomarcadores Sanguíneos

A doença cardiovascular continua sendo a principal causa de morte no mundo, mas os modelos tradicionais de predição de risco frequentemente carecem da precisão necessária para estratégias de prevenção eficazes. Este estudo inovador demonstra como a inteligência artificial pode melhorar drasticamente a predição de doenças cardíacas ao integrar biomarcadores sanguíneos com fatores de risco convencionais.

Os pesquisadores analisaram dados de 229.352 participantes do UK Biobank, utilizando técnicas de aprendizado de máquina — incluindo SHAP (SHapley Additive exPlanations) — para identificar combinações ideais de biomarcadores. O estudo incorporou 26 marcadores bioquímicos e 170 biomarcadores metabolômicos medidos por espectroscopia de ressonância magnética nuclear, além de fatores de risco tradicionais como idade, sexo, pressão arterial e níveis de colesterol.

A abordagem combinada de biomarcadores superou significativamente os modelos tradicionais em todos os desfechos cardiovasculares. Enquanto modelos convencionais como o ASCVD apresentaram poder preditivo limitado, a nova abordagem alcançou valores de C-index superiores a 0,75 para a maioria dos desfechos, com a predição de morte cardiovascular atingindo um expressivo 0,822. Entre os biomarcadores preditivos mais relevantes estavam a cistatina C (função renal), HbA1c (controle glicêmico), GlycA (inflamação) e a gama-glutamil transferase (função hepática), enquanto o IGF-1 e os ácidos graxos ômega-3 DHA demonstraram efeitos protetores.

Os pesquisadores desenvolveram um Escore de Risco por Biomarcadores (BRS) que estratificou efetivamente os participantes em categorias de risco distintas. Indivíduos de alto risco apresentaram um risco 2,76 vezes maior de morte cardiovascular em comparação aos de baixo risco, possibilitando uma identificação mais precisa dos pacientes que se beneficiariam de intervenções preventivas intensivas.

Este avanço representa um passo significativo em direção à medicina cardiovascular personalizada, podendo permitir que clínicos identifiquem pacientes de alto risco mais precocemente e adaptem as estratégias de prevenção de forma mais eficaz. No entanto, o modelo necessita de validação em populações diversas e em diferentes contextos clínicos antes de uma implementação ampla.