Inteligência Artificial em Hematologia: Detecção e Diferenciação de Sepse: um estudo de caso

Introdução: O Desafio da Sepse

A sepse é uma condição potencialmente fatal que surge quando a resposta do organismo à infecção resulta em disfunção orgânica. Apesar dos avanços da medicina moderna, a sepse continua sendo um problema urgente de saúde pública, contribuindo para quase 20% de todas as mortes no mundo em 2017. Seu impacto é especialmente grave em crianças menores de cinco anos e em indivíduos que vivem em países de baixa e média renda. A detecção precoce e precisa permanece um grande desafio, em grande parte devido à ausência de biomarcadores confiáveis e aos sinais clínicos frequentemente complexos e inespecíficos associados à sepse.

Os métodos diagnósticos convencionais – que vão desde hemoculturas a marcadores bioquímicos como a proteína C-reativa (PCR) e a procalcitonina – são lentos demais ou insuficientemente específicos para uma intervenção oportuna. A importância da detecção precoce não pode ser subestimada, pois cada hora de atraso aumenta o risco de mortalidade.

Este estudo investiga como a Inteligência Artificial (IA) pode ser integrada aos fluxos de trabalho em hematologia para enfrentar esses desafios. Ao implementar os analisadores da série HORIBA Yumizen H em combinação com a estrutura de Aprendizado Generativo de Variedades (GML) desenvolvida pela GeodAIsics, pretendemos revolucionar a detecção de sepse, utilizando apenas dados de Hemograma Completo (HC).

 

Metodologia: Interface Homem-Máquina Orientada por IA

O modelo de IA foi treinado usando um conjunto de dados multicêntrico composto por 687 pacientes do Christian Medical College (Índia) e do Instituto Bergonie (França), abrangendo casos de sepse, SIRS, choque séptico e várias patologias hematológicas.

Componentes-chave da estrutura de IA:

  • Aprendizado Generativo de Variedades (GML): essa metodologia de IA não supervisionada cria gêmeos digitais que representam o estado fisiológico saudável de cada paciente. O modelo quantifica os desvios dessas linhas de base usando escores Z, que são então mapeados em um espaço latente condensado para estimar a probabilidade de sepse.
  • Pontuação de Probabilidade Baseada em Densidade: para cada amostra testada, o modelo atribui uma pontuação de gravidade. Pontuações acima de um limite definido pelo usuário são classificadas como sépticas. O uso de limites mais baixos aumentará a sensibilidade, mas reduzirá a especificidade.

  • Atlas de Tri-Classificação: o modelo diferencia entre Sepse, SIRS e Choque Séptico, oferecendo uma visão detalhada da progressão da doença.


Instrumentação:
Os analisadores HORIBA Yumizen H2500 e H1500 foram utilizados para coletar dados de hemograma completo. Esses dispositivos são projetados para atender tanto laboratórios hospitalares de alta tecnologia quanto locais de atendimento em regiões em desenvolvimento.

 

Resultados: Desempenho e Utilidade Clínica

O modelo de IA demonstrou alta precisão diagnóstica, superando até mesmo plataformas autorizadas pela FDA, como o Sepsis ImmunoScore.

Métricas de desempenho do modelo:

ComparaçãoSensibilidadeEspecificidadeAUC
Sepse versus não sepse91%86%0.89
SIRS versus não sepse84%90%0.87
Sepse/SIRS/Choque vs. Normal94%94%0.91
Sepse versus patologias92%89%0.88

Esses resultados foram validados em diversos instrumentos e grupos de pacientes, demonstrando uma generalização robusta.

Comparação com o ImmunoScore de Sepse:

O ImmunoScore, baseado em marcadores imunológicos e bioquímicos, alcançou uma AUC de 0,81 na validação externa. Embora eficaz, requer ensaios especializados e custos mais elevados, o que o torna menos acessível para uso generalizado.

Em contrapartida, o modelo de IA utiliza dados rotineiros de CBC (Canadian Broadcasting Corporation), permitindo uma implementação rápida, escalável e com boa relação custo-benefício, especialmente em locais com recursos limitados.

 

Implicações estratégicas e roteiro futuro

Aplicações clínicas:

  • Serviços de emergência: triagem rápida, possibilitando intervenção precoce.
  • Pediatria e Neonatologia: diagnóstico com intervalos de referência personalizados e perfis de células imaturas.
  • Obstetrícia: detecção precoce da sepse pós-parto.
  • Oncologia e pacientes imunocomprometidos: diferenciação apesar de contagens basais anormais


Estratégia de produto:

A abordagem de dois instrumentos da HORIBA —Yumizen H2500 para mercados maduros e Yumizen H1500 para regiões em desenvolvimento — garante ampla acessibilidade. A integração de indicadores e parâmetros de IA nesses dispositivos aumenta seu valor diagnóstico sem a necessidade de reagentes ou hardware adicionais.

Via regulatória:

  • Fase RUO (Apenas para Uso em Pesquisa)
  • Conformidade com o IVDR (Regulamento da UE)
  • Aprovação da FDA


Próximos passos:

  • Fase 2: Validação clínica em diversas populações de pacientes.
  • Fase 3: Estudos de utilidade em cenários desafiadores (por exemplo, neonatos, pacientes em quimioterapia).
  • Parcerias: desenvolver colaborações estratégicas com a Siemens e centros acadêmicos para expandir a implementação e fortalecer a credibilidade científica.


Panorama do diagnóstico: Tecnologias de diagnóstico existentes para sepse

Marcadores Bioquímicos

Marcadores bioquímicos como a proteína C-reativa (PCR), a procalcitonina (PCT) e o lactato são amplamente utilizados na prática clínica para detectar inflamação e infecção. Embora ofereçam resultados rápidos, sua especificidade para sepse é limitada, pois níveis elevados também podem ocorrer em outras condições, como trauma ou doenças autoimunes.

MarcadorDescriçãoVantagensLimitaçõesCaso de uso
PCRProteína de fase aguda elevada na inflamaçãoAmplamente disponível, alta sensibilidadeBaixa especificidadeRastreio geral de inflamação
Procalcitonina (PCT)Aumento das infecções bacterianasMelhor especificidade do que a PCRCaro, disponibilidade limitadatriagem de sepse na UTI
LactatoMarcador de hipoperfusão tecidualAcessível, usado na pontuação SOFA.Não específicoAvaliação da gravidade na UTI

Métodos Microbiológicos

Os métodos microbiológicos continuam sendo o padrão ouro para a identificação de patógenos responsáveis pela sepse. Hemoculturas e culturas específicas do local fornecem evidências diretas de infecção, mas são demoradas e podem apresentar resultados falso-negativos em organismos fastidiosos.

MétodoDescriçãoVantagensLimitaçõesCaso de uso
Culturas de sangueDetecta patógenos na corrente sanguínea.Terapia específica e guiadaResposta lenta, pode não detectar patógenos.Diagnóstico hospitalar
Culturas específicas do localCulturas de locais suspeitos de infecçãoDiagnóstico direcionadoRequer suspeita clínicaConfirmação de infecção localizada

Ensaios imunológicos

Os ensaios imunológicos detectam mediadores inflamatórios, como citocinas e receptores solúveis. Embora esses testes ofereçam informações sobre a resposta imune, nem sempre estão disponíveis ou são realizados rotineiramente, e exigem instalações laboratoriais especializadas.

MarcadorDescriçãoVantagensLimitaçõesCaso de uso
IL-6, C5aCitocinas inflamatóriasPotencial para detecção precoceNão específico, dispendiosoPesquisa e laboratórios especializados
PresepsinaSubtipo CD14 solúvelBiomarcador promissorDisponibilidade limitadaFerramenta de diagnóstico emergente

Parâmetros hematológicos

Os parâmetros hematológicos fazem parte dos exames de hemograma completo de rotina e incluem a contagem de leucócitos, a porcentagem de granulócitos imaturos (IG%) e a amplitude de distribuição de monócitos (MDW). Esses marcadores são acessíveis, mas frequentemente carecem de especificidade quando usados isoladamente.

ParâmetroDescriçãoVantagensLimitaçõesCaso de uso
Contagem de leucócitosElevado ou diminuído em caso de infecçãoTeste de rotinaNão específicotriagem inicial
IG%Indicador de resposta da medula ósseaUsado na definição de SIRSNão é possível diferenciar sepsemarcador de suporte
MDWIndicador precoce de sepse aprovado pela FDAPromissor no Pronto-SocorroDependente do reagenteTriagem de emergência

Sistemas de pontuação clínica e de imagem

Sistemas de imagem e pontuação, como SOFA e qSOFA, são usados para avaliar a disfunção orgânica e a gravidade da sepse. Embora úteis na tomada de decisões clínicas, eles dependem de múltiplos parâmetros e podem não ser viáveis em todos os contextos.

FerramentaDescriçãoVantagensLimitaçõesCaso de uso
Pontuação SOFAAvaliação Sequencial de Falência OrgânicaAvaliação abrangente da gravidadeRequer múltiplos valores de laboratório.monitoramento da UTI
qSOFASofá rápido para uso ao lado da camaSimples e rápidoMenor sensibilidadetriagem do departamento de emergência
Exames de imagem (tomografia computadorizada, raio-X)Detecta a fonte da infecçãoConfirmação visualNão é diagnóstico para sepse.Diagnóstico de suporte

 

Tabela comparativa: Diagnóstico tradicional de sepse versus hematologia orientada por IA

CritériosMétodos tradicionais de diagnósticoHematologia orientada por IA (HORIBA + GeodAIsics)
Rapidez do diagnósticoHemoculturas: 24–72 horas; Biomarcadores: 1–3 horas; Exames de imagem: variáveisAnálise de resultados em tempo real durante o hemograma completo; resultados em segundos.
EspecificidadePCR: Baixa; PCT: Moderada a Alta; MDW: Moderada; Culturas: Altas (se positivas)Alta especificidade (até 94%); diferencia sepse, SIRS e choque séptico.
SensibilidadePCR: Alta; PCT: Alta; MDW: Moderada; Culturas: VariáveisSensibilidade muito alta (até 91%); Robusto em diferentes grupos de pacientes.
Custo por testeTeste de PCT: US$ 25 a US$ 50; Diagnóstico molecular: US$ 300 a US$ 3.000; Hemoculturas: US$ 30 a US$ 50Utiliza dados de hemograma completo de rotina; Sem reagentes adicionais; Custo-benefício
Requisitos de infraestruturaLaboratórios de bioquímica/imunologia; Técnicos especializados; Instalações de culturaSomente analisadores hematológicos; sem reagentes especiais; implantável na atenção primária.
Acessibilidade em países de baixa e média rendaLimitado devido ao custo e à infraestrutura.Alta acessibilidade; Ideal para cuidados de saúde descentralizados.
EscalabilidadeDesafiador devido ao custo dos reagentes e à dependência do laboratório.Altamente escalável; Implantação baseada em software
Integração do fluxo de trabalho clínicoRequer múltiplos testes e coordenação.Integração perfeita ao fluxo de trabalho da CBC; Sinalização imediata.
Situação regulatóriaMDW: aprovado pelo FDA; PCT: amplamente aceito; Culturas: padrão ouroFase RUO; vias IVDR e FDA em andamento
Explicabilidade e interpretabilidadeBiomarcadores: vias conhecidas; Culturas: identificação direta do patógeno.Gêmeos digitais e desvio do escore Z; Pontuação transparente
Impacto no PacienteDiagnóstico tardio; Uso excessivo de antibióticosIntervenção precoce; Reduz o uso desnecessário de antibióticos; Melhora os resultados
Capacidade de diferenciaçãoFrequentemente, não é possível distinguir entre SIRS, sepse e choque séptico.Modelo de tripla classificação; auxilia em decisões prognósticas.
Requisitos de dadosVários tipos de amostras; frequentemente invasivas.Amostra única de hemograma completo; dados retrospectivos e prospectivos compatíveis.
Eficiência Ambiental e OperacionalAlto consumo de reagentes; processos com alto consumo de energia.Arquitetura de TI verde; Carga computacional mínima

 

Implicações estratégicas para a saúde global

O modelo hematológico baseado em IA representa um avanço inovador na detecção de sepse, especialmente em países de baixa e média renda, onde o acesso a diagnósticos avançados é frequentemente limitado. Ao aproveitar a infraestrutura existente (analisadores de hemograma completo) e integrar algoritmos de IA, essa solução democratiza a detecção precoce e capacita a tomada de decisões clínicas no local de atendimento.

Principais vantagens:

  • Relação custo-benefício: elimina a necessidade de reagentes caros ou ensaios especializados.

  • Velocidade: pontuação em tempo real integrada à análise de rotina do hemograma completo.

  • Escalabilidade: facilmente implementável em centros de saúde primários, departamentos de emergência e UTIs.

  • Alinhamento regulatório: projetado para atender aos padrões do IVDR e do FDA.

 

Conclusão: Rumo a um novo paradigma no tratamento da sepse

Este estudo de caso ilustra como a IA em hematologia pode transformar a detecção de sepse, de um processo reativo e tardio para uma estratégia proativa e orientada por dados. Ao aproveitar dados de hemograma completo de rotina, o modelo amplia o acesso a diagnósticos avançados, especialmente em ambientes com poucos recursos, onde a sepse representa o maior ônus.

A integração da aprendizagem generativa de variedades (Generative Manifold Learning), gêmeos digitais e pontuação baseada em densidade em analisadores hematológicos representa uma mudança de paradigma alinhada com as prioridades globais de saúde e os marcos regulatórios.

À medida que o projeto avança rumo à validação clínica e à aprovação regulatória, ele tem o potencial de causar um impacto que salva vidas, por meio da detecção precoce, da melhoria na diferenciação e da alocação mais inteligente de recursos.

 

Referências

  1. Nair, SC, Durrieu, F., Rastogi, S. (2025). Interface homem-máquina orientada por IA para detecção precoce e diferenciação de sepse, SIRS e choque séptico com avaliação de gravidade em analisadores hematológicos. Pôster apresentado no ISLH 2025. https://static.horiba.com/fileadmin/Horiba/Products/Medical/Academy/Poster/Hematology/YumizenH2500_Sepsis_CMC-DrNair_Bergonie-DrDurrieu/Yumizen_H2500_Sepsis_CMC-DrNair_Bergonie-DrDurrieu_Poster_ISLH_2025.pdf
  2. Lin, TH, et al. (2025). Inovações impulsionadas por IA para detecção precoce de sepse combinando precisão preditiva com análise de hemograma em um ambiente de emergência: estudo retrospectivo. Journal of Medical Internet Research, 27:e56155. https://www.jmir.org/2025/1/e56155
  3. Papareddy, P., et al. (2025). Transformando o manejo da sepse: inovações impulsionadas por IA na detecção precoce e terapias personalizadas. Critical Care, 29, Artigo 366. https://ccforum.biomedcentral.com/articles/10.1186/s13054-025-05588-0
  4. Yang, J., et al. (2023). A Aplicação da inteligência artificial no tratamento da sepse. Medical Review, 3(5). https://www.degruyterbrill.com/document/doi/10.1515/mr-2023-0039/html
  5. Bignami, EG, et al. (2025). Inteligência Artificial no Manejo da Sepse: Uma Visão Geral para Clínicos. Journal of Clinical Medicine, 14(1), 286. https://www.mdpi.com/2077-0383/14/1/286
  6. Nazha, A., et al. (2025). Inteligência Artificial em Hematologia. Blood, Sociedade Americana de Hematologia. https://ashpublications.org/blood/article/doi/10.1182/blood.2025029876/546859/Artificial-Intelligence-in-Hematology
  7. Centros de Controle e Prevenção de Doenças (CDC). (2025). Elementos Essenciais do Programa de Sepse Hospitalar: Recursos e Referências. https://www.cdc.gov/sepsis/hcp/core-elements/resources.html
  8. Gauer, R., Forbes, D., Boyer, N. (2020). Sepse: diagnóstico e tratamento. American Family Physician, 101(7):409-418. https://www.aafp.org/pubs/afp/issues/2020/0401/p409.pdf
  9. Instituto Nacional de Excelência em Saúde e Cuidados (NICE). (2024). NG51: Suspeita de Sepse – Reconhecimento, Diagnóstico e Manejo Inicial. https://www.ncbi.nlm.nih.gov/books/NBK602491/bin/niceng51er3-appf-et1.pdf

 

Autores

  • Prof. Sukesh C. Nair, MD, FRCPA, Professor Sênior do Departamento de Medicina Transfusional do Christian Medical College (CMC), Vellore, Índia
  • Dra. Françoise Durrieu, Bióloga Médica, Especialista em Hematologia Laboratorial e Biopatologia, Institut Bergonié, Bordéus, França
  • Shubham Rastogi, Diretor de Desenvolvimento de Negócios Internacionais HORIBA ABX SAS, Montpellier, França.

Baixar PDF

Fale conosco

Você tem alguma dúvida ou solicitação? Utilize este formulário para entrar em contato com nossos especialistas.

*Esses campos são obrigatórios.

Corporativo