Testes dedicados para CAC continuam sendo um método subutilizado para prever o risco de ataque cardíaco. Ao longo de décadas, as placas nas artérias do coração percorrem o seu próprio ciclo de vida, endurecendo de resíduos ricos em lípidos para cálcio. Os próprios ataques cardíacos geralmente ocorrem quando uma placa mais jovem e rica em lipídios se rompe de forma imprevisível, iniciando uma cascata de inflamação e coagulação que, em última análise, bloqueia o suprimento de sangue ao coração. A placa calcificada é geralmente estável, mas o achado de CAC sugere que provavelmente também está presente uma placa mais jovem e mais propensa à ruptura.
O cálcio da artéria coronária pode frequentemente ser detectado em tomografias computadorizadas de tórax e sua concentração pode ser descrita subjetivamente. Normalmente, quantificar a pontuação CAC de uma pessoa envolve a obtenção de uma tomografia computadorizada específica do coração. Algoritmos que calculam pontuações CAC a partir de TCs de tórax de rotina, entretanto, poderiam expandir enormemente o acesso a essa métrica. Na prática, estes algoritmos poderiam então ser implementados para alertar os pacientes e os seus médicos sobre pontuações anormalmente elevadas, encorajando-os a procurar mais cuidados. Hoje, a presença de startups que oferecem pontuações CAC derivadas de IA não é grande, mas está crescendo rapidamente. À medida que a sua utilização aumenta, estes algoritmos podem identificar pacientes de alto risco que são tradicionalmente ignorados ou que estão à margem dos cuidados.
Historicamente, acreditava-se que as varreduras CAC traziam benefícios marginais e eram comercializadas para pessoas preocupadas. Ainda hoje, a maioria das seguradoras não os cobre. As atitudes, porém, podem estar mudando. Mais grupos de especialistas estão endossando as pontuações CAC como forma de refinar as estimativas de risco cardiovascular e persuadir os pacientes céticos a começarem a tomar estatinas.
A promessa de pontuações CAC derivadas de IA faz parte de uma tendência mais ampla de mineração de dados médicos para detectar doenças que de outra forma não seriam detectadas. Mas embora pareça promissora, a prática levanta muitas questões. Por exemplo, as pontuações CAC não se revelaram úteis como instrumento contundente para o rastreio universal. Um estudo dinamarquês de 2022 que avaliou um programa de base populacional, por exemplo, não mostrou nenhum benefício nas taxas de mortalidade para pacientes que foram submetidos a testes de rastreio de CAC. Se a IA entregasse esta informação automaticamente, o cálculo realmente mudaria?
E com a adoção generalizada, pontuações anormais de CAC se tornarão comuns. Quem acompanha essas descobertas? “Muitos sistemas de saúde ainda não estão preparados para agir em grande escala com base em descobertas incidentais de cálcio”, diz Nishith Khandwala, cofundador da Bunkerhill Health. Sem um procedimento padrão para o fazer, diz ele, “corre-se o risco de criar mais trabalho do que valor”.
