|
A cirurgia é a melhor escolha para todas
as mulheres com endometriose?
Maria Eduarda Gonçalves Dos Santos
Pesquisadores desenvolveram o Índice de Dor da Endometriose (EPI), um modelo de inteligência artificial que antecipa a persistência de baixa qualidade de vida após a cirurgia. O estudo acompanhou 650 pacientes em um centro especializado no Canadá entre 2013 e 2020. A equipe coordenada por Dwayne R. Tucker utilizou dados de um registro prospectivo para responder a uma barreira crítica: por que 20% a 38% das pacientes mantêm dores crônicas mesmo após a operação? Ao investigar 32 fatores pré-operatórios, a ferramenta busca individualizar o aconselhamento médico e diminuir cirurgias com baixo potencial de sucesso.
A metodologia utilizada foi o algoritmo de aprendizado de máquina Random Forest, que apresentou 76,6% de exatidão na validação do modelo. Entre os dez principais preditores de um resultado inferior, destacam-se fatores psicológicos, como ansiedade, depressão e catastrofização da dor, além de condições físicas não ginecológicas, como dores na parede abdominal e no assoalho pélvico. O estudo aplicou a subescala de dor do EHP-30 para medir como a doença afeta funções básicas. Esses achados sugerem que o sucesso do tratamento depende de uma abordagem multidisciplinar, e não apenas das lesões evidentes da endometriose. A principal conclusão do estudo confirma que fatores psicossociais e comorbidades dolorosas são preditores essenciais para o êxito das cirurgias de endometriose.
A principal implicação deste artigo é a criação de uma calculadora online que auxilia na tomada de decisão clínica, permitindo que tratamentos como fisioterapia e apoio psicológico sejam priorizados antes da cirurgia. Apesar de necessitar de validação em outras populações, o EPI representa um avanço na medicina de precisão direcionada à saúde da mulher.
Referência: Tucker DR, Dungate B, Chiu DS, et al. Endometriosis Pain Index: development of a model to predict poor pain-related quality of life after endometriosis surgery through machine learning analysis of registry data. Pain. 2026;167(5):1026-1039. doi:10.1097/j.pain.0000000000003915. |
