Estrutura prognóstica contrastiva multimodal para previsão precoce do desfecho neurológico em pacientes pós-parada cardíaca

Por que o desfecho cerebral precoce após parada cardíaca importa

Após uma parada cardíaca súbita, muitas pessoas são ressuscitadas, mas permanecem inconscientes, deixando familiares e médicos em uma angústia sobre se o cérebro vai se recuperar. As diretrizes atuais frequentemente adiam previsões firmes por três dias ou mais, embora decisões críticas sobre intensidade do tratamento, uso de recursos e expectativas da família precisem ser tomadas muito antes. Este estudo investiga se a inteligência artificial pode, de forma segura, usar informações já disponíveis nas primeiras horas após a ressuscitação para oferecer uma visão mais clara e precoce sobre a provável recuperação cerebral.

Um olhar mais atento sobre o problema

A parada cardíaca súbita afeta centenas de milhares de pessoas a cada ano nos Estados Unidos, com sobrevida e recuperação cerebral significativa permanecendo raras. Após a restauração do fluxo sanguíneo, muitos pacientes ficam em coma por causa da privação de oxigênio ao cérebro. Os médicos podem examinar pupilas e movimentos, analisar ondas cerebrais, medir marcadores sanguíneos e revisar imagens cerebrais, mas cada uma dessas ferramentas isoladamente é imperfeita. Sedação, limitações de equipamento e resultados de testes conflitantes contribuem para a incerteza. Por causa desses desafios, muitos hospitais aguardam pelo menos 72 horas antes de oferecer um prognóstico definitivo, deixando uma lacuna no período inicial em que o curso do cuidado é definido.

Uma nova maneira de combinar imagens e dados à beira do leito

Para preencher essa lacuna, os pesquisadores construíram um sistema multimodal de IA chamado CLAIR que combina tomografias computadorizadas cerebrais com informações clínicas rotineiras para prever a pontuação da Cerebral Performance Category de um paciente, uma medida padrão do desfecho cerebral na alta hospitalar. O CLAIR não se limita a olhar uma única imagem ou um único número. Em vez disso, ele recebe reconstruções de TC de três vistas da cabeça juntamente com dados como idade, tempo até a retomada do batimento cardíaco, temperatura corporal, marcadores laboratoriais e resultados de testes elétricos cerebrais quando disponíveis. Uma arquitetura especializada permite que as características das imagens e as características clínicas “prestem atenção” umas às outras, de modo que o significado de um exame seja interpretado no contexto clínico completo.

Como o estudo testou o modelo

A equipe analisou retrospectivamente 208 adultos que tiveram parada cardíaca e pelo menos um TC de crânio em um único centro médico entre 2020 e 2022. Pacientes que tiveram suporte de vida retirado por razões não neurológicas foram excluídos para focar nos desfechos neurológicos. No total, 306 exames de TC foram coletados, mas, crucialmente, os testes principais do CLAIR usaram apenas exames obtidos nas primeiras 24 horas após a parada, com um tempo mediano pouco acima de três horas. Os dados foram separados por paciente em conjuntos de treinamento, validação e teste para evitar qualquer sobreposição. O CLAIR foi treinado e avaliado em duas versões: uma usando apenas informações disponíveis precocemente após a admissão e outra que também incluía resultados de testes mais tardios coletados durante a internação.

Desempenho do CLAIR

As previsões do CLAIR foram comparadas com as de um forte modelo de aprendizado profundo apenas por imagem e com avaliações de dois neurologistas experientes. Quando alimentado com as TC multicortes e dados clínicos precoces, o CLAIR alcançou uma área sob a curva ROC de 0,94, claramente superior à abordagem apenas por imagem baseada em TC, que atingiu cerca de 0,80. Isso significa que o CLAIR foi melhor em distinguir pacientes que eventualmente teriam boa função cerebral daqueles que não teriam. Ambas as versões do CLAIR mostraram alta acuidade, sensibilidade e especificidade. Em um exercício separado com 20 casos especialmente desafiadores, cada avaliador humano e de IA cometeu alguns erros, mas os clínicos que puderam ver as previsões do CLAIR cometeram menos equívocos prognósticos do que quando trabalhavam sozinhos, sugerindo que a ferramenta pode atuar como uma segunda opinião útil, e não como substituta do julgamento especializado.

O que isso pode significar para pacientes e familiares

O estudo mostra que um sistema de IA que analisa conjuntamente TC cerebrais precoces e dados clínicos à beira do leito pode fornecer previsões iniciais mais precisas do desfecho neurológico após parada cardíaca do que métodos apenas por imagem. Embora o trabalho se baseie em um conjunto de dados de centro único e tamanho modesto e necessite de confirmação em populações maiores e mais diversas, aponta para um futuro em que médicos e familiares podem não precisar esperar dias por um panorama bem fundamentado da recuperação provável. Usadas com cautela e ao lado da expertise clínica, essas ferramentas poderiam apoiar decisões mais oportunas e ponderadas sobre o tratamento contínuo, a comunicação com entes queridos e o uso justo dos recursos de terapia intensiva.

Citação: Kasturi, A., Proctor, A.R., Vosoughi, A. et al. Multimodal contrastive prognostication framework for early neurological outcome prediction in post-cardiac arrest patients. Sci Rep 16, 15582 (2026). https://doi.org/10.1038/s41598-026-45573-3

Palavras-chave: parada cardíaca, desfecho neurológico, TC cerebral, inteligência artificial, prognóstico