IA para escolher o tratamento da hipertensão infantil: modelo do MIPT acerta o medicamento em 98% dos casos

O número de crianças com hipertensão arterial na Rússia cresceu 17% nos últimos cinco anos. Os médicos escolhem o tratamento por tentativa e erro: optam por um dos cinco medicamentos aprovados e aguardam o resultado por 2–3 meses. Anastasia Adamson, mestranda do MIPT, desenvolveu um modelo de machine learning que ataca esse problema. Ele analisa 154 sinais clínicos e prevê o medicamento eficaz com 98% de precisão, o que permite ao médico acertar o tratamento já na primeira tentativa.

Meses de espera inútil

A hipertensão arterial na infância é um problema cada vez mais comum. À primeira vista, a solução parece simples: o médico escolhe um entre cinco medicamentos aprovados e inicia a terapia. Mas aí entra uma dificuldade fundamental da medicina: cada organismo é único. Em uma criança, o Lisinopril é eficaz; em outra, o Anlodipino dá resposta melhor; em uma terceira, o Nebivolol funciona; e uma quarta precisa de uma abordagem combinada. O médico não sabe disso de antemão.

Se a escolha não dá certo, perde-se um ou dois meses. Nesse período, a pressão da criança continua elevada, os vasos sofrem sobrecarga adicional e aumenta o risco de hipertrofia do ventrículo esquerdo e de outras complicações. Depois, prescreve-se um novo medicamento e a espera recomeça. Esse ciclo de erros afeta a saúde do paciente e também o psicológico da criança: meses de incerteza e de tratamento ineficaz deixam marcas.

Como o modelo prevê o resultado

Adamson treinou o algoritmo com dados de 272 pacientes. O ponto central, porém, está menos no volume de dados e mais nas suas múltiplas camadas. O modelo considera 154 sinais que cobrem o retrato clínico completo da criança:

• Demografia: idade, peso, índice de massa corporal, altura
• Cardiologia: ultrassom do coração, dimensões do ventrículo esquerdo, ecocardiografia
• Sistema vascular: ultrassom das carótidas, espessura íntima-média
• Hemodinâmica: pressão sistólica e diastólica em diferentes condições
• Perfil hormonal: níveis de renina, aldosterona e catecolaminas
• Diagnóstico laboratorial: função renal e hepática, eletrólitos, exame de urina

O algoritmo de machine learning processa esse mosaico e encontra padrões ocultos. Ele identifica quais combinações de parâmetros indicam a eficácia de cada medicamento. Resultado: com 98% de precisão, o modelo prevê qual dos cinco medicamentos vai funcionar para aquela criança específica, antes mesmo da primeira prescrição.

Descobertas dos médicos em números

O mais interessante é que o modelo encontrou relações estatísticas que os médicos suspeitavam havia anos, mas não conseguiam comprovar com rigor. Por exemplo, ele identificou uma correlação clara entre o sobrepeso infantil e a alta eficácia do Lisinopril nesse subgrupo. Os médicos já percebiam isso na prática, mas não havia documentação formal.

«Não é um substituto do médico; é uma ferramenta poderosa de apoio», afirma

Adamson.

A decisão final continua com o pediatra ou o cardiologista. Agora, porém, o especialista recebe uma recomendação com base científica, e não um mero palpite.

O que isso significa para a pediatria

O estudo de Adamson mostra como a inteligência artificial está entrando na prática médica real. Em vez de tentativas aleatórias, o médico terá à disposição um prognóstico personalizado, baseado na análise de grandes volumes de dados. Isso significa reduzir o tempo de escolha da terapia de meses para dias, encurtar os períodos de pressão descontrolada e diminuir o risco de complicações para cada paciente. Aqui, a IA não faz mágica: é uma assistente que amplia as possibilidades diagnósticas e terapêuticas do médico.