IA para selecionar o tratamento da hipertensão em crianças: modelo do MIPT prevê o medicamento com 98% de precisão

O número de crianças com hipertensão arterial na Rússia aumentou 17% nos últimos cinco anos. Médicos selecionam o tratamento por tentativa e erro — escolhendo um de cinco medicamentos aprovados e esperando resultados por 2–3 meses. A estudante de mestrado do MIPT, Anastasia Adamson, desenvolveu um modelo de aprendizado de máquina que resolve este problema: analisa 154 características clínicas e prevê um medicamento eficaz com precisão de 98%, permitindo que médicos escolham o tratamento correto na primeira tentativa.

Meses de Espera Desperdiçada

A hipertensão arterial na infância está se tornando um problema cada vez mais comum. Na superfície, a solução parece simples: um médico escolhe um de cinco medicamentos aprovados e inicia a terapia. Mas aqui reside uma complexidade fundamental da medicina — a individualidade de cada organismo.

Uma criança responde bem a Lisinopril, outra responderá melhor a Amlodipina, uma terceira se beneficiará de Nebivolol, uma quarta precisa de uma abordagem combinada. O médico não sabe disso antecipadamente. Se a escolha se provar malsucedida, um ou dois meses são desperdiçados.

Durante este tempo, a pressão arterial da criança permanece elevada, os vasos sanguíneos experimentam estresse adicional, e o risco de hipertrofia do ventrículo esquerdo e outras complicações aumenta. Então um novo medicamento é prescrito e a espera começa novamente. Este erro cíclico afeta não apenas a saúde do paciente, mas também a psique da criança — meses de incerteza e tratamento ineficaz deixam suas marcas.

Como o Modelo Prevê Resultados

Adamson treinou o algoritmo com dados de 272 pacientes. Mas a chave não é apenas a quantidade de dados, mas sua natureza multicamadas. O modelo leva em conta 154 características que cobrem o perfil clínico completo da criança:

• Demografía: idade, peso, índice de massa corporal, altura
• Cardiologia: ultrassom cardíaco, tamanho do ventrículo esquerdo, ecocardiografia
• Sistema vascular: ultrassom de carótida, espessura da íntima-média
• Hemodinâmica: pressão sistólica e diastólica em diferentes condições
• Status hormonal: níveis de renina, aldosterona, catecolaminas
• Diagnóstico laboratorial: função renal e hepática, eletrólitos, análise de urina

O algoritmo de aprendizado de máquina processa este mosaico e encontra padrões ocultos. Ele compreende quais combinações de parâmetros indicam a eficácia de cada medicamento. O resultado: com precisão de 98%, o modelo prevê qual dos cinco medicamentos funcionará para esta criança específica, mesmo antes da primeira prescrição.

Descobertas dos Médicos em Números

A parte mais interessante — o modelo descobriu relações estatísticas que médicos suspeitavam há anos, mas não conseguiam provar rigorosamente. Por exemplo, revelou uma correlação clara entre o sobrepeso de uma criança e a alta eficácia do Lisinopril neste subgrupo. Médicos notavam isso na prática, mas não tinham documentação formal.

"Isto não é uma substituição para um médico, mas uma poderosa ferramenta de apoio," diz Adamson.

A decisão final permanece com o pediatra ou cardiologista. Mas agora o especialista recebe uma recomendação cientificamente fundamentada em vez de pura adivinhação.

O que Isto Significa para a Pediatria

A pesquisa de Adamson mostra como a inteligência artificial se integra à prática médica real. Em vez de tentativa e erro não sistemática, um médico terá um prognóstico personalizado baseado em análise de big data. Isto significa reduzir o tempo de seleção da terapia de meses para dias, reduzir períodos de pressão descontrolada e reduzir o risco de complicações para cada paciente. IA aqui não é um mágico, mas um assistente que expande as capacidades diagnósticas e terapêuticas do médico.