Comparação de Pontuações de Risco Tradicionais e um Modelo Multimodal Baseado em IA para Prever Eventos Cardiovasculares Após Cirurgia Gastrointestinal (GI-MACE-AI)

Os eventos cardiovasculares maiores após cirurgia gastrointestinal continuam a ser uma causa importante de complicações pós-operatórias precoces e maus resultados. As pontuações tradicionais de risco cardíaco perioperatório, incluindo o Índice de Risco Cardíaco Revisado (RCRI), a calculadora de Enfarte do Miocárdio ou Paragem Cardíaca do Programa Nacional de Melhoria da Qualidade Cirúrgica do Colégio Americano de Cirurgiões (ACS NSQIP MICA) e a Calculadora de Risco Cirúrgico ACS NSQIP (ACS NSQIP SRC), são amplamente utilizadas na prática clínica. No entanto, o seu desempenho pode ser limitado em populações cirúrgicas específicas e pode não captar totalmente as interações complexas entre variáveis clínicas, laboratoriais, fisiológicas e procedimentais.

Este estudo observacional visa desenvolver e avaliar um modelo multimodal baseado em inteligência artificial (IA) para prever eventos cardiovasculares maiores no prazo de 30 dias após cirurgia gastrointestinal e comparar o seu desempenho preditivo com as pontuações de risco tradicionais. O estudo será realizado no Hospital Bach Mai e incluirá pacientes adultos submetidos a cirurgia gastrointestinal. O estudo utiliza um desenho misto retrospetivo-prospetivo, com recolha de dados retrospetivos de pacientes tratados em 2025 e recolha de dados prospetivos em 2026.

O resultado clínico alvo para previsão é a ocorrência de eventos cardiovasculares maiores no prazo de 30 dias após a cirurgia. Estes eventos incluem morte cardiovascular, enfarte do miocárdio não fatal, paragem cardíaca com retorno da circulação espontânea, novo acidente vascular cerebral e arritmias clinicamente significativas que necessitem de tratamento. Os dados utilizados para o desenvolvimento e comparação do modelo podem incluir características demográficas, história médica, comorbilidades cardiovasculares, características cirúrgicas, informações anestésicas, resultados laboratoriais pré-operatórios, achados eletrocardiográficos, biomarcadores quando disponíveis, e variáveis de avaliação funcional ou de risco.

O resultado primário do estudo é o desempenho de discriminação do modelo multimodal baseado em IA em comparação com as pontuações de risco tradicionais, medido pela área sob a curva característica de operação do recetor para prever eventos cardiovasculares maiores aos 30 dias após cirurgia gastrointestinal. Os resultados secundários incluem o desempenho de calibração, a melhoria da reclassificação líquida e a melhoria da discriminação integrada do modelo multimodal baseado em IA em comparação com as pontuações de risco tradicionais, incluindo RCRI, ACS NSQIP MICA e ACS NSQIP SRC.

O estudo é observacional e não alterará a gestão perioperatória de rotina. Os dados serão obtidos a partir de registos médicos existentes e de recolha clínica prospetiva, codificados para confidencialidade, e analisados para apoiar a estratificação de risco e a comparação de modelos em pacientes submetidos a cirurgia gastrointestinal.