Inteligência Artificial na Hemorragia Subaracnóidea (AISAH)

Pacientes com hemorragia subaracnóidea aneurismática (SAHa) desenvolvem isquemia cerebral tardia (DCI) em cerca de 30% dos casos. DCI está associada com aumento da mortalidade, déficit neurológico persistente, bem como qualidade de vida prejudicada. Seria benéfico para os pacientes e para a sociedade diminuir essas lesões neurológicas. Um problema clínico é que o diagnóstico de isquemia cerebral em pacientes com HSA muitas vezes é retardado devido a limitações na capacidade de monitoramento. Quando detectado, o dano neurológico muitas vezes se torna irreversível.

Vários estudos usaram análise de regressão logística univariada e multivariada para identificar fatores de risco para o desenvolvimento de isquemia cerebral tardia (DCI) em pacientes com hemorragia subaracnóidea. No entanto, esses estudos são baseados em dados coletados sobre os pacientes (por exemplo, idade, sexo), e a precisão desses modelos estatísticos geralmente é baixa. Recentemente, algoritmos de aprendizado de máquina para a previsão de DCI usando uma combinação de dados clínicos e de imagem também foram avaliados.

No entanto, a previsão de DCI não previne DCI, para prevenir DCI é necessário desenvolver um sistema de monitoramento que possa alertar os médicos sobre o risco iminente de isquemia cerebral, possibilitando intervir e prevenir a isquemia cerebral.

Variações no sistema nervoso autônomo, como mudanças no equilíbrio entre os sistemas nervoso simpático e parassimpático, podem ser detectadas por meio do monitoramento da variabilidade da frequência cardíaca (VFC). A VFC foi relatada como um preditor de mau prognóstico após traumatismo cranioencefálico e acidente vascular cerebral, incluindo hemorragia subaracnóidea. No entanto, o monitoramento da VFC para detecção de isquemia cerebral incipiente não foi completamente avaliado. Em um estudo de pacientes com HASa, coletamos a VFC continuamente em até 10 dias após a admissão, mas apenas uma pequena parte dos dados da VFC foi analisada off-line. Quinze dos 55 pacientes desenvolveram DCI durante a fase aguda, e a análise off-line da VFC mostrou que a razão baixa/alta frequência aumentou mais nos pacientes que desenvolveram DCI (Ref). Isso nos levou a tentar analisar todo o HRV coletado com a ajuda de processos de aprendizado de máquina, e uma colaboração com cientistas de dados/computação foi iniciada.

O objetivo geral deste estudo é, com a ajuda de computador/cientista de dados e processos de aprendizado de máquina, analisar os dados coletados de VFC para avaliar se padrões específicos podem ser encontrados em pacientes que desenvolvem DCI durante a fase aguda após hemorragia subaracnóidea.