Dados do Trabalho

Título

DOENÇA DE CHAGAS: DO RASTREIO AO TRATAMENTO UTILIZANDO FERRAMENTAS DE SAÚDE DIGITAL

Resumo

INTRODUÇÃO: Existem barreiras que pacientes com Doença de Chagas (DCh) devem superar para receber diagnóstico, tratamento e acompanhamento adequado. Estima-se que menos de 10% deles são diagnosticados e menos de 1% são tratados. Acredita-se que o uso de ferramentas de saúde digital e inteligência artificial em grande escala pode auxiliar a superar essas barreiras. OBJETIVO: Melhorar o diagnóstico, acesso aos cuidados de saúde e tratamento da DCh utilizando ferramentas de inteligência artificial (IA). MÉTODO: Esse estudo é parte de um grande projeto denominado SaMi-Trop desenvolvido utilizando a estrutura da Rede de Telessaúde de Minas Gerais (RTMG) por meio do serviço de Tele-eletrocardiograma (ECG). Um algoritmo de IA foi implantado nos registros dos ECG, de forma piloto, em duas regiões de Saúde de MG, Montes Claros (54 Municípios), região hiper endêmica para Dch, e Divinópolis (53 municípios), área endêmica. Após a realização do ECG e o sistema indicar possível caso de DC, um alerta é enviado a equipe da Atenção Primária em Saúde (APS) para testagem sorológica do paciente. O algoritmo de IA fornecerá a probabilidade da DC para cada pessoa após a análise do ECG + fatores de risco para DCh. Para validação do algoritmo serão utilizados 2500 pacientes indicados pela IA como possível caso de DC e 1000 controles (1000). Será avaliada suas propriedades diagnósticas quando comparado ao resultado sorológico. Os médicos da APS envolvidos com o cuidado do paciente com DCh receberão suporte da RTMG por meio de Sistema de Suporte à Decisão (SSD), teleconsultorias e discussão clínica com cardiologistas. RESULTADOS. Estudo piloto (n=500) mostrou que o algoritmo de IA possui Sensibilidade de 85%, Especificidade 78% e Acurácia de 79% em prevalência de 11%. O sistema de IA no ECG já foi implementado em ˜40 municípios. Em quatro meses realizou-se 3.458 ECGs com 822 (24%) alertas para testagem. Dados preliminares mostram uma prevalência de 17,4% de positividade para DCh; sendo 23,4% para região hiper endêmica e 4,4% para endêmica. O SSD já está processo de finalização e em breve entrará em teste de campo. CONCLUSÃO. O algoritmo de IA tem se mostrado com boas características para rastreio de pacientes com DCh. Sistemas de IA e ferramentas de Telessaúde podem ser combinadas para suporte a APS proporcionando um melhor cuidado aos pacientes com DCh, porém, a implementação dessas ferramentas é desafiadora e merece ser testada em estudos específicos.