A doença de Chagas, causada pelo protozoário Trypanosoma cruzi e transmitida pelo inseto conhecido como barbeiro, afeta de 1,9 milhão a 4,6 milhões de brasileiros, segundo o Ministério da Saúde. Como pode apresentar sinais leves ou permanecer assintomática por anos, há dificuldade de identificá-la antes da fase crônica. 

Com o intuito de realizar diagnósticos antes dessa etapa, um estudo divulgado no mês passado mostrou que a eletrocardiografia aprimorada por inteligência artificial (IA-ECG) pode auxiliar no rastreamento da doença, com potencial uso no Sistema Único de Saúde (SUS). O artigo publicado na revista científica Circulation avaliou o desempenho de algoritmos do modelo AI-ECG-EPI combinado a respostas a três perguntas epidemiológicas relacionadas ao risco de doença de Chagas. O trabalho também analisou o potencial da tecnologia como estratégia integrada à rotina do SUS, sendo considerada uma solução escalável e de baixo custo para regiões endêmicas com acesso limitado a exames de imagem e a biomarcadores especializados.

Segundo o professor Antonio Luiz Pinho Ribeiro, o Tom Ribeiro, coordenador da Rede de Telessaúde do Hospital das Clínicas da UFMG (RTMG) e um dos parceiros do projeto, a estratégia foi inserida no fluxo clínico regular dos pacientes atendidos nas Unidades Básicas de Saúde (UBS) do SUS. Ao realizar um eletrocardiograma de rotina, o exame era analisado simultaneamente pelo cardiologista do serviço de telessaúde e processado pelo algoritmo de IA junto às informações epidemiológicas.

Quando era detectada maior probabilidade de o paciente ter a enfermidade, a técnica de enfermagem responsável pelo exame recebia um alerta, que recomendava o teste sorológico para confirmar o diagnóstico. “Dessa forma, o rastreamento era feito durante uma consulta ou exame já em andamento, sem exigir uma etapa inicial separada”, explica Ribeiro.

Sensibilidade e especifidade
Durante 12 meses, entre outubro de 2023 e setembro de 2024, foram avaliados adultos submetidos a tele-ECG de rotina em 107 municípios de regiões hiperendêmicas e endêmicas de Minas Gerais. Dos 75.779 exames elegíveis, o modelo AI-ECG-EPI foi aplicado em 59.154 pessoas. Dessas, 6.812 (11,5%) tiveram resultado positivo no rastreamento, sendo gerado um alerta para testagem sorológica. Ao todo, 3.509 concluíram o teste. Entre as pessoas com rastreamento positivo pela estratégia de IA- ECG, 36,8% tiveram o diagnóstico para a doença de Chagas confirmado.

O modelo apresentou sensibilidade de 34,3% e especificidade de 91,6%. A sensibilidade indica a capacidade de o método identificar pessoas que realmente têm a doença de Chagas, enquanto a especificidade mostra a sua capacidade de reconhecer corretamente quem não tem a doença. No estudo, a combinação entre ECG, IA e informações epidemiológicas teve desempenho superior ao uso isolado das informações epidemiológicas ou da análise por IA aplicada apenas ao ECG.

Ribeiro destaca que o algoritmo não diagnostica sozinho a doença e não substitui a avaliação dos profissionais de saúde, mas funciona como ferramenta de rastreamento, identificando pessoas com maior probabilidade de ter a doença de Chagas e sinalizando a necessidade de investigação por teste sorológico. “Ela não faz o diagnóstico e não substitui a sorologia, mas pode ajudar as equipes de saúde a identificar pessoas que devem ser investigadas, especialmente em regiões endêmicas para a doença”, diz.

Outro ponto destacado pelo coordenador da RTMG é o fato de o projeto ter constatado que, entre os 927 casos corretamente identificados pelo algoritmo e confirmados, aproximadamente metade dos pacientes não sabia que tinha a doença. “A maioria apresentava doença de Chagas em fase inicial, situação em que a identificação oportuna amplia a possibilidade de avaliação e tratamento específico, o que pode contribuir para evitar a progressão da doença”, destaca.

O estudo
A pesquisa foi conduzida por Tom Ribeiro e Clareci Silva Cardoso, como parte das atividades do Centro São Paulo-Minas Gerais (SaMiTrop) para Tratamento da Doença de Chagas, liderado por Ester Sabino, da Universidade de São Paulo (USP).

Entre os parceiros estão a Rede de Telessaúde de Minas Gerais, coordenada pelo Centro de Telessaúde do HC-UFMG (CTS-HC/UFMG), a Fundação Ezequiel Dias (Funed) e a Universidade de Uppsala. O estudo contou com financiamento do National Institutes of Health (NIH).

Rede HU Brasil
O HC-UFMG integra a Rede HU Brasil desde 2013. Criada por meio da Lei nº 12.550/2011 e vinculada ao Ministério da Educação (MEC), a estatal nasceu tendo como nome oficial Empresa Brasileira de Serviços Hospitalares (Ebserh). É responsável pela administração de 47 hospitais universitários federais em 25 unidades da federação.