Por que prever a hemoglobina pós-parto?
A hemorragia pós-parto permanece como a principal causa de morbimortalidade materna no mundo. O grande desafio clínico não é apenas reconhecer o sangramento quando ele ocorre, mas identificar precocemente quais pacientes têm maior probabilidade de apresentar queda significativa da hemoglobina após o parto.
Essa antecipação permite:
- Monitorização mais intensiva das pacientes de maior risco
- Preparo antecipado de hemocomponentes
- Implementação de intervenções preventivas
- Melhor alocação dos recursos da equipe obstétrica
É nesse contexto que modelos preditivos baseados em inteligência artificial passam a despertar interesse crescente na obstetrícia.
Como o estudo foi realizado?
Trata-se de uma coorte retrospectiva conduzida em dois centros, com 1.974 gestantes. Os critérios de inclusão foram:
- Gestação única
- Idade gestacional igual ou superior a 36 semanas
- Parto ocorrido em até 24 horas após a admissão
O desfecho principal analisado foi a hemoglobina aferida 24 horas após o parto. Casos obstétricos complexos foram excluídos, o que deve ser considerado ao interpretar os resultados.
Quais variáveis foram mais importantes?
Os algoritmos de Machine Learning identificaram cinco variáveis como os principais preditores da hemoglobina pós-parto:
- Hemoglobina pré-parto — de longe, a variável de maior relevância no modelo
- Fibrinogênio sérico
- Idade gestacional
- Contagem de plaquetas
- Paridade
Qual algoritmo teve melhor desempenho?
Cinco algoritmos foram comparados quanto à capacidade de prever a hemoglobina pós-parto:
| Algoritmo | RMSE | R² |
|---|---|---|
| Rede Neural Artificial (ANN) | 0,62 | 0,76 |
| XGBoost | 0,67 | 0,71 |
| SVM (Support Vector Machine) | 0,70 | 0,68 |
| Árvore de Regressão | 0,74 | 0,64 |
| Regressão Linear | 0,79 | 0,59 |
A Rede Neural Artificial apresentou RMSE de 0,62 e R² de 0,76, sendo o modelo com maior precisão preditiva entre os algoritmos avaliados.
O papel do fibrinogênio
O fibrinogênio chamou atenção por figurar entre os cinco principais preditores do modelo. Do ponto de vista prático, trata-se de um exame:
- De rápida execução
- Amplamente disponível em centros obstétricos
- Com custo relativamente acessível
Sua inclusão no modelo reforça que parâmetros da coagulação têm papel relevante na estimativa da perda sanguínea pós-parto, o que já era sugerido por estudos anteriores sobre coagulopatia associada à hemorragia obstétrica.
Aplicação prática: a calculadora online
Com base na Rede Neural Artificial, os pesquisadores desenvolveram uma calculadora online acessível publicamente. A ferramenta estima a hemoglobina esperada 24 horas após o parto e emite alerta quando a hemoglobina prevista for inferior a 8 g/dL, sinalizando elevada probabilidade de necessidade de transfusão.
A calculadora está disponível em: predictivecalculators.shinyapps.io/ANN-HB
Limitações que precisam ser consideradas
Os próprios autores destacam pontos importantes antes de qualquer incorporação à prática clínica:
- Delineamento retrospectivo, com limitações inerentes a esse tipo de estudo
- Conduzido em apenas dois centros, o que restringe a generalização
- Exclusão de casos obstétricos complexos, que são justamente os de maior risco
- Ausência de validação prospectiva
- Desempenho ainda não confirmado em outras populações e contextos assistenciais
O modelo deve ser compreendido, neste momento, como uma prova de conceito. Ele não substitui o julgamento clínico nem a avaliação individualizada da paciente.
Conclusão
Referência: Mansourian M, et al. Prediction of postpartum hemoglobin using machine learning algorithms: a retrospective cohort study.