Novo modelo classifica funções cardíacas e identifica doenças cardíacas valvares

A IA (inteligência artificial) pode soar como um sistema robótico frio, mas os cientistas da Universidade Metropolitana de Osaka mostraram que ela pode oferecer suporte emocionante – ou, mais precisamente, “alerta ao coração”. Eles revelaram um uso inovador de IA que classifica funções cardíacas e identifica doenças cardíacas valvulares com precisão sem precedentes, demonstrando progresso contínuo na fusão dos campos da medicina e tecnologia para aprimorar o atendimento ao paciente. Os resultados serão publicados em The Lancet Saúde Digital.

A doença cardíaca valvular, uma causa de insuficiência cardíaca, é frequentemente diagnosticada por ecocardiografia. Esta técnica, no entanto, requer competências especializadas, pelo que existe uma correspondente escassez de técnicos qualificados. Enquanto isso, a radiografia de tórax é um dos exames mais comuns para identificar doenças, principalmente dos pulmões. Embora o coração também seja visível nas radiografias de tórax, pouco se sabia até então sobre a capacidade das radiografias de tórax em detectar função ou doença cardíaca.

As radiografias de tórax, ou radiografias de tórax, são realizadas em muitos hospitais e requerem muito pouco tempo para realizá-las, tornando-as altamente acessíveis e reprodutíveis. Assim, a equipe de pesquisa liderada pelo Dr. Daiju Ueda, do Departamento de Radiologia Diagnóstica e Intervencionista da Escola de Pós-Graduação em Medicina da Universidade Metropolitana de Osaka, considerou que, se a função cardíaca e a doença pudessem ser determinadas a partir de radiografias de tórax, esse teste poderia servir como um complemento à ecocardiografia.

A equipe do Dr. Ueda desenvolveu com sucesso um modelo que utiliza IA para classificar com precisão as funções cardíacas e doenças cardíacas valvares a partir de radiografias de tórax. Como a IA treinada em um único conjunto de dados enfrenta possíveis vieses, levando a uma baixa precisão, a equipe buscou dados multiinstitucionais.

Assim, um total de 22.551 radiografias de tórax associadas a 22.551 ecocardiogramas foram coletados de 16.946 pacientes em quatro instalações entre 2013 e 2021. Com as radiografias de tórax definidas como dados de entrada e os ecocardiogramas definidos como dados de saída, o modelo AI foi treinado para aprender recursos que conectam ambos os conjuntos de dados.

O modelo AI foi capaz de categorizar precisamente seis tipos selecionados de doença cardíaca valvular, com a Área sob a curva, ou AUC, variando de 0,83 a 0,92. (AUC é um índice de classificação que indica a capacidade de um modelo de IA e usa uma faixa de valores de 0 a 1, sendo que quanto mais próximo de 1, melhor.) A AUC foi de 0,92 em um corte de 40% para detecção de ejeção ventricular esquerda fração – uma medida importante para monitorar a função cardíaca.

“Levamos muito tempo para chegar a esses resultados, mas acredito que seja uma pesquisa significativa”, afirmou o Dr. Ueda. “Além de melhorar a eficiência dos diagnósticos médicos, o sistema também pode ser usado em áreas onde não há especialistas, em emergências noturnas e em pacientes com dificuldade de fazer ecocardiografia.”