Imagine dois pacientes. Ambos chegam ao consultório com creatinina de 1,2 mg/dL.

O primeiro apresenta valores ao redor de 1,2 há mais de dez anos.

O segundo tinha 0,7. Depois 0,8. Depois 0,9. Depois 1,0. Agora 1,2.

O resultado de hoje é exatamente o mesmo. Mas nenhum nefrologista interpretaria os dois pacientes da mesma maneira.

Porque existe uma informação que não está naquele número: tempo. Ou, mais precisamente: trajetória.

Essa ideia simples ajuda a imaginar uma maneira completamente diferente de utilizar inteligência artificial na medicina.

Na edição anterior desta série, imaginamos a possibilidade de reunir diferentes informações de um paciente, como história clínica, exames, imagens, genética e medicamentos, em uma representação computacional integrada.

Usamos uma analogia: cada representação seria como uma fotografia do estado clínico daquele paciente.

Mas existe um problema evidente. Nós mudamos.

Uma pessoa aos 20 anos não é biologicamente igual àquela mesma pessoa aos 50. Peso muda. Pressão muda. Metabolismo muda. Função renal muda. Medicamentos aparecem. Doenças aparecem. Envelhecemos.

Se conseguíssemos produzir essas representações repetidamente ao longo da vida, teríamos uma sequência de retratos espaçados por alguns anos. (20 anos → 25 → 30 → 35 → 40 → 45.)

Cada ponto seria uma fotografia. Quando colocamos as fotografias em sequência, surge algo parecido com um filme.

E o filme possui uma informação que nenhuma fotografia isolada consegue mostrar: a direção da mudança.

Na verdade, isso não tem nada de futurista. Médicos fazem isso todos os dias.

Uma troponina isolada tem determinado significado. Uma troponina que está subindo rapidamente conta outra história.

Uma hemoglobina de 11 g/dL pode significar pouco isoladamente. Uma hemoglobina que passou de 15 para 11 em poucas semanas significa outra coisa.

Uma creatinina de 1,4 mg/dL pode ser o basal de determinado transplantado renal. Mas a mesma creatinina alcançada depois de uma subida lenta e contínua faz o nefrologista prestar atenção. (A sequência: 1,0 → 1,1 → 1,2 → 1,4.)

Não estamos interpretando apenas o valor. Estamos interpretando valor, contexto, direção e velocidade da mudança.

A medicina já é longitudinal. O que a inteligência artificial pode fazer é levar esse raciocínio para uma escala que nosso cérebro simplesmente não consegue acompanhar.

Conseguimos acompanhar relativamente bem algumas variáveis: creatinina, peso, pressão arterial, HbA1c, LDL.

Mas imagine acompanhar simultaneamente centenas de exames laboratoriais, medicamentos, diagnósticos, imagens, sinais fisiológicos, sono, atividade física, genômica, proteômica e metabolômica.

Agora imagine que nenhuma dessas variáveis, isoladamente, esteja anormal. Mas dezenas delas começam a se modificar lentamente na mesma direção.

Para um médico olhando exames individualmente, pode ser que nada chame atenção. Para um sistema acompanhando a configuração inteira do paciente, alguma coisa mudou.

Uma analogia é o eletrocardiograma. Nenhum ponto isolado do traçado representa o diagnóstico. É a forma produzida pela relação entre vários pontos ao longo do tempo que contém a informação.

Algo semelhante pode acontecer com nossa saúde.

Grande parte da medicina compara indivíduos com populações. Quando recebemos um exame, perguntamos: está dentro do valor de referência?

Esses intervalos são fundamentais. Mas existe outra pergunta possível: esse valor continua normal para esta pessoa?

Imagine alguém que permaneceu durante vinte anos com creatinina entre 0,65 e 0,75 mg/dL e agora apresenta 1,05 mg/dL.

O laboratório pode ainda não colocar nenhuma seta vermelha ao lado do resultado. Mas aquele número representa uma mudança importante em relação ao histórico daquela pessoa.

Agora imagine fazer essa comparação com milhares de variáveis simultaneamente. Teríamos dois referenciais:

O segundo pode se tornar extraordinariamente importante.

Pense em um atleta. Sua frequência cardíaca de repouso pode ser 45 bpm. Em outra pessoa, o mesmo valor levantaria uma série de perguntas.

O valor é o mesmo. O significado depende do indivíduo.

Sistemas longitudinais poderiam aprender algo parecido com uma assinatura basal de saúde. Não seria um número, e sim uma representação do padrão habitual daquele indivíduo: sono, frequência cardíaca, laboratório, atividade física, pressão, peso, medicamentos e outras informações disponíveis.

O sistema poderia perguntar continuamente: quanto o paciente de hoje se afastou do paciente que normalmente conhecemos?

Isso é conceitualmente diferente de perguntar apenas se algum exame ultrapassou um limite populacional.