Radar da Estética

🌐 Tradução automática por IA do original em inglês (MedicalNewsToday (via Google News)). Pode conter imprecisões; em caso de dúvida, consulte o original.

A enxaqueca é muito comum nos Estados Unidos, afetando aproximadamente 12 a 15% da população americana, tornando-a um dos transtornos neurológicos mais prevalentes do país.

Os ataques de enxaqueca frequentemente começam com uma fase prodrômica, que pode ocorrer horas ou até dias antes dos sintomas de enxaqueca. Os sinais prodrômicos comuns podem incluir fadiga, bocejos, mudanças de humor ou cognitivas, rigidez no pescoço, desejos alimentares, náusea e sensibilidade à luz ou ao som.

O padrão prodrômico recorrente de um indivíduo frequentemente serve como um aviso precoce de que um episódio pode estar se desenvolvendo. Identificar esses sinais de aviso pessoais pode permitir que uma pessoa reconheça um ataque iminente e, quando apropriado, inicie um plano de tratamento precoce para ajudar a reduzir a gravidade ou duração do ataque para algumas pessoas.

Agora, um novo estudo sugere que um modelo de aprendizado de máquina treinado com dados de mais de 53.000 pessoas com enxaqueca poderia prever se uma pessoa experimentaria uma enxaqueca no dia seguinte com 91% de precisão.

Notavelmente, os achados, publicados na Neurology Open Access, sugerem que os padrões de cefaleia de uma pessoa durante o mês anterior podem fornecer informações mais úteis sobre seu risco de enxaqueca no dia seguinte do que os sintomas prodrômicos.

Em vez de focar principalmente nos sintomas prodrômicos, os pesquisadores examinaram padrões de longo prazo no histórico de sintomas das pessoas. Eles analisaram dados de 53.065 usuários do aplicativo Nerivio, resultando em 770.473 relatos diários coletados entre janeiro de 2020 e julho de 2025.

O conjunto de dados incluiu informações de diários eletrônicos de enxaqueca, questionários, características demográficas e dados meteorológicos baseados em localização.

Os pesquisadores testaram 7 algoritmos de aprendizado de máquina para determinar se esses dados poderiam identificar pessoas que provavelmente experimentariam uma enxaqueca no dia seguinte. O modelo de melhor desempenho era uma versão personalizada de um algoritmo chamado XGBoost.

O modelo alcançou 91,2% de precisão, o que significa que quando previu que uma pessoa provavelmente experimentaria uma enxaqueca no dia seguinte, essa previsão estava correta cerca de 91% das vezes no conjunto de dados do estudo. O modelo também alcançou:

Os pesquisadores observam que o resultado incluiu dores de cabeça que variam de leve a moderada e dor severa, em vez de ser limitado a ataques de enxaqueca mais incapacitantes.

Uma das descobertas notáveis do estudo foi que as informações preditivas mais fortes não vieram dos sintomas prodrômicos. Em vez disso, o modelo deu peso substancial aos padrões de cefaleia de uma pessoa durante os 30 dias anteriores.

Em particular, a média móvel da gravidade da cefaleia durante o mês anterior foi o recurso individual mais influente. Os recursos calculados a partir dos 30 dias antes de um ataque coletivamente representaram cerca de 56% do desempenho do modelo. Em comparação, as informações sobre sintomas prodrômicos representaram cerca de 11%.

Isso sugere que o risco de enxaqueca pode ser influenciado não apenas pelo que acontece pouco antes de um ataque, mas também por padrões que emergem ao longo de várias semanas.

Ser capaz de antecipar uma enxaqueca poderia potencialmente dar às pessoas mais tempo para se prepararem para um episódio.

Por exemplo, alguém que sabe que seu risco pode estar elevado no dia seguinte pode ser capaz de planejar seu cronograma, priorizar o sono, manter refeições regulares e hidratação, ou garantir que tenha seus tratamentos prescritos disponíveis.

Os autores do estudo sugerem que uma previsão melhor também poderia potencialmente reduzir alguma da incerteza e ansiedade que as pessoas experimentam entre ataques de enxaqueca.

No entanto, a ferramenta de inteligência artificial (IA) destina-se a fornecer informações sobre a probabilidade de uma enxaqueca em vez de tomar decisões de tratamento.

Em um comunicado à imprensa, a Theranica, que possui e desenvolve o aplicativo Nerivio, afirma que seu recurso "Your Day Ahead", que incorpora o modelo de aprendizado de máquina no aplicativo, não diagnostica enxaqueca ou recomenda mudanças no tratamento prescrito. Também é importante observar que muitos dos autores do estudo também são afiliados à Theranica.

Medical News Today falou com Vernon Williams, MD, neurologista esportivo e diretor fundador do Center for Sports Neurology and Pain Medicine na Cedars-Sinai Orthopedics and Sports Medicine em Los Angeles e B-ASE Performance, Inc, que não estava envolvido no estudo, sobre o que uma pessoa pode considerar fazer de forma diferente se o aplicativo prever que o risco de enxaqueca de alguém amanhã é alto.

"Se o aplicativo prever que o risco de enxaqueca de alguém será alto no dia seguinte, isso pode ser um lembrete útil para ser especialmente consistente com os hábitos de estilo de vida que ajudam a reduzir o risco de enxaqueca," observou.

"Dormir adequadamente e regularmente, manter-se bem hidratado, comer refeições nutritivas em intervalos regulares e minimizar o estresse desnecessário pode ajudar a aumentar o limiar de uma pessoa para desenvolver uma enxaqueca. Em outras palavras, o objetivo é tornar o cérebro menos suscetível aos desencadeadores conhecidos." — Vernon Williams, MD

"Também é importante prestar atenção aos padrões pessoais de enxaqueca. Se alguém sabe que certos alimentos, álcool, refeições puladas, falta de sono ou outros fatores comumente desencadeiam seus episódios de enxaqueca, uma previsão de alto risco pode ser uma boa razão para ser particularmente diligente em evitar esses desencadeadores," disse Williams.

"Dito isso, as pessoas devem lembrar que os aplicativos de previsão de enxaqueca são ferramentas, não dispositivos de diagnóstico. Suas previsões são baseadas nas informações e algoritmos disponíveis para eles e podem não prever com precisão o que acontecerá para cada indivíduo," destacou.

Williams também enfatizou que o aplicativo, diários/revistas e medidas de estilo de vida sozinhos podem não ser suficientes para pessoas que experimentam episódios de enxaqueca frequentes e incapacitantes.

"Existem medicamentos preventivos eficazes que podem reduzir a frequência de enxaqueca, bem como medicamentos projetados para interromper um ataque depois que ele começa. Qualquer pessoa que experimente enxaqueca frequente deve discutir essas opções com seu provedor de saúde para desenvolver um plano de tratamento individualizado," disse.

Apesar do grande tamanho do conjunto de dados, os achados não estabelecem que o modelo funcionará igualmente bem para cada pessoa com enxaqueca.

Os participantes eram todos usuários do aplicativo Nerivio, o que significa que a população do estudo pode diferir da população mais ampla de pessoas vivendo com enxaqueca. Além disso, a coorte também tendeu para pessoas com enxaqueca mais frequente e aquelas que estavam ativamente engajadas com o tratamento.

Portanto, os pesquisadores observam que os achados precisam ser confirmados em populações mais amplas de enxaqueca.

Outra consideração importante é que um modelo de previsão não é o mesmo que um teste diagnóstico ou um tratamento. Uma previsão de risco elevado de enxaqueca não garante que um ataque ocorrerá, e um risco previsto baixo não significa necessariamente que um ataque não possa ocorrer.

"Uma previsão de alto risco não significa que uma enxaqueca seja inevitável, e uma previsão de baixo risco não garante que uma não ocorrerá. As pessoas devem usar essas previsões como uma fonte adicional de informação em vez de permitir que um aplicativo substitua sua própria experiência, julgamento clínico ou conselho de seu provedor de saúde." — Vernon Williams, MD

O estudo também foi baseado em dados de aplicativos observacionais do mundo real, em vez de um ensaio clínico randomizado testando se agir sobre as previsões melhora os resultados da enxaqueca.

Os achados fornecem evidência de que dados longitudinais gerados pelo paciente podem conter sinais úteis para prever ataques de enxaqueca.

Em vez de confiar apenas em sintomas prodrômicos, futuras ferramentas de previsão de enxaqueca poderiam potencialmente combinar informações sobre frequência de cefaleia, gravidade, padrões de ataques recentes, características individuais e fatores ambientais.

Para pessoas vivendo com enxaqueca, o valor prático pode depender, em última instância, de se previsões mais precisas levarem a melhorias significativas na vida diária, como melhor preparação, menos interrupções, ansiedade reduzida ou melhor gerenciamento de ataques.

Por enquanto, os resultados representam que o aprendizado de máquina pode identificar padrões em dados rotineiramente coletados do diário de enxaqueca e usar esses padrões para fornecer informações de risco do dia seguinte, em vez de substituir o diagnóstico clínico ou as decisões de prescrição.