Um transformer de alta resolução combinado com dados multimodais para prever o tempo de internação hospitalar na síndrome coronariana aguda

Por que a duração da internação importa

Para pessoas levadas urgentemente ao hospital com dor no peito ou infarto, por quanto tempo precisarão permanecer internadas é mais do que mera curiosidade. Isso afeta a rapidez com que obtêm um leito, quão cedo outras pessoas podem ser admitidas, quantos enfermeiros são necessários em cada turno e até quais custos as famílias enfrentarão. Este estudo apresenta um novo sistema de inteligência artificial que estima o tempo de internação hospitalar para pacientes com síndromes coronarianas agudas — condições cardíacas perigosas causadas por artérias coronárias obstruídas — analisando não apenas prontuários médicos, mas também imagens detalhadas do coração.

Olhando para dentro das artérias coronárias obstruídas

Os médicos já dependem de tomografias computadorizadas (TC) para visualizar os vasos sanguíneos do coração e identificar estreitamentos ou obstruções que podem desencadear síndromes coronarianas agudas. Esses vasos são tubos longos e ramificados, e pequenos segmentos doentes podem ocupar apenas uma fração diminuta de cada imagem. Modelos computacionais tradicionais frequentemente resumem essas varreduras em medidas amplas, o que pode ofuscar os detalhes finos de onde e quão gravemente uma artéria está danificada. A nova abordagem, chamada FRAME, trata as imagens de TC com muito mais cuidado, visando capturar mudanças sutis na forma dos vasos que sinalizam quão grave é a condição do paciente — e quanto tempo ele pode precisar de cuidados hospitalares.

Ensinando o computador a ler formas de vasos

Os pesquisadores primeiro conceberam uma forma do computador aprender por si só como vasos saudáveis e doentes se apresentam, sem necessidade de um humano rotular cada imagem. Eles alteraram suavemente cada imagem de TC usando ajustes seguros de brilho e forma que nunca apagam as áreas reais de lesão. Ao comparar as versões original e modificada da mesma varredura, o sistema aprendeu quais características devem permanecer constantes e quais mudam quando a imagem é transformada. Esse treinamento “auto-supervisionado” ajudou o modelo a focar nos padrões tridimensionais reais dos vasos — como curvas, estreitamentos e paredes irregulares — em vez de se distrair com ruído ou estruturas de fundo irrelevantes.

Dando zoom em pequenos pontos problemáticos

Após esse treinamento, o FRAME analisa novas varreduras de TC em pequenas tiles, ou patches, em vez de tratar cada imagem como um único bloco. Um mecanismo de atenção pondera cada patch e destaca aqueles que parecem mais relacionados à doença, efetivamente dando zoom em regiões vasculares estreitas e danificadas enquanto minimiza áreas saudáveis. Em paralelo, o sistema processa informações do prontuário eletrônico, incluindo idade, frequência cardíaca, função renal, marcadores de inflamação e contagem de células sanguíneas. Um passo de fusão de alta resolução então permite que os patches da TC e os dados do prontuário influenciem-se mutuamente, usando um Transformer — o mesmo tipo de arquitetura por trás de muitos modelos de linguagem modernos — para conectar padrões de dano vascular com padrões em exames laboratoriais e sinais vitais.

Colocando o modelo à prova

Para verificar quão bem o FRAME funciona, a equipe o aplicou a dados de 615 pacientes tratados em um grande hospital de tórax em Xangai entre 2015 e 2021. Cada paciente tinha tanto imagens de TC quanto prontuários detalhados, além do registro do tempo de internação. Os pesquisadores compararam o FRAME com 16 alternativas de destaque, que vão de fórmulas clássicas de aprendizado de máquina a redes de imagem avançadas e modelos multimodais. No conjunto completo de pacientes e em quatro faixas de tempo de internação — de menos de cinco dias até mais de duas semanas — o novo sistema consistentemente fez as previsões mais precisas, com erros de cerca de um dia em média e uma correspondência muito forte entre os tempos previstos e os efetivos.

Vendo o que o modelo vê

Além da precisão bruta, a equipe examinou onde o FRAME estava “olhando” nas imagens e em quais recursos do prontuário ele se apoiava. Os patches de imagem destacados quase sempre correspondiam a segmentos vasculares com lesões visíveis, sugerindo que o modelo aprendeu padrões clinicamente significativos que podem, eventualmente, ajudar a automatizar a contorno de lesões para radiologistas. Entre os dados do prontuário, frequência cardíaca, marcadores de função renal, ácido úrico, proteínas inflamatórias e certas proporções de células sanguíneas carregaram mais peso — e cada um mostrou uma ligação estatística clara com a duração da internação. Isso se alinha a estudos clínicos prévios, dando aos médicos confiança adicional de que o raciocínio do sistema faz sentido do ponto de vista médico.

O que isso significa para pacientes e hospitais

Em termos simples, o estudo mostra que combinar cuidadosamente imagens cardíacas ricas com medições padrão de beira de leito permite que computadores estimem o tempo de internação para pacientes com síndrome coronariana aguda com mais precisão do que as ferramentas existentes. Ao prestar atenção às formas exatas dos vasos doentes e aos resultados laboratoriais mais informativos, o FRAME pode ajudar hospitais a planejar leitos e equipe, identificar pacientes de alto risco mais cedo e potencialmente acelerar a revisão de imagens para clínicos sobrecarregados. Embora os autores ressaltem que conjuntos de dados maiores e mais variados serão necessários antes que esses sistemas guiem os cuidados diários, o trabalho demonstra um passo promissor em direção a um manejo de emergências cardíacas mais inteligente e eficiente.

Citação: You, L., Cen, X. & Wang, S. A fine-grained transformer combined with multimodal data for predicting hospital length of stay in acute coronary syndrome. Sci Rep 16, 11465 (2026). https://doi.org/10.1038/s41598-026-41279-8

Palavras-chave: síndrome coronariana aguda, tempo de internação hospitalar, imagem cardíaca por TC, IA médica, previsão multimodal