Novos Escores de Risco Baseados em IA Superam Dramaticamente as Diretrizes da AHA para Pacientes com Doenças Cardíacas

Pacientes que já sofreram um infarto, AVC ou outro evento cardiovascular aterosclerótico permanecem em alto risco contínuo — um fenômeno chamado de "risco residual". No entanto, ferramentas personalizadas para quantificar esse risco na prevenção secundária são notavelmente escassas em comparação com os inúmeros calculadores de risco disponíveis para pessoas que nunca tiveram um evento cardiovascular. As diretrizes de colesterol da AHA/ACC de 2018 oferecem um sistema categórico simples (risco médio, alto e muito alto) baseado em 10 marcadores, mas esse modelo não é específico por sexo, não gera estimativas de risco absoluto individualizadas e demonstrou adoção limitada no mundo real. Este artigo buscou preencher essa lacuna utilizando aprendizado de máquina moderno em duas coortes amplas e bem caracterizadas.

A coorte de desenvolvimento foi o UK Biobank (UKB), um estudo prospectivo com 502.359 participantes recrutados em 22 centros do Reino Unido entre 2006 e 2010, com acompanhamento até novembro de 2021. Após a aplicação dos critérios de elegibilidade — evento ASCVD prévio incluindo IM, AVC, doença arterial coronariana, doença arterial periférica, AIT ou revascularização — 32.994 participantes se qualificaram (idade média 61 anos, DP 7; 35,5% mulheres; 8,0% de mortes por DCV em 10 anos). A coorte foi dividida na proporção 70/30 em conjuntos de desenvolvimento (n=23.095) e validação de retenção (n=9.899). A validação externa foi conduzida na coorte de prontuário eletrônico do Mass General Brigham (MGB), com 54.969 pacientes (idade média 71 anos, DP 9; 41,4% mulheres; 12,6% de mortes por DCV; mediana de acompanhamento de 9,4 anos). A coorte MGB era notavelmente mais velha e mais enferma, com prevalência de hipertensão de 65% versus 48% no UKB, tornando a validação externa um teste significativo de generalizabilidade.

Dois modelos foram desenvolvidos a partir de conjuntos candidatos de 35 e 79 variáveis, respectivamente. O RRS16 incorporou 16 fatores selecionados algoritmicamente e disponíveis em ambas as coortes — incluindo idade, sexo, pressão arterial sistólica, função renal, lipídios, diabetes, tabagismo, tipos de eventos ASCVD prévios e uso de medicamentos. O RRS24 incorporou adicionalmente avaliações de saúde autorrelatadas e biomarcadores estendidos disponíveis no UKB (por exemplo, lipoproteína(a), PCR, hemoglobina). A seleção de variáveis utilizou regressão de Cox regularizada por elastic-net e eXtreme Gradient Boosting (XGBoost). Os modelos foram comparados com a diretriz da AHA de 2018, o escore SMART e vários modelos de referência treinados com Cox/XGBoost. A calibração foi avaliada pelo teste de Greenwood-Nam-D'Agostino, e o benefício clínico líquido foi quantificado por meio de análise de curva de decisão.

O RRS16 alcançou um C-estatístico de Harrell de 0,752 (IC 95%: 0,736–0,768) no conjunto de retenção do UKB e 0,750 (0,744–0,756) no MGB — em comparação com apenas 0,658 e 0,580 para o modelo da diretriz da AHA nos mesmos conjuntos de dados. Isso representa uma melhora absoluta de ~0,09–0,17 na discriminação, um ganho clinicamente significativo. O RRS24 atingiu 0,784 (0,768–0,800) no UKB. Ambos os novos escores foram bem calibrados (todos os valores P de Greenwood-Nam-D'Agostino >0,1), o que significa que suas probabilidades previstas corresponderam com precisão às taxas de eventos observadas entre os decis de risco. A análise de curva de decisão demonstrou benefício clínico líquido em uma ampla gama de limiares de tratamento. Análises de subgrupos confirmaram desempenho consistente entre faixas etárias, sexos e categorias raciais, embora o artigo observe que a diversidade populacional foi limitada em ambas as coortes.

As implicações práticas são significativas. Um calculador interativo do RRS16 está disponível gratuitamente online (mora.bwh.harvard.edu/rrs16/), permitindo que os clínicos gerem estimativas de risco absoluto personalizadas a partir de dados clínicos de rotina — algo que o modelo categórico atual da AHA não é capaz de fornecer. Na prevenção secundária, saber se um paciente pós-IM tem 5% ou 25% de risco de mortalidade por DCV em 10 anos deve influenciar de forma significativa a tomada de decisão compartilhada em relação à intensificação da terapia de redução de lipídios, às escolhas antiplaquetárias e às intervenções no estilo de vida. Os autores reconhecem que ambas as coortes são predominantemente brancas, o que limita a generalizabilidade para populações mais diversas, e que a validação externa em grupos de ancestralidade não europeia é uma prioridade para os próximos passos. Ainda assim, a validação em duas coortes abrangendo dois continentes, dois sistemas de saúde e quase 88.000 pacientes estabelece uma base robusta para adoção clínica.