Aprendizado de máquina explicável para predição de risco cardiovascular de longo prazo em adultos chineses de meia-idade e idosos: um estudo de coorte longitudinal de 9 anos com calculadora de risco na web

Por que a predição do risco cardíaco importa

As doenças cardiovasculares são hoje a principal causa de morte na China, especialmente entre pessoas em idade média e avançada. Contudo, a maioria das ferramentas que os médicos usam para estimar o risco futuro de ataque cardíaco e AVC foi desenvolvida em populações ocidentais e não se ajusta bem aos adultos chineses. Este estudo investigou se métodos modernos de inteligência artificial poderiam oferecer estimativas de risco de longo prazo mais precisas, mas ainda compreensíveis, adaptadas a adultos chineses com 45 anos ou mais.

Um panorama nacional dos corações que envelhecem

Os pesquisadores utilizaram a China Health and Retirement Longitudinal Study, um grande levantamento em andamento que acompanha dezenas de milhares de adultos residentes na comunidade em praticamente todas as províncias. A partir dessa base selecionaram 8.080 pessoas com 45 anos ou mais que não apresentavam doença cardiovascular ao ingressar no estudo em 2011. Esses participantes foram então acompanhados por nove anos para registrar novos casos de doença cardíaca e AVC. A equipe partiu de 77 informações fáceis de coletar em consultório, incluindo idade, região, doenças prévias, sintomas de humor, hábitos de sono, medidas corporais e resultados de exames de sangue. Usando verificações estatísticas padrão, reduziram isso a 11 fatores-chave que eram práticos de medir e fortemente associados a eventos cardiovasculares posteriores.

Ensinando computadores a reconhecer padrões

Em seguida, os investigadores testaram dez métodos de predição baseados em computador, variando de regressão logística tradicional a abordagens mais flexíveis como florestas aleatórias, gradient boosting e redes neurais. Dividiram os participantes em um grupo de treinamento, usado para construir cada modelo, e um grupo de validação separado, usado para testar quão bem os modelos funcionavam em pessoas novas. O desempenho foi avaliado pela precisão com que cada método separou os que desenvolveram doença cardiovascular dos que permaneceram livres dela, o quão bem os riscos previstos corresponderam às taxas reais de eventos e quão úteis as previsões seriam em decisões práticas sobre quem deveria receber intervenções preventivas adicionais.

Quais fatores do dia a dia importaram mais

O método de floresta aleatória se destacou, alcançando forte acurácia e o melhor equilíbrio entre identificar indivíduos de alto risco e evitar alarmes falsos. Para revelar o funcionamento interno desse método, a equipe usou uma técnica de explicação chamada SHAP, que atribui a cada fator de risco uma contribuição para a predição final. Essa análise mostrou que a circunferência da cintura foi o fator mais influente: cada centímetro extra ao redor da cintura aumentou o risco em nove anos de forma perceptível, destacando a importância da gordura abdominal nessa população. Níveis altos de triglicerídeos, idade mais avançada e histórico de hipertensão também foram grandes motores do risco, enquanto níveis mais elevados de colesterol HDL protetor se associaram a menor risco. Curiosamente, humor e padrões de sono trouxeram informações independentes: escores de depressão mais altos e tanto pouco quanto excesso de sono noturno aumentaram o risco mesmo após contabilizar fatores médicos tradicionais.

Do modelo de pesquisa para uma ferramenta cotidiana

Como todos os 11 preditores são rotineiramente disponíveis na atenção primária, a equipe traduziu o modelo com melhor desempenho em uma calculadora simples baseada na web. Os usuários inserem idade, região, itens selecionados do histórico médico, circunferência da cintura, duas medidas comuns de lipídios sanguíneos, escore de depressão e duração usual do sono. A ferramenta então devolve uma estimativa da chance dessa pessoa desenvolver doença cardiovascular nos próximos nove anos. Os autores enfatizam que essa calculadora foi projetada para apoiar, não substituir, o julgamento profissional e deve ser usada junto com avaliação clínica completa, recursos locais e preferências do paciente.

O que isso significa para pacientes e médicos

O estudo mostra que o aprendizado de máquina cuidadosamente projetado e explicado pode fornecer estimativas de risco de longo prazo para ataque cardíaco e AVC mais precisas para adultos chineses de meia-idade e idosos do que fórmulas tradicionais. Também sublinha que o que acontece na cintura, nos lipídios sanguíneos e no sono e humor diários importa para a saúde cardiovascular futura. Ao embalar esses insights em uma calculadora online gratuita, o trabalho oferece às clínicas comunitárias e aos indivíduos uma forma de baixo custo de identificar mais cedo pessoas de maior risco e orientar estratégias de prevenção sob medida, deixando as decisões finais nas mãos dos clínicos.

Citação: Zhu, XY., Li, W., Pan, XY. et al. Explainable machine learning for long-term cardiovascular disease risk prediction in Chinese middle-aged and older adults: a 9-year longitudinal cohort study with web-based risk calculator. Sci Rep 16, 14998 (2026). https://doi.org/10.1038/s41598-026-45297-4

Palavras-chave: doença cardiovascular, aprendizado de máquina, predição de risco, circunferência da cintura, adultos chineses