| Resumo: | Introdução: A previsão de via aérea difícil permanece um desafio clínico relevante,
especialmente pela ausência de modelos validados que integrem achados clínicos,
anatômicos e ultrassonográficos. Neste cenário, ferramentas baseadas em
inteligência artificial despontam como estratégias inovadoras para aprimorar a
detecção de pacientes com risco elevado de dificuldade durante a laringoscopia e
ventilação com máscara. Objetivos: O estudo tem como objetivo primário validar
diferentes métodos de avaliação da via aérea, incluindo os escores de Wilson,
El-Ganzouri, Langeron, além de um escore desenvolvido localmente a partir de um
estudo piloto. E como objetivo secundário, identificar, por meio de redes bayesianas
e aprendizado de máquinas, a combinação de preditores com melhor desempenho
para estimar risco de dificuldade na via aérea. Método: Estudo observacional e
prospectivo com 150 adultos submetidos à anestesia geral. Foram coletados dados
demográficos,
clínicos,
anatômicos e ultrassonográficos padronizados.
Laringoscopia difícil foi definida como Cormack-Lehane ≥ III, e ventilação difícil
como graus II–IV pela classificação de Han. Os preditores foram analisados por
métodos frequentistas e posteriormente integrados em redes bayesianas utilizando
a técnica de Associação Incremental com Camada de Markov (IAMB).
Sensibilidade, especificidade e acurácia foram usadas para avaliar o desempenho
dos modelos. Modelos ingênuos serviram como comparadores mínimos aceitáveis.
Resultados: A incidência de laringoscopia difícil foi de 12,66% e de ventilação
difícil, 37,3%. Para laringoscopia difícil, nenhum dos modelos — incluindo escores
tradicionais, parâmetros ultrassonográficos e redes bayesianas — identificou
adequadamente os casos positivos, resultando em sensibilidade de 0%, apesar da
alta especificidade (100%). Assim, não houve desempenho superior ao modelo
ingênuo. Para ventilação difícil, as redes bayesianas apresentaram desempenho
adequado, especialmente os modelos incluindo STOP-BANG, circunferência
cervical e ausência de dentes, com acurácia de 71% (IC 95%: 62–78%) e 74% (IC
95%: 65–81%) nos modelos geral e derivado do estudo piloto, respectivamente,
ambos superiores ao modelo ingênuo (p < 0,05). STOP-BANG, retrognatismo,
idade, IMC e medidas ultrassonográficas mostraram associação consistente com
ventilação difícil. Conclusão: Apesar do bom desempenho para ventilação difícil, a predição de laringoscopia difícil permanece limitada, reforçando a necessidade de
estudos com populações maiores. Este estudo contribui para aprimorar a avaliação
pré-operatória da via aérea, especialmente no que diz respeito à ventilação com
máscara e ao uso de ultrassom como ferramenta complementar. |