Protocol for a prospective accuracy study on an artificial intelligence-based ultrasound system for gestational age estimation among pregnant women in Ghana, Kenya and South Africa

Este protocolo descreve um estudo de coorte prospectivo multicêntrico no Gana, Quênia e África do Sul que visa validar a precisão de um sistema de ultrassom portátil baseado em inteligência artificial para estimar a idade gestacional em mulheres grávidas, comparando-o ao padrão-ouro de biometria fetal tradicional para fundamentar o futuro ensaio clínico PEARLS sobre a prevenção da pré-eclâmpsia.

O essencial

Imagine que a gravidez é como uma viagem de avião. Para que a viagem seja segura e o piloto (o médico) saiba exatamente quando o avião vai pousar (o parto), é crucial saber a hora exata da decolagem. Na medicina, essa "hora da decolagem" é a idade gestacional (quanto tempo o bebê já está no útero).

Se o médico errar essa conta, ele pode dar remédios no momento errado ou não detectar problemas a tempo. O problema é que, em muitos países africanos (como Gana, Quênia e África do Sul), os "relógios de precisão" (os ultrassons tradicionais feitos por especialistas) são raros e caros.

Aqui está a história desse estudo, explicada de forma simples:

🌍 O Problema: O Relógio Quebrado

Muitas mães correm risco de ter uma complicação grave chamada pré-eclâmpsia (uma pressão alta perigosa na gravidez). Para evitar isso, existe um remédio simples e barato: a aspirina. Mas, para a aspirina funcionar, ela precisa ser dada antes de um certo ponto da viagem (antes de 20 semanas).

O problema? Sem saber a idade exata do bebê, os médicos não sabem se é seguro dar a aspirina ou não. Em muitos lugares, não há ultrassom disponível para contar os dias corretamente.

🤖 A Solução Proposta: O "GPS" Inteligente

Os pesquisadores estão testando uma nova tecnologia que funciona como um GPS automático para a barriga da gestante.

1. O Dispositivo: É um ultrassom de mão, pequeno como um controle remoto, que qualquer pessoa treinada pode usar (não precisa ser um especialista).
2. A Inteligência Artificial (IA): É o "cérebro" do aparelho. Em vez de um médico medir cada osso do bebê no computador, a IA olha para a imagem e diz: "O bebê tem exatamente 12 semanas e 3 dias".
3. O Teste: Eles querem ver se esse "GPS automático" é tão preciso quanto o "mapa de papel" tradicional (feito por um médico especialista).

🧪 Como o Estudo Funciona (A Analogia da Corrida)

Imagine uma corrida onde dois corredores tentam medir a distância de uma pista:

• Corredor A (O Especialista): Usa uma régua de ouro e mede com muito cuidado. É o padrão que usamos hoje.
• Corredor B (A IA): Usa um sensor mágico que diz a distância em segundos.

O que eles vão fazer:

1. Eles vão pegar cerca de 1.000 mulheres grávidas na Gana, no Quênia e na África do Sul.
2. Primeira Parada (11 a 13 semanas): O especialista mede o bebê com o ultrassom tradicional. Imediatamente depois, uma enfermeira usa o aparelho de mão com a IA para medir o mesmo bebê.
3. Segunda Parada (entre 14 e 27 semanas): Elas voltam para medir de novo. O especialista mede de um jeito, a IA mede de outro.
4. O Objetivo: Ver se o "GPS da IA" (Corredor B) dá o mesmo resultado que a "régua de ouro" (Corredor A).

🏆 Por que isso é importante?

Se a IA funcionar tão bem quanto o especialista:

• Democratização: Qualquer posto de saúde, mesmo em vilas remotas, poderá ter um "ultrassom de precisão" sem precisar contratar um médico especialista.
• Salvando Vidas: Mais mulheres receberão a aspirina preventiva no momento certo, evitando mortes e doenças graves.
• Futuro: Isso abre a porta para que a IA ajude a detectar outros problemas, como o crescimento do bebê, de forma automática.

📝 Resumo em uma frase

Este estudo é como um teste de "bateria" para um novo aparelho de ultrassom inteligente: eles querem provar que ele é tão preciso quanto os equipamentos caros e complexos, para que todas as mães, onde quer que estejam, possam ter uma gravidez mais segura e monitorada.

Resumo técnico

Título do Estudo

Protocolo de um estudo de precisão prospetivo sobre um sistema de ultrassom baseado em inteligência artificial para estimativa da idade gestacional entre mulheres grávidas em Gana, Quénia e África do Sul.

---

1. O Problema

• Contexto Clínico: A pré-eclâmpsia é uma causa líder de morbimortalidade materna globalmente, com mais de 90% das mortes ocorrendo em Países de Baixa e Média Renda (PBMR). A prevenção eficaz envolve a identificação de mulheres de alto risco e a administração de aspirina em baixa dose antes de 20 semanas de gestação.
• Barreira Principal: A triagem de risco baseada no modelo da Fetal Medicine Foundation (FMF) e a administração oportuna de aspirina dependem criticamente de uma estimativa precisa da idade gestacional.
• Limitação Atual: Em muitos PBMR, o acesso a ultrassons de rotina para datação gestacional é limitado devido à falta de equipamentos, espaços adequados e, principalmente, de profissionais especializados (sonografistas) para realizar e interpretar as imagens.
• Necessidade: Há uma lacuna na validação de tecnologias que permitam a estimativa de idade gestacional por pessoal com formação mínima, utilizando dispositivos portáteis, especificamente em populações africanas, onde os algoritmos existentes foram treinados principalmente em dados de Europa, Austrália e Índia.

2. Metodologia

O estudo é um coorte prospetivo multicêntrico de precisão, conduzido em 13 instalações de saúde em Gana, Quénia e África do Sul.

• População: 969 mulheres grávidas (323 por país) entre 11+0 e 13+6 semanas de gestação no momento do recrutamento.
• Desenho do Estudo:
  • Padrão-Ouro (Controle): Um sonografista treinado e acreditado realiza um ultrassom convencional medindo o comprimento céfalo-caudal (CRL) no primeiro trimestre e biometria fetal (BPD, HC, AC, FL) no segundo trimestre, seguindo os padrões da ISUOG e curvas INTERGROWTH-21st.
  • Intervenção Experimental: Uma parteira treinada realiza "varreduras cegas" (blind sweeps) abdominais utilizando o sistema de ultrassom portátil GE VScan Air com o algoritmo de IA Intelligent Ultrasound ScanNav FetalCheck. O sistema gera uma estimativa de idade gestacional automaticamente sem intervenção humana na medição.
• Visitas:
  • Visita 1 (11+0 a 13+6 semanas): Ambos os métodos (convencional e IA) são aplicados.
  • Visita 2 (14+0 a 27+6 semanas): As participantes retornam para uma segunda avaliação com ambos os métodos. O momento exato da visita é selecionado aleatoriamente.
• Acreditação e Controle de Qualidade:
  • Sonografistas devem ser acreditados submetendo imagens que atendam a critérios rigorosos de qualidade (baseados no INTERGROWTH-21st).
  • Monitoramento contínuo da qualidade das imagens (100% das primeiras 25 imagens de cada sonografista, depois 20% aleatoriamente).
• Análise Estatística:
  • Comparação da precisão e acurácia entre a IA e o padrão-ouro.
  • Uso de gráficos de Bland-Altman para avaliar limites de concordância.
  • Regressão do eixo menor reduzido (RMAR) para detectar viés fixo e proporcional.
  • Cálculo de taxas de detecção e falsos positivos para a classificação de gestantes com <20 semanas.

3. Contribuições Chave (Objetivos)

• Validação em Contexto Real: É o primeiro estudo prospetivo a validar o sistema ScanNav FetalCheck em cenários clínicos reais na África Subsaariana, testando sua generalização para populações que não foram usadas no treinamento original do algoritmo (que foi treinado com dados da Austrália, Reino Unido e Índia).
• Desempenho por Trimestre: Avaliará a precisão da IA tanto no primeiro trimestre (comparado ao CRL) quanto no segundo trimestre (comparado ao CRL extrapolado e à biometria fetal convencional).
• Viabilidade Operacional: Demonstrará se a estimativa de idade gestacional pode ser realizada com sucesso por profissionais de saúde não especialistas (parteiras), escalando o acesso a dados críticos de datação.
• Suporte ao Ensaio PEARLS: Os dados deste estudo são fundamentais para o desenho e implementação do ensaio clínico PEARLS (Prevenção de pré-eclâmpsia), que comparará doses de aspirina (75mg vs 150mg).

4. Resultados Esperados e Métricas

Nota: Como este documento é um protocolo (planejamento de estudo) e não o relatório de resultados finais, os resultados quantitativos (ex: "a IA teve um erro médio de X dias") ainda não foram gerados. O documento define como esses resultados serão medidos:

• Métrica Primária: Diferença média e limites de concordância de 95% entre a idade gestacional estimada pela IA e a estimada pelo ultrassom convencional.
• Critério de Sucesso: O sistema de IA deve demonstrar precisão equivalente ao padrão-ouro (diferença dentro de limites aceitáveis) para ser considerado confiável para uso na triagem de risco e administração de aspirina.
• Análise de Viés: Avaliação de se o erro da IA varia sistematicamente com a idade gestacional (viés proporcional) ou se é constante (viés fixo).

5. Significado e Impacto

• Equidade em Saúde: Se validado, este sistema permitiria que milhares de mulheres em áreas remotas e com recursos limitados recebessem uma datação gestacional precisa, um pré-requisito para intervenções de saúde materno-infantil baseadas em evidências.
• Prevenção de Pré-eclâmpsia: Ao garantir que a idade gestacional seja precisa, permite-se a identificação correta de mulheres elegíveis para profilaxia com aspirina antes de 20 semanas, potencialmente reduzindo a incidência de pré-eclâmpsia prematura e mortes maternas.
• Paradigma de IA na Saúde: O estudo reforça o potencial da Inteligência Artificial para democratizar o acesso a diagnósticos médicos complexos, permitindo que dispositivos portáteis operados por pessoal não especializado forneçam dados de alta qualidade, superando a escassez de especialistas em ultrassom.
• Política Global: Os resultados fornecerão evidências cruciais para apoiar a recomendação da OMS de que todas as mulheres devem ter acesso a um ultrassom antes de 24 semanas de gestação, mesmo em ambientes de baixa renda.

Em resumo, este protocolo descreve um estudo rigoroso destinado a validar uma tecnologia disruptiva (IA + ultrassom portátil) que pode transformar o cuidado pré-natal na África, tornando a prevenção de complicações graves da gravidez mais acessível e equitativa.