Um time de pesquisadores criou um modelo de inteligência artificial que, a partir da leitura de milhares de moléculas no sangue, conseguiu prever com precisão o risco de seis doenças cardiovasculares diferentes — e tudo isso com até 15 anos de antecedência. O trabalho, que usou dados do gigantesco banco britânico UK Biobank, é um passo concreto rumo a uma prevenção verdadeiramente individualizada, que olha para a biologia única de cada pessoa em vez de depender apenas de tabelas de risco genéricas.
O coração do sistema (com o perdão do trocadilho) é o CardiOmicScore, uma estrutura de IA que gerou dois escores de risco: um baseado em 2.920 proteínas (ProScore) e outro em 168 metabólitos (MetScore). Sozinhos, esses escores já deram um banho nos modelos tradicionais. Quando combinados com os dados clínicos que o médico já coleta no consultório, o poder de previsão deu um salto significativo. “A inclusão de perfis multiômicos na prática clínica pode melhorar as avaliações de risco personalizadas em estágios iniciais”, escrevem os autores no estudo, publicado na revista Nature Communications em fevereiro de 2026.
O estudo foi liderado por Yan Luo e Qingpeng Zhang, da Universidade da Cidade de Hong Kong, com colaboradores de instituições como a Universidade de Liverpool e a Universidade Médica de Tianjin. O artigo tem o DOI: https://doi.org/10.1038/s41467-026-68956-6.
O que a ciência quer dizer com “perfil multiômico”?
A gente pode pensar no nosso corpo como uma orquestra. O DNA é a partitura original, o plano de construção. Mas a música que realmente toca — o que está acontecendo agora dentro de você — são as proteínas e os metabólitos. As proteínas são os músicos executando a obra, e os metabólitos são o som que resulta disso tudo. Um perfil multiômico é justamente a ideia de ler a partitura (genômica), ouvir os músicos (proteômica) e analisar o som (metabolômica) ao mesmo tempo, para entender a sinfonia inteira do que está dando certo ou errado no organismo.
Essa visão integrada é especialmente poderosa para as doenças cardiovasculares, que não têm uma causa única. Elas nascem de uma mistura complexa de genética, inflamação, coagulação e estresse oxidativo, entre outros fatores. Uma abordagem que lê apenas um desses fatores pode perder o entendimento do todo.
Como a IA e as proteínas do sangue se unem na previsão de risco cardíaco?
A grande sacada do estudo foi usar uma arquitetura de IA chamada “aprendizado profundo multitarefa”. Em vez de criar um modelo para prever infarto, outro para prever AVC e assim por diante, os pesquisadores treinaram um sistema que aprende a prever seis doenças ao mesmo tempo: doença arterial coronariana (o popular “infarto”), acidente vascular cerebral (AVC), insuficiência cardíaca, fibrilação atrial, doença arterial periférica e tromboembolismo venoso. A IA busca padrões que são comuns a todas e padrões que são específicos de cada uma, gerando um escore de risco personalizado.
Os pesquisadores criaram duas redes neurais gêmeas, a MetNet, que digere dados de 168 metabólitos, e a ProNet, que processa 2.920 proteínas. O resultado desse processamento é o CardiOmicScore, que entrega um número capaz de estratificar o risco de uma pessoa para cada uma das seis doenças. E, crucialmente, o modelo foi validado em um grupo separado de mais de 24 mil pessoas que não foram usadas no treinamento, um teste de fogo para a credibilidade de qualquer algoritmo.
O que o estudo encontrou: a força dos números
Os resultados são expressos em uma métrica chamada C-index, que mede a capacidade de um modelo distinguir quem vai desenvolver a doença de quem não vai (1 seria um oráculo perfeito; 0,5 é um chute). O ProScore, baseado nas proteínas, foi o grande campeão: seu C-index variou de 0,69 para tromboembolismo venoso até impressionantes 0,82 para doença arterial periférica. O MetScore, baseado nos metabólitos, ficou entre 0,64 e 0,74. Para efeito de comparação, o escore genético (PRS), sozinho, mal passou de 0,60.
O dado mais animador, porém, veio quando os escores ômicos foram adicionados aos dados clínicos básicos (idade, sexo, pressão, colesterol, etc.). O poder de previsão melhorou de forma significativa para todas as doenças: o aumento no C-index variou de 0,005 a expressivos 0,102. Traduzindo: a informação molecular do sangue acrescentou uma camada de precisão que nem a melhor avaliação clínica tradicional consegue alcançar sozinha. É como ajustar o foco de uma lente e ver detalhes que antes eram um borrão.
Quando os modelos foram testados em grupos separados por idade, sexo e uso de medicamentos para pressão ou colesterol, o valor preditivo dos escores ômicos permaneceu estável, um sinal de robustez importante para uma futura aplicação clínica.
Prever infarto e AVC com 15 anos de antecedência
O horizonte de previsão é um dos pontos mais impactantes do trabalho. Os pesquisadores demonstraram que a melhora na discriminação de risco se mantém por até uma década e meia antes do aparecimento da doença. Isso significa que, com uma única coleta de sangue, seria possível identificar uma pessoa em risco elevado muito antes de qualquer sintoma dar as caras, criando uma janela de oportunidade preciosíssima para a prevenção primária — com mudanças no estilo de vida e, se necessário, intervenções médicas precoces.
As curvas de sobrevivência mostraram que os participantes classificados no terço de maior risco pelo ProScore, por exemplo, tinham um risco até 2,18 vezes maior de desenvolver doença arterial coronariana em comparação com os do terço de menor risco. Para o AVC, o risco era 1,68 vezes maior. São números que saem do campo da abstração estatística e aterrissam na vida real.
Os biomarcadores que mais revelam sobre a saúde do coração
Para abrir a caixa-preta da IA e ver quais moléculas estavam realmente pesando nas previsões, os pesquisadores usaram o método SHAP. No time das proteínas, algumas figurinhas carimbadas da cardiologia lideraram, como a NT-proBNP e a NPPB — proteínas do estresse cardíaco já usadas na prática clínica para diagnosticar insuficiência cardíaca. Mas o que surpreendeu foi a força de uma proteína chamada GDF15, um marcador de estresse celular e inflamação sistêmica que apareceu como preditor relevante para quatro das seis doenças estudadas. Outra descoberta notável foi a MMP12, uma enzima ligada à degradação da matriz dos vasos sanguíneos, associada tanto à doença coronariana quanto à doença arterial periférica.
Entre os metabólitos, a creatinina e a albumina, velhas conhecidas dos exames de sangue de rotina, mostraram seu valor. Mas o estudo também destacou o papel da GlycA, um sinal composto de inflamação crônica, e de ácidos graxos como o linoleico (protetor) e os monoinsaturados (associados a maior risco). Uma curiosidade intrigante apareceu com o colesterol remanescente: duas de suas frações tiveram efeitos opostos. Níveis mais altos de colesterol livre na lipoproteína de densidade intermediária (IDL) ligaram-se a maior risco, enquanto o colesterol esterificado nas VLDL muito grandes (XXL_VLDL) mostrou uma associação com menor risco — um quebra-cabeça que, segundo os autores, merece ser investigado a fundo.
Por que a análise multiômica pode mudar a prevenção cardiovascular?
A relevância desse trabalho é universal por um motivo muito simples e duro: as doenças cardiovasculares são a principal causa de morte no mundo, com cerca de 19,8 milhões de vidas perdidas só em 2022, segundo o mesmo artigo. Os métodos atuais de avaliação de risco, como os escores ASCVD e SCORE2, são importantes, mas têm uma limitação significativa: baseiam-se em fatores de risco populacionais e deixam escapar muitas pessoas que terão um evento cardíaco sem apresentar os fatores de risco clássicos. Esses escores olham para a média da população; o CardiOmicScore olha para a sua biologia molecular.
A integração de dados ômicos não é apenas um exercício acadêmico de precisão. Ela oferece pistas sobre os mecanismos biológicos únicos que estão emperrando a máquina. Identificar uma assinatura proteômica de inflamação elevada, por exemplo, pode, no futuro, guiar o médico a escolher um anti-inflamatório específico. Detectar um padrão de remodelação vascular pode sinalizar a necessidade de uma terapia mais agressiva de proteção dos vasos. A lógica de “tamanho único” vai dando lugar a uma medicina de precisão cardiovascular.
O que o estudo ainda não explica?
O próprio artigo é transparente sobre os degraus que ainda precisam ser subidos. A primeira limitação é o metaboloma: a técnica usada (espectroscopia por ressonância magnética nuclear) é focada em lipoproteínas e lipídios, deixando de fora uma vasta gama de outros metabólitos que poderiam enriquecer o MetScore. É como tentar entender um ecossistema observando apenas uma família de plantas — dá para aprender muito, mas a paisagem completa está longe de ser capturada.
O segundo ponto é que as amostras de sangue foram coletadas em um único momento, no recrutamento dos participantes. Esse retrato instantâneo não capta as flutuações dinâmicas do perfil molecular de uma pessoa ao longo da vida, que podem ser tão ou mais informativas sobre o risco futuro. A terceira e crucial limitação: a população do UK Biobank é majoritariamente branca e de ascendência europeia. A generalização desses achados para populações etnicamente diversas — como a brasileira, por exemplo — ainda não está garantida.
Por fim, o estudo não tem uma validação externa independente em outra coorte. A validação geográfica dentro do Reino Unido foi um bom começo, mas o CardiOmicScore precisa provar seu valor em populações completamente diferentes antes de ser considerado uma ferramenta clínica generalizável. Os autores são enfáticos ao afirmar que as assinaturas moleculares encontradas “não são clinicamente generalizáveis ou aplicáveis até que tenham passado por validação externa”.
Próximos passos para levar a previsão personalizada ao consultório
O horizonte desenhado pelo estudo é promissor, mas realista. A tecnologia proteômica usada (Olink Explore) ainda é cara e não está disponível em larga escala. A aposta dos pesquisadores, no entanto, é que o barateamento dessas plataformas — uma tendência histórica na biotecnologia — tornará o uso de dados multiômicos e modelos de IA em consultórios uma realidade clinicamente viável e custo-efetiva.
Enquanto isso, os próximos passos da pesquisa passam por expandir o modelo para digerir também dados de eletrocardiograma e imagem das coronárias, e até mesmo usar grandes modelos de linguagem para traduzir todo esse oceano de dados em explicações compreensíveis para médicos e pacientes. A visão de longo prazo é ambiciosa: um modelo fundacional que sirva como um copiloto de IA para o cardiologista, capaz de avaliar riscos, sugerir alvos de tratamento e personalizar intervenções a partir de múltiplas fontes de dados.
O valor mais imediato do CardiOmicScore é reforçar uma ideia que a medicina moderna persegue com afinco: a de que prevenir é, de longe, a melhor estratégia. E, para prevenir de verdade, é preciso primeiro enxergar o risco com a máxima nitidez possível. Este estudo mostra que a nitidez está no sangue, à espera de um leitor treinado — seja ele humano ou de silício.
Fontes
- LUO, Yan et al. AI-based multiomics profiling reveals complementary omics contributions to personalized prediction of cardiovascular disease. Nature Communications, v. 17, artigo 2269, fev. 2026.
- UK Biobank. Aplicação número 79146. Dados disponíveis mediante solicitação em ukbiobank.ac.uk.
- GitHub do projeto: https://github.com/YanLuoCityU/cardiomicscore
Perguntas frequentes
É verdade que um exame de sangue já consegue prever doenças cardíacas 15 anos antes?
Segundo o estudo, sim, a análise de milhares de proteínas e metabólitos no sangue, aliada a um modelo de inteligência artificial, foi capaz de melhorar a previsão de seis doenças cardiovasculares com até 15 anos de antecedência, em comparação com os métodos tradicionais.
O que é o CardiOmicScore e como ele funciona?
É uma estrutura de inteligência artificial que usa aprendizado profundo para gerar escores de risco (ProScore e MetScore) a partir de dados de proteínas e metabólitos do sangue, prevendo o risco individual para seis doenças cardiovasculares simultaneamente.
Como a inteligência artificial pode prever um infarto com anos de antecedência?
Modelos de IA, como as redes neurais MetNet e ProNet do estudo, são treinados para reconhecer padrões complexos e não lineares em milhares de moléculas do sangue que se alteram silenciosamente anos antes de um evento cardíaco, gerando um escore de risco personalizado.
Quais proteínas do sangue indicam maior risco de doenças cardiovasculares?
O estudo destacou a proteína GDF15, um marcador de estresse celular, como preditor de múltiplas doenças, além da MMP12 e proteínas do estresse cardíaco como NT-proBNP e NPPB. Uma gama diversa de proteínas ligadas à inflamação, coagulação e lesão vascular foi identificada.
Foto: Chatgpt
Matéria escrita e revisada originalmente por Paulo Budri.
