Um transformer fracamente supervisionado para diagnóstico e subfenotipagem de doenças raras a partir de prontuários eletrônicos com estudos de caso pulmonares

Por que encontrar doenças raras mais rapidamente importa

Para famílias que convivem com doenças raras, obter um nome para o problema pode levar anos. Os sintomas frequentemente são vagos, os médicos podem ver apenas alguns casos ao longo da vida, e testes existentes nem sempre fornecem respostas claras. Este estudo explora uma nova forma de usar as pegadas digitais deixadas nos prontuários eletrônicos para identificar mais cedo duas condições pulmonares de difícil diagnóstico e para agrupar pacientes em subgrupos que podem enfrentar trajetórias muito diferentes.

A longa jornada até um diagnóstico raro

Doenças raras são incomuns individualmente, mas juntas afetam centenas de milhões de pessoas no mundo. Muitas começam na infância e podem ser ameaças à vida se não forem identificadas. O artigo concentra‑se em doenças pulmonares raras, nas quais queixas do dia a dia, como falta de ar ou chiado, facilmente são confundidas com asma ou outros problemas comuns. Como resultado, crianças com condições como hipertensão pulmonar ou formas graves de asma podem consultar muitos especialistas e esperar anos antes de receber o diagnóstico correto, perdendo tempo precioso em que um tratamento precoce poderia alterar o curso da doença.

Transformando prontuários médicos confusos em pistas

Hospitais modernos armazenam enormes quantidades de informação em prontuários eletrônicos, desde códigos de diagnóstico e prescrições até exames laboratoriais e anotações dos médicos. Escondidos nesses dados estão padrões que podem sugerir uma doença rara muito antes de ela ser formalmente nomeada. Mas há um problema: apenas uma pequena fração dos pacientes foi revisada cuidadosamente por especialistas, de modo que rótulos de alta qualidade que digam quem realmente tem uma doença são escassos. A maioria dos registros contém apenas sinais grosseiros, “ruidosos” — códigos que podem refletir peculiaridades de faturamento, suposições provisórias ou rótulos desatualizados. Modelos computacionais tradicionais têm dificuldade nesse cenário porque foram projetados para aprender a partir de grandes conjuntos de exemplos limpos e confiáveis.

Uma nova maneira de aprender com dados imperfeitos

Os autores introduzem o WEST, um “transformer fracamente supervisionado” projetado para aprender a partir dessa mistura de alguns rótulos precisos e muitos incertos. O sistema parte de dois grupos de pacientes no Boston Children’s Hospital que podem ter hipertensão pulmonar ou asma grave, identificados por códigos de triagem amplos. Dentro de cada grupo, um pequeno subconjunto foi confirmado por especialistas, enquanto o restante recebe escores probabilísticos de ferramentas anteriores baseadas em regras. O WEST usa um transformer — uma arquitetura avançada de detecção de padrões originalmente desenvolvida para linguagem — para transformar todo o histórico médico de cada criança em um retrato numérico compacto. Crucialmente, ele não trata os rótulos grosseiros como verdade fixa: após cada rodada de treinamento, o modelo atualiza suas próprias estimativas de quem provavelmente está doente e alimenta essas probabilidades refinadas na rodada seguinte, limpando gradualmente o sinal.

O que o modelo descobriu em doenças pulmonares

Quando testado em pacientes validados por especialistas e mantidos fora do treinamento, o WEST foi mais preciso do que várias alternativas, incluindo regras simples de contagem de códigos, árvores de decisão com boosting e transformers que ou ignoraram os rótulos ruidosos ou os aceitaram como verdadeiros. Ele precisou de surpreendentemente poucos casos com padrão‑ouro para ter bom desempenho — cerca de 100 pacientes cuidadosamente revisados foram suficientes para igualar ou superar outras abordagens. Além de indicar quem provavelmente tinha cada condição, as representações internas do modelo agruparam naturalmente as crianças em clusters clinicamente significativos. Para hipertensão pulmonar, o WEST separou pacientes em um grupo de progressão lenta e outro de progressão rápida, que mostraram padrões de sobrevida claramente diferentes ao longo de cinco anos. Para asma grave, dividiu pacientes entre aqueles com crises frequentes e perigosas e aqueles com ataques relativamente menos intensos, refletindo diferenças em internações, episódios de baixa oxigenação e insuficiência respiratória.

Como isso pode mudar o cuidado dos pacientes

Para um não especialista, a mensagem chave é que o WEST aprende a “enxergar” padrões complexos de doença em dados hospitalares de rotina sem depender de conjuntos enormes e perfeitamente rotulados. Ao reciclar de forma inteligente sinais imperfeitos e uma pequena quantidade de contribuição especializada, ele pode sinalizar casos prováveis de doenças raras com mais precisão e revelar subgrupos ocultos que enfrentam riscos diferentes. A longo prazo, sistemas como o WEST podem ajudar a encurtar a odisseia diagnóstica para crianças com doenças pulmonares raras, orientar médicos para encaminhamento precoce a especialistas e apoiar planos de monitoramento e tratamento mais personalizados, com base em como a doença de um paciente provavelmente evoluirá.

Citação: Greco, K.F., Yang, Z., Li, M. et al. A weakly supervised transformer for rare disease diagnosis and subphenotyping from EHRs with pulmonary case studies. npj Digit. Med. 9, 211 (2026). https://doi.org/10.1038/s41746-026-02406-x

Palavras-chave: diagnóstico de doenças raras, prontuários eletrônicos de saúde, aprendizado de máquina na medicina, hipertensão pulmonar, asma grave