Análise de Eletrocardiografia Aprimorada por Inteligência Artificial para o Diagnóstico da Doença de Chagas

Fundamento:  A doença de Chagas afeta milhões de pessoas em todo o mundo e permanece como uma das principais causas de cardiomiopatia na América Latina. O diagnóstico precoce ainda representa um desafio em regiões endêmicas. A análise de eletrocardiografia (ECG) aprimorada por inteligência artificial (IA) pode oferecer uma estratégia de baixo custo para rastreamento em larga escala em contextos com recursos limitados.

Objetivos:  Avaliar o desempenho de um algoritmo de ECG aprimorada por IA combinado com dados clínicos para a detecção da doença de Chagas em um programa de rastreamento comunitário realizado em uma região altamente endêmica do Nordeste do Brasil.

Métodos:  Em agosto de 2024, 1.115 adultos foram submetidos à aquisição padronizada de ECG de 12 derivações durante uma campanha de campo em Feira de Santana, Bahia, nordeste do Brasil. Um modelo de IA previamente treinado analisou os traçados de ECG e incorporou três variáveis clínicas: i) residência prévia em áreas infestadas por triatomíneos, ii) condições habitacionais precárias e iii) histórico familiar de doença de Chagas. Indivíduos identificados como positivos pela IA foram classificados como casos suspeitos. Casos suspeitos e controles pareados (2:1) foram submetidos a testes sorológicos no ponto de cuidado.

Resultados:  O algoritmo identificou 121 indivíduos (10,9%), correspondendo a uma prevalência estimada de doença de Chagas baseada em IA de 7,8% (intervalo de confiança de 95% [IC95%]: 6,2-9,6). Entre os 112 indivíduos que completaram o teste sorológico, 13 apresentaram resultado positivo, todos pertencentes ao grupo suspeito positivo pela IA; nenhum caso soropositivo foi identificado entre os controles. A sensibilidade foi de 100% (IC95%: 69-100), a especificidade de 40% (IC95%: 30-50), o valor preditivo negativo de 100% (IC95%: 91-100) e o valor preditivo positivo de 12% (IC95%: 11-14), com uma razão de chances diagnóstica de 6,6.

Conclusões:  Um algoritmo de ECG aprimorada por IA combinado com variáveis clínicas simples demonstrou excelente sensibilidade para a detecção da doença de Chagas e pode representar uma ferramenta valiosa de triagem em contextos endêmicos com recursos limitados.

Palavras-chave:
Doença de Chagas; Inteligência Artificial; Eletrocardiografia; Programas de Rastreamento