IA ajuda a prever risco de hipocalcemia após cirurgia de tireoide

Depois de uma tireoidectomia total, o cirurgião de cabeça e pescoço (ou o endocrinologista que acompanha o paciente no pós-operatório) enfrenta uma dúvida recorrente: tratar com cálcio e vitamina D de forma preventiva ou esperar para ver se os sintomas aparecem. Uma ferramenta de inteligência artificial desenvolvida por pesquisadores do A.C.Camargo Cancer Center, em estudo publicado em maio na revista Scientific Reports e financiado pela FAPESP, tenta reduzir essa incerteza ao prever o risco de hipocalcemia transitória com base no histórico de mais de 7 mil pacientes.

A hipocalcemia não vem da retirada da tireoide em si, mas da manipulação das paratireoides, as pequenas glândulas que controlam o cálcio no sangue por meio do hormônio PTH. Quando elas sofrem com a cirurgia, a queda na produção de PTH compromete a regulação do cálcio e pode provocar cãibra, formigamento, náusea e, em casos graves, alteração cardíaca.

A condição afeta de 15% a 40% dos pacientes, dependendo do tipo de procedimento, e segundo o cirurgião oncológico Genival Barbosa Carvalho, um dos autores do estudo, "é uma condição potencialmente grave, que piora muito a experiência do paciente, aumenta o tempo de internação, a necessidade de medicamentos e os custos do tratamento".

Por que o PTH sozinho não resolve

Hoje a principal forma de avaliar o risco é medir o PTH logo após a cirurgia. Resultado normal e paciente sem sintomas, risco baixo. O problema é o meio do caminho: PTH baixo, mas paciente ainda sem sintoma algum. Carvalho estima que cerca de 30% dos pacientes caem nesse grupo mesmo em condições ideais de coleta, e aí a decisão vira aposta. Tratar todo mundo preventivamente significa medicar quem não precisaria; não tratar significa arriscar que o paciente passe mal em casa e precise de pronto-socorro depois da alta.

Foi para esse grupo intermediário que o modelo foi pensado. Carvalho resume os três cenários que o cirurgião encontra na prática:

• Exame alterado e paciente com sintoma: trata, sem dúvida.
• Exame normal e sem sintoma: não trata, sem dúvida.
• Exame alterado e paciente assintomático: é aqui que falta critério, e é aqui que a ferramenta entra.

Como o modelo foi treinado e testado

O time liderado por Israel Tojal da Silva, cientista da computação e coordenador do Laboratório de Bioinformática do A.C.Camargo, construiu o modelo com dados de 7.066 pacientes operados na instituição entre 2014 e 2024. Em vez de olhar só para um exame isolado, o algoritmo cruza características pessoais, dados da doença, informações da cirurgia e resultados do pós-operatório ao longo de toda a jornada do paciente.

O PTH é um indicador importante, mas esse exame sozinho não captura toda a complexidade do risco. O diferencial do aprendizado de máquina é conseguir integrar essa informação a diversas outras variáveis e analisar as relações entre elas.

Israel Tojal da Silva, cientista da computação e coordenador do Laboratório de Bioinformática do A.C.Camargo Cancer Center

Depois de treinado com o histórico retrospectivo, o modelo foi testado de forma prospectiva em 149 pacientes novos operados no próprio hospital. Desses, 31 desenvolveram hipocalcemia transitória, e o sistema mostrou alta capacidade de separar quem tinha maior e menor risco. É essa etapa de validação com casos reais, e não só o ajuste no banco histórico, que dá mais peso ao resultado do que uma simples correlação em planilha.

O que o algoritmo enxerga além do exame de sangue

O PTH baixo continuou sendo o fator de maior peso, o que já era esperado. Mas o modelo também associou o risco a outras variáveis: a realização de esvaziamento cervical bilateral (retirada de linfonodos do pescoço), a duração da cirurgia, o horário do procedimento e a carga de trabalho do cirurgião naquele dia. Os próprios pesquisadores fazem a ressalva importante: isso não quer dizer que esses fatores causem a hipocalcemia, eles provavelmente refletem a complexidade do caso, não uma relação direta de causa e efeito.

Um diferencial técnico que interessa diretamente a quem vai usar a ferramenta na prática é o fato de ela ser uma IA explicável. Em vez de devolver só um número de risco, o sistema mostra quais informações do paciente mais pesaram naquele cálculo específico, o que facilita justificar a decisão clínica e discutir o caso com a equipe, sem depender de confiar cegamente num resultado de caixa-preta.

Para quem serve agora, e o que ainda falta

A ferramenta já foi transformada em uma plataforma web na qual o médico insere os dados do paciente e recebe uma estimativa individualizada de risco, em teste nos próprios pacientes do A.C.Camargo. Mas vale o recorte: todo o treinamento e toda a validação vieram de uma única instituição, o que limita a generalização para hospitais com outro perfil de paciente, outra rotina cirúrgica e outro protocolo de coleta de PTH. Os próprios autores apontam o teste em outras instituições como o próximo passo necessário antes de uma adoção mais ampla.

O software tem pedido de patente depositado, e Carvalho afirma que a intenção é disponibilizá-lo gratuitamente para instituições interessadas depois dessa etapa de validação externa. Na prática, isso significa que, para o cirurgião fora do A.C.Camargo, a ferramenta ainda não está pronta para uso rotineiro: o que existe hoje é um modelo promissor em fase de teste, não um produto liberado para qualquer consultório ou hospital.

O que muda no dia a dia de quem opera tireoide

Para o cirurgião de cabeça e pescoço e para o endocrinologista que acompanha o pós-operatório, o ganho prático, quando a ferramenta estiver validada e disponível, está em decidir com mais segurança o grupo do meio: aquele paciente com PTH baixo mas sem sintoma, que hoje é tratado "por via das dúvidas". Reduzir essa margem de incerteza significa menos paciente medicado sem necessidade, menos reinternação por hipocalcemia sintomática e, potencialmente, alta hospitalar mais cedo com segurança.

Isso não substitui o julgamento clínico nem o exame de PTH, que continua sendo a base da avaliação. A ferramenta entra como apoio à decisão nos casos de fronteira, da mesma forma que um escore de risco cardiovascular apoia, mas não substitui, a avaliação do cardiologista. A responsabilidade pela conduta terapêutica continua sendo do médico, algo que o Código de Ética Médica (Resolução CFM nº 2.217/2018) já estabelece de forma geral ao tratar a indelegabilidade da decisão clínica, princípio que vale tanto para escores tradicionais quanto para ferramentas baseadas em IA.

O cuidado com o dado do paciente antes de adotar

Um ponto que qualquer médico interessado em testar esse tipo de plataforma precisa checar antes é onde os dados do paciente estão indo. Informação de saúde é dado pessoal sensível segundo a Lei Geral de Proteção de Dados (Lei nº 13.709/2018, art. 11), o que exige base legal específica para tratamento, normalmente o consentimento do paciente ou a execução de políticas públicas de saúde por órgão sanitário, e cuidado redobrado com onde essa informação fica armazenada.

No caso descrito pela Medicina S/A, a plataforma roda dentro da própria estrutura do A.C.Camargo e com os pacientes da instituição, o que é bem diferente de inserir dado identificável de paciente numa ferramenta de IA genérica, sem contrato de proteção de dados com a instituição hospitalar. Quando o software for liberado para outras instituições, como os pesquisadores planejam, cada hospital vai precisar avaliar, junto ao setor de compliance e ao Comitê de Ética em Pesquisa, se a forma de uso local atende à LGPD antes de alimentar o sistema com dados reais de pacientes.

Fonte: Medicina S/A