De acordo com pt.wedoany.com-Pesquisadores da Mayo Clinic e de outras instituições desenvolveram um modelo de triagem baseado em inteligência artificial (IA), utilizando 30 anos de dados de prontuários eletrônicos de saúde (EHR) de rotina, com o objetivo de melhorar a taxa de identificação do hiperaldosteronismo primário. O hiperaldosteronismo primário é uma das principais causas de hipertensão arterial e, frequentemente, não é diagnosticado, aumentando o risco de complicações cardiovasculares nos pacientes.
O hiperaldosteronismo primário ocorre quando as glândulas adrenais (pequenas glândulas localizadas sobre os rins) secretam o hormônio aldosterona em excesso, causando um desequilíbrio nos níveis de sódio e potássio no organismo. Em comparação com pacientes com hipertensão essencial, esses pacientes enfrentam um risco maior de doenças cardiovasculares, incluindo acidente vascular cerebral, doença arterial coronariana, fibrilação atrial, insuficiência cardíaca e doença renal.
O principal pesquisador do estudo, Dr. Frank Lee, da Mayo Clinic em Rochester, Minnesota, destacou que a verdadeira prevalência do hiperaldosteronismo primário ainda é desconhecida, mas estima-se que até 20% dos pacientes hipertensos sejam afetados. Como existem tratamentos eficazes, o diagnóstico precoce pode prevenir complicações futuras e reduzir os custos de saúde. O estudo será apresentado no sábado na reunião anual da Endocrine Society, ENDO 2026, em Chicago, Illinois.
A Endocrine Society, em 2025, publicou as "Diretrizes de Prática Clínica da Endocrine Society para Hiperaldosteronismo Primário (Primary Aldosteronism: An Endocrine Society Clinical Practice Guideline)", que já defendem uma triagem mais ampla.
Os pesquisadores utilizaram a Plataforma da Mayo Clinic (Mayo Clinic Platform), uma infraestrutura federada com dados clínicos multimodais e proteção de privacidade, para desenvolver o modelo de triagem baseado em IA. O modelo analisou dados desidentificados de mais de 22.000 pacientes coletados entre 1986 e 2025, com variáveis incluindo idade, sexo, diagnósticos de ICD relacionados a hipertensão e hipocalemia, valores de pressão arterial sistólica, níveis de potássio no sangue, além de prescrições de medicamentos anti-hipertensivos ou suplementos de potássio. Em seguida, o modelo foi testado em dados de 225.887 pacientes adultos hipertensos. O estudo utilizou uma arquitetura XGBoost do tipo biblioteca de aprendizado de máquina para prever o risco de um paciente desenvolver hiperaldosteronismo primário nos 12 meses anteriores ao diagnóstico.
Lee afirmou que o modelo demonstra a viabilidade de uma abordagem de triagem baseada em IA. Quando os pesquisadores definiram um limiar para identificar grupos de baixo risco, o modelo marcou corretamente mais de 90% dos casos de hiperaldosteronismo primário, com uma taxa de erro de diagnóstico inferior a 10%. Nessa configuração, cerca de dois terços dos participantes do estudo foram identificados como candidatos a triagem adicional.
Lee disse que, ao testar o modelo em pacientes hipertensos que nunca haviam sido submetidos a triagem para hiperaldosteronismo primário, ele identificou cerca de dois terços dos pacientes que necessitavam de exames adicionais, e destacou que os médicos sempre tiveram dificuldade em realizar a triagem eficaz dessa condição, enquanto essa ferramenta pode oferecer uma solução baseada em informações de rotina dos prontuários médicos.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
