Modelo de IA aponta distúrbio hormonal oculto por trás de alguns casos de pressão alta

Uma ferramenta de triagem com IA mira um diagnóstico comum que os médicos ainda deixam passar

Pesquisadores que apresentam resultados no ENDO 2026 dizem que um novo modelo de inteligência artificial pode ajudar os clínicos a identificar pacientes com aldosteronismo primário, uma causa frequentemente subreconhecida de pressão alta que traz risco cardiovascular adicional. O estudo usou 30 anos de dados de prontuários eletrônicos para construir uma abordagem de triagem capaz de sinalizar pacientes de alto risco antes de um diagnóstico formal ser feito.

O aldosteronismo primário ocorre quando as glândulas adrenais produzem aldosterona em excesso, um hormônio envolvido no equilíbrio de sódio e potássio. O excesso de aldosterona pode elevar a pressão arterial e está associado a maior risco de acidente vascular cerebral, doença arterial coronariana, fibrilação atrial, insuficiência cardíaca e doença renal. O estudo observa que existem tratamentos eficazes, tornando a detecção precoce clinicamente importante.

Segundo os pesquisadores, a condição pode afetar até 20% dos pacientes com hipertensão, mas continua amplamente subdiagnosticada. Essa lacuna ajuda a explicar por que a diretriz de prática clínica de 2025 da Endocrine Society pediu uma triagem mais ampla. Na prática, porém, expandir esse rastreamento é difícil porque grandes sistemas de saúde precisam examinar muitos pacientes com sintomas, históricos de medicamentos e padrões laboratoriais sobrepostos.

Como o modelo foi construído

A equipe, liderada por Frank Lee, da Mayo Clinic, usou dados desidentificados de mais de 22.000 pacientes reunidos entre 1986 e 2025 por meio da Mayo Clinic Platform. O modelo analisou variáveis como idade, sexo, diagnósticos relacionados à hipertensão e hipocalemia, medidas de pressão sistólica, níveis de potássio e prescrições de anti-hipertensivos ou suplementos de potássio.

Os pesquisadores então testaram o modelo em 225.887 adultos com hipertensão. A abordagem com melhor desempenho usou o XGBoost, uma estrutura de aprendizado de máquina frequentemente aplicada a dados clínicos estruturados. No resultado divulgado, o modelo previu pacientes em risco de aldosteronismo primário 12 meses antes do diagnóstico.

Essa antecedência faz diferença. Um ano de reconhecimento mais cedo poderia dar tempo aos médicos para solicitar testes confirmatórios, ajustar o tratamento e reduzir a exposição a complicações cardiovasculares evitáveis. Também sugere que a IA pode ser particularmente útil não para substituir o diagnóstico, mas para reduzir uma grande população a um grupo menor que deve ser avaliado com mais cuidado.

Por que isso pode importar além de um único distúrbio

O estudo destaca um uso prático para a IA em saúde: revelar pacientes ocultos nos dados da rotina assistencial em vez de gerar formas inteiramente novas de evidência clínica. A pressão alta é comum, mas suas causas não são uniformes. Se os sistemas conseguirem distinguir pacientes cuja hipertensão é impulsionada por um distúrbio endócrino daqueles com hipertensão primária mais típica, o cuidado poderá se tornar mais direcionado e menos reativo.

Os achados também refletem uma tendência mais ampla na medicina de usar conjuntos de registros de longo prazo para identificar doenças tratáveis mais cedo. Como o modelo se baseou em variáveis já capturadas no atendimento comum, a barreira para adoção pode ser menor do que em ferramentas que exigem novas imagens, dados de dispositivos vestíveis ou testes especializados. Ainda assim, um modelo de triagem é apenas o primeiro passo. Ele ainda precisa ser incorporado ao fluxo de trabalho, validado em diferentes sistemas de saúde e usado de maneiras que melhorem os resultados no mundo real.

Por enquanto, o trabalho fortalece o argumento a favor de uma triagem mais ampla e mais inteligente. O aldosteronismo primário é ao mesmo tempo relevante e tratável. Um modelo capaz de colocar pacientes em uma via diagnóstica antes de a condição ser formalmente reconhecida pode ajudar a fechar um dos pontos cegos mais persistentes no cuidado da hipertensão.

Este artigo é baseado na cobertura do Medical Xpress. Leia o artigo original.