Low-Cost Early Prediction of Retinopathy of Prematurity Using Arterial Blood Gas Analysis: A Retrospective Cohort Study

Para bebês nascidos prematuramente, o mundo chega cedo demais, e seus corpos ainda estão aprendendo a funcionar fora do útero. Entre os muitos desafios que esses bebês frágeis enfrentam, um dos mais ameaçadores é uma condição chamada retinopatia da prematuridade. Esta é uma doença na qual os vasos sanguíneos na parte posterior do olho, a retina, não crescem adequadamente. Em vez de formar uma rede saudável, eles podem parar de crescer ou crescer de uma forma caótica e desorganizada, o que pode eventualmente levar à cegueira. Como o olho ainda está em desenvolvimento, o tempo de tratamento é crítico; os médicos devem encontrar o problema cedo o suficiente para intervir antes que ocorram danos permanentes. Atualmente, a forma padrão de rastreamento para isso é usar uma câmera e olhar diretamente dentro do olho do bebê. Embora seja eficaz, esse processo exige equipamentos caros e especialistas altamente treinados, e muitas vezes significa examinar muitos bebês saudáveis apenas para encontrar os poucos que estão realmente em risco.

Pesquisadores sabem há muito tempo que os maiores riscos para esta doença ocular são nascer muito cedo e ter um peso ao nascer muito baixo. Eles também sabem que a quantidade de oxigênio que um bebê recebe desempenha um papel importante, pois o excesso ou a falta podem prejudicar os vasos em desenvolvimento. No entanto, um novo estudo sugere que os médicos podem ser capazes de prever quais bebês estão em perigo muito mais cedo e de forma mais simples, usando dados que já coletam todos os dias. Ao observar os resultados de exames de sangue de rotina que medem quão bem um bebê está respirando e como seu sangue está transportando oxigênio, uma equipe de cientistas construiu um modelo computacional que pode sinalizar recém-nascidos de alto risco sem a necessidade de olhar dentro de seus olhos primeiro. Essa abordagem pode ajudar hospitais, especialmente aqueles com menos recursos, a decidir quais bebês precisam de atenção mais urgente.

O estudo, conduzido por uma equipe de médicos e pesquisadores na China, concentrou-se em mais de 500 bebês prematuros nascidos entre 2022 e 2025. Esses bebês foram tratados em unidades de terapia intensiva neonatal em três hospitais diferentes. Nessas unidades, os médicos coletam rotineiramente pequenas quantidades de sangue dos bebês para verificar seus níveis de gases arteriais sanguíneos. Esse teste indica quanto oxigênio e dióxido de carbono há no sangue, o quão ácido ou básico é o sangue e quão bem o corpo está utilizando o oxigênio. Os pesquisadores reuniram todos esses dados, juntamente com o peso ao nascer dos bebês e quantas semanas eles passaram no útero antes de nascerem. Eles então utilizaram um tipo de aprendizado computacional, onde um programa estuda padrões nos dados para fazer previsões, para ver se esses resultados de exames de sangue poderiam indicar quais bebês desenvolveriam a doença ocular.

A equipe testou dez algoritmos de computador diferentes para ver qual funcionava melhor na identificação do risco. Eles descobriram que o modelo mais bem-sucedido dependia de uma lista específica e gerenciável de dez informações fundamentais. Estas incluíam a idade gestacional e o peso ao nascer do bebê, além de nove números específicos dos testes de gases sanguíneos realizados durante as primeiras seis semanas de vida. Esses números abrangiam coisas como a pressão de dióxido de carbono no sangue, os níveis de diferentes tipos de hemoglobina (a proteína do sangue que transporta oxigênio) e marcadores de como o corpo estava lidando com energia e estresse. Quando o computador foi treinado com esse conjunto específico de dez fatos, ele tornou-se extraordinariamente bom em prever o desfecho. No grupo inicial de bebês, o modelo alcançou uma AUC de 0,95. Também alcançou uma AUC de 0,91 para identificar bebês saudáveis como de baixo risco, o que significa que raramente deixou passar um caso que necessitava de atenção.

Para garantir que esse resultado não fosse apenas um golpe de sorte com um grupo de pacientes, os pesquisadores testaram seu modelo em outros dois grupos de bebês de hospitais diferentes. O modelo manteve-se bem nesses novos ambientes. Em um grupo, alcançou uma AUC de 0,83, e no outro, uma AUC de 0,91. O estudo mostrou que adicionar mais e mais variáveis ao modelo computacional não o tornava melhor; na verdade, o modelo mais simples, com apenas os dez fatos mais importantes, teve o melhor desempenho. Isso sugere que os exames de sangue de rotina já realizados nos hospitais contêm um sinal oculto sobre a saúde dos olhos do bebê que foi negligenciado. Os pesquisadores observaram que o modelo era particularmente bom em excluir bebios que estavam seguros, o que é uma característica crucial para uma ferramenta de triagem. Se um bebê for sinalizado como de baixo risco por este modelo, os médicos podem ter confiança de que o bebê dificilmente desenvolverá a forma grave da doença.

O estudo também esclareceu o que esta ferramenta é e o que não é. Os pesquisadores enfatizam que este é um sistema de previsão de risco, não um substituto para o exame ocular real. Um bebê sinalizado como de alto risco pelo modelo não receberia automaticamente tratamento; em vez disso, o resultado diria aos médicos para examinarem os olhos desse bebê mais cedo e com mais frequência. Esta poderia ser uma diferença vital para hospitais que não dispõem de um oftalmologista especialista disponível todos os dias. Ao utilizar os dados de gases sanguíneos que já existem, esses hospitais poderiam priorizar seus recursos limitados de triagem para os lactentes que mais precisam. O modelo também funcionou para bebês nascidos em um estágio ligeiramente mais avançado do que muitas outras ferramentas existentes, que frequentemente se aplicam apenas aos bebês minúsculos e mais prematuros. Isso significa que a abordagem poderia ajudar uma gama mais ampla de bebês, incluindo aqueles que nasceram um pouco mais maduros, mas que ainda correm risco.

As descobertas apontam para uma conexão profunda entre a forma como o corpo de um bebê lida com o oxigênio e o desenvolvimento de seus olhos. Os exames de sangue revelaram que os bebês que desenvolveram a doença ocular apresentavam diferenças sutis na forma como seu sangue transportava oxigênio e como seus corpos reagiam ao estresse. Por exemplo, os níveis de certos tipos de hemoglobina e o equilíbrio de ácidos no sangue eram diferentes no grupo de risco. Essas diferenças sugerem que a luta do corpo para gerenciar o oxigênio e a energia nas primeiras semanas de vida está ligada aos problemas que aparecem posteriormente na retina. Ao capturar esses padrões, o modelo computacional traduz sinais biológicos complexos em uma pontuação de risco simples.

Embora os resultados sejam promissores, os pesquisadores alertam cuidadosamente que este é um estudo retrospectivo, o que significa que analisaram dados que já haviam sido coletados. O próximo passo, que já estão planejando, é testar este modelo em tempo real, enquanto os bebês estão sendo tratados. Eles pretendem disponibilizar a ferramenta para outros médicos e pesquisadores para que possa ser validada em diferentes partes do mundo. Se testes futuros confirmarem esses resultados, este método de baixo custo poderá se tornar um padrão no cuidado aos bebês prematuros, ajudando a prevenir a cegueira ao garantir que os bebês certos recebam os exames oculares certos no momento certo. O trabalho demonstra que, às vezes, as ferramentas mais poderosas para salvar a visão não são novas máquinas, mas uma maneira mais inteligente de olhar para os dados que já possuímos.