Dot.lib

As feridas crônicas representam um dos maiores desafios silenciosos do sistema de saúde global. Somente nos Estados Unidos, o seu tratamento custa aos provedores médicos mais de 126 bilhões de dólares anuais, e a sua prevalência continua aumentando devido ao envelhecimento populacional e ao crescimento de condições como diabetes e obesidade.

Nesse contexto, identificar precocemente quais feridas não vão cicatrizar de forma correta pode fazer a diferença entre uma intervenção oportuna e semanas de um tratamento ineficaz. Um estudo recente publicado na BMJ Digital Health & AI, da nossa editora BMJ Group, avalia o desempenho de um índice de cicatrização impulsionado por inteligência artificial (IA), comparando-o com o método de referência atual: a redução percentual de área (PAR, na sigla em inglês).

O Problema com o Método Atual

Hoje, o PAR medido em quatro semanas é o indicador mais utilizado para prever se uma ferida crônica vai cicatrizar. A sua lógica é simples: se a ferida não reduzir pelo menos 20% a 30% da sua superfície em quatro semanas, considera-se que o processo de cicatrização está comprometido.

No entanto, essa abordagem apresenta limitações significativas:

• Foco em uma única variável: O PAR baseia-se exclusivamente na alteração do tamanho, ignorando outros fatores vitais para a cicatrização.
  
  
• Medições manuais imprecisas: Muitas vezes, a área é medida com réguas, gerando resultados imprecisos e com baixa confiabilidade entre os diferentes avaliadores.
  
  
• Não reflete a complexidade clínica: O método falha em capturar as particularidades de diferentes tipos de lesões, como úlceras diabéticas ou lesões por pressão, que respondem de maneiras muito distintas aos tratamentos.

Um Índice de Cicatrização com IA

Os pesquisadores avaliaram o HealingIndex (HI), um modelo de IA que utiliza apenas sete variáveis objetivas e interpretáveis para gerar uma previsão quantitativa do processo de cicatrização.

Entre as variáveis consideradas estão o cálculo digital da área da ferida, a composição do tecido (como granulação e esfacelo), a quantidade e tipo de exsudato, além da localização anatômica e do ambiente clínico. O modelo foi validado num vasto banco de dados contendo 173.816 feridas de 85.599 pacientes, atendidos em mais de 2.300 centros de saúde e lares de idosos, com acompanhamento de até 12 semanas.

Uma Semana de Vantagem

Os resultados foram contundentes. O índice HI alcançou uma precisão equilibrada de 65% já na semana 3 de acompanhamento, enquanto o método tradicional PAR só atingiu esse mesmo nível de precisão na semana 4.

Em termos práticos, isso significa que os médicos podem identificar lesões com risco de não cicatrização uma semana mais cedo, permitindo ajustes no tratamento de forma mais oportuna.

Implicações Clínicas e Econômicas

A detecção antecipada de feridas que não estão cicatrizando tem consequências diretas na prática clínica:

• Intervenções precoces: Permite o início rápido de terapias avançadas (como curativos a vácuo ou substitutos bioengenheirados de pele), o que ajuda a evitar que a ferida piore e se torne intratável.
  
  
• Otimização de recursos: Reduz o número de visitas de acompanhamento desnecessárias. Estudos prévios sugerem que antecipar essas intervenções pode reduzir em até 40% as visitas de cuidados com feridas.
  
  
• Prevenção de complicações: Auxilia na redução de taxas de infecção e amputação, além de aliviar a enorme carga financeira sobre os sistemas de saúde.

Para conhecer os detalhes metodológicos completos, os modelos estatísticos e as curvas de desempenho da IA, acesse o artigo original na BMJ Digital Health & AI.

Sobre o BMJ Group

BMJ Group é o grupo responsável pela publicação de um conjunto de periódicos de excelência — entre eles, o internacionalmente reconhecido The BMJ — que cobre a maioria das especialidades médicas. Conta ainda com um número crescente de recursos e serviços online para os profissionais de saúde. É uma das mais respeitadas e conceituadas provedoras de conteúdo no campo da medicina.

Se você deseja conhecer melhor o portfólio da BMJ Group para a sua instituição, entre em contato pelo info@dotlib.com ou preencha nosso formulário. Aproveite e acompanhe nosso blog, siga nossas redes sociais e se inscreva na Dotlib TV, nosso canal oficial no YouTube.