AAN 2025: Terapias e estratificação de risco em doenças cerebrovasculares

O Annual Meeting da American Academy of Neurology de 2025, que está acontecendo em San Diego, reserva mesa para apresentação de trabalhos orais recentes realizados sobre estratificação e risco em doenças cerebrovasculares. 

Risco de doenças cerebrovasculares em pacientes que apresentam espasmo hemifacial clônico: amostra nacional ampla

Esse trabalho foi apresentado pelo Dr Ram Saha, que conduziu uma pesquisa para investigar a prevalência e os fatores de risco para doenças cerebrovasculares (DCVs) em pacientes com espasmo hemifacial (EHF) e explorar o impacto da triagem precoce e prevenção de DCVs na progressão da EHF. 

O espasmo hemifacial (EHF) é um distúrbio neuromuscular caracterizado por contrações musculares faciais involuntárias, geralmente começando ao redor do olho e progredindo para outros músculos faciais. A EHF é classificada como idiopática (devido à compressão vascular) ou secundária (devido a condições subjacentes, como tumores ou AVC). Estudos recentes sugerem uma ligação potencial entre EHF e doenças cerebrovasculares, especialmente hipertensão, levantando preocupações sobre a saúde vascular nesses pacientes. 

O estudo foi realizado a partir de uma análise retrospectiva foi conduzida usando a Amostra Nacional de Pacientes Internados de 2017-2018, incluindo pacientes (com idades entre 18 e 80 anos) com espasmo hemifacial clônico e categorizados de acordo com o sintoma apresentado na admissão como primário ou secundário. Dados demográficos, de comorbidade e cerebrovasculares foram coletados. Modelos de regressão logística univariada e multivariada no software R avaliaram a prevalência e os fatores de risco para doenças cerebrovasculares (DCV) nesses pacientes, com foco em associações entre idade, sexo, raça, fatores hospitalares e resultados cerebrovasculares, para entender melhor os riscos de DCV nessa população. 

Em uma coorte de 774 pacientes com espasmo hemifacial clônico (idade média: 62 anos), a doença cerebrovascular estava presente em 14,9%. A DCV foi significativamente mais prevalente em pacientes com espasmo hemifacial secundário (21,5%) em comparação com o primário (3,8%) (p<0.001). O infarto cerebral ocorreu com mais frequência no grupo secundário (10,6% vs. 0,7%, p<0.001). A análise multivariada mostrou que o espasmo hemifacial secundário (OR=5,15, p<0.001), a idade (OR=1,03, p=0.0004) e as admissões não eletivas (OR=2,35, p=0.003) foram independentemente associados ao aumento do risco de DCV. 

Distinguindo AVC e neurite vestibular através de machine learning 

Esse trabalho foi apresentado pelo Prof. Dr. Chao Wang, da University of Sydney Business School. 

A Neurite Vestibular (VN) e o Acidente Vascular Cerebral de Circulação Posterior (PCS) são as duas causas comuns da síndrome vestibular aguda, caracterizada por vertigem de duração mais persistente podendo ser acompanhado por desequilíbrio. Geralmente, essas hipóteses diagnósticas são separadas a partir da análise clínica e de exames complementares quando necessário. Nesse contexto, a premissa da pesquisa foi desenvolver modelos de machine learning para diferenciação de neurite vestibular e acidente vascular cerebral de circulação posterior usando dados de história clínica, exame físico e testes de função vestibular. 

Para tal, foram recrutados pacientes provenientes de pronto-Socorro (PS) com síndrome vestibular aguda que receberam um diagnóstico final de VN ou PCS. Dados do histórico clínico, exame de cabeceira e quatro testes laboratoriais (videonistagmografia, teste de impulso cefálico por vídeo (VHIT), potenciais miogênicos evocados vestibulares (VEMP) e horizontal visual subjetiva) foram usados para o desenvolvimento do modelo. Diferentes subconjuntos de dados simularam três cenários: o Nível 1 representou um ER com acesso a experiência em neuro-otologia (histórico, exame neuro-otológico, videonistagmografia, VHIT, VEMP ocular), o Nível 2 um ER com VHIT (histórico, exame de cabeceira, VHIT) e o Nível 3 um ER dependente apenas de histórico e exame de cabeceira. O desempenho do modelo também foi comparado ao teste HINTS (impulso cefálico, nistagmo, teste de inclinação). 

Os resultados demonstraram uma participação de 163 pacientes com VN e 131 PCS. Nossos modelos de melhor desempenho usaram os algoritmos CatBoost ou XGBoost e identificaram PCS com precisões de 96,6% (IC de 95%: 93,3-99,9%), 94,6% (IC de 95%: 90,5-98,6%) e 88,8% (IC de 95%: 86,0-91,6%) para os Níveis 1, 2 e 3. HINTS por especialistas alcançaram 94,6% de precisão. 

Portanto, o desenvolvimento de machine learning pode auxiliar no diagnóstico diferencial de síndrome vestibular aguda com uma ótima precisão, sendo ferramenta com um potencial importante principalmente em salas de emergência por médicos não especialistas. 

Mais do AAN 2025: Plenária Hot Topics em Neurologia

Comentários finais 

O AVC é um dos grandes desafios em saúde pública global diante de sua morbimortalidade. Pesquisas que aprimorem a estratificação de risco, permitem identificar precocemente os indivíduos mais vulneráveis e direcionar intervenções de forma eficaz. Essa abordagem é essencial na melhora de desfechos clínicos para essa população.