ANÁLISE DE SCORING E LISTAS DE ESPERA NO TRANSPLANTE HEPÁTICO: MODELOS REGIONAIS E IMPACTO SOCIOECONÔMICO
1MARIANA MASSUIA MENDES VALERIANO, 2MARCELL FLORES JUNIOR, 3JOÃO FELIPE ZAFANELLI DORIA PADILHA, 4LÍVIA ESTEVES BORTOLATO, 5MARIANA VITORIA GASPERIN
1Acadêmico do Curso de Medicina da UNIPAR 2Acadêmico do Curso de Medicina da UNIPAR 3Acadêmico do Curso de Medicina da UNIPAR 4Acadêmico do Curso de Medicina da UNIPAR 5Docente da UNIPAR
Introdução: A alocação de fígados para transplante hepático constitui um desafio complexo, envolvendo decisões baseadas na gravidade clínica, urgência do paciente e disponibilidade regional de órgãos (Schilsky, Moini, 2016). De acordo com o mesmo autor, modelos tradicionais, como o  modelo para pontuação de doença hepática terminal (MELD), embora amplamente utilizados para priorização em listas de espera, apresentam limitações significativas no que tange à equidade, sobretudo em regiões com disparidades no acesso a doadores e em contextos socioeconômicos distintos. Nesse cenário, abordagens baseadas em aprendizado de máquina têm se mostrado promissoras ao aprimorar a previsão de mortalidade e sobrevida, permitindo otimizar a alocação de órgãos de maneira mais justa e eficiente (Pruinelli et al, 2025). Entretanto, o mesmo autor ressalta que a implementação dessas tecnologias exige cuidado ético, transparência, explicação dos algoritmos e supervisão humana, de modo a assegurar decisões seguras, equitativas e socialmente aceitáveis. Objetivo: Compreender os modelos de scoring e listas de espera utilizados na alocação de fígados para transplante hepático, avaliando os impactos regionais e socioeconômicos sobre a equidade no acesso, bem como discutir propostas de otimização com o uso de aprendizado de máquina, com vistas a aprimorar a justiça, a eficiência e a previsibilidade das decisões clínicas nesse contexto. Desenvolvimento: As políticas de alocação variam entre diferentes regiões do mundo, em países específicos e até mesmo entre centros em uma área, quando a política permite (Schilsky, Moini, 2016). Embora o modelo simulado de alocação de fígado para transplante tenha permitido uma distribuição mais igualitária das cirurgias no Brasil, ainda é motivo de controvérsia se o acesso ao procedimento é justo nas diversas regiões do país (Vieira et al., 2023). De acordo com o mesmo autor, a região Sudeste realizou 60,16% mais transplantes em números absolutos do que a região Nordeste, uma das mais pobres do país, isso pode estar relacionado ao fato de que os transplantes de fígado são procedimentos de alto risco e alto custo que exigem estruturas de saúde sólidas, o que sugere que as diferenças observadas entre essas duas regiões podem ser devidas a fatores econômicos e sociais. As regiões Nordeste e Sul do Brasil apresentam a maior lista de espera, com tendência de aumento, associada a uma tendência decrescente no número de transplantes, como exemplo, em dezembro de 2023, apenas 15% dos pacientes em lista de espera para transplante foram atendidos, resultando em 59.958 indivíduos que, ao final do ano, ainda aguardavam o transplante (Souza et al., 2024). Segundo Moura, Pereira e Lima (2025), os valores elevados do transplante hepático refletem não somente a complexidade, mas o fato de o transplante ser realizado, na maior parte dos casos, em pacientes gravemente enfermos. Preocupações sobre o elevado custo do transplante hepático têm limitado sua indicação em muitos países em desenvolvimento, apesar de seus benefícios amplamente documentados. Conclusão: A alocação de fígados para transplante hepático permanece como um dos maiores desafios da medicina moderna, pois envolve não apenas critérios clínicos, mas também questões estruturais, socioeconômicas e éticas. O modelo MELD, embora consolidado e de grande relevância, apresenta limitações importantes no que se refere à equidade entre diferentes regiões e populações. No Brasil, as disparidades observadas entre regiões com maior infraestrutura de saúde e aquelas com menor capacidade instalada evidenciam que o acesso ao transplante ainda é desigual, refletindo as desigualdades socioeconômicas do país. Nesse contexto, abordagens inovadoras, como o uso de aprendizado de máquina, surgem como ferramentas promissoras para aprimorar a previsibilidade, a justiça e a eficiência na alocação de órgãos. No entanto, sua implementação deve ser conduzida com cautela, garantindo transparência, supervisão ética e participação multidisciplinar no processo decisório. Assim, o futuro da alocação de fígados dependerá não apenas do avanço tecnológico, mas também da construção de políticas de saúde que assegurem equidade e ampliem o acesso ao transplante, independentemente das barreiras regionais e sociais.
Referências: SCHILSKY, Michael L.; MOINI, Maryam. Advances in liver transplantation allocation systems. World journal of gastroenterology, v. 22, n. 10, p. 2922, 2016. PRUINELLI, Lisiane et al. Transforming liver transplant allocation with artificial intelligence and machine learning: a systematic review. BMC medical informatics and decision making, v. 25, n. 1, p. 98, 2025. VIEIRA, Laynara Vitória da Silva et al. Análise do Acesso ao Transplante de Fígado nas Diferentes Regiões Brasileiras de 2018 a 2022: Um Estudo Transversal. Brazilian Journal of Transplantation, v. 26, p. e4023, 2023. SOUZA, Mercy da Costa et al. Transplant management in Brazil: a temporal analysis of financial investments and procedures. Revista da Escola de Enfermagem da USP, v. 58, p. e20240039, 2024. MOURA, Mara Rúbia de; PEREIRA, Bárbara Buitrago; LIMA, Agnaldo Soares. Análise do Custo do Transplante Hepático em um Hospital de Nível Terciário do Sistema Público no Brasil. Brazilian Journal of Transplantation, v. 28, p. e3125, 2025.