Algoritmo de Aprendizado Automático Pode Prever Insuficiência Cardíaca

Um novo algoritmo de computador baseado em inteligência artificial (IA) que consegue identificar mudanças sutis em eletrocardiogramas (ECGs) pode prever quando um indivíduo está experimentando insuficiência cardíaca. O algoritmo foi desenvolvido no Hospital Mount Sinai, e a pesquisa foi publicada no Journal of the American College of Cardiology: Cardiovascular Imaging.

Benjamin S. Glicksberg, PhD, é Professor Assistente de Genética e Ciências Genômicas, membro do Instituto Hasso Plattner para Saúde Digital no Mount Sinai, e autor sênior do estudo.

“Demonstramos que algoritmos de aprendizado profundo podem reconhecer problemas de bombagem de sangue em ambos os lados do coração a partir de dados de forma de onda de ECG”, disse Glicksberg. “Normalmente, diagnosticar esses tipos de condições cardíacas requer procedimentos caros e demorados. Esperamos que esse algoritmo permita um diagnóstico mais rápido de insuficiência cardíaca.”

Novas Oportunidades com IA

Os médicos tradicionalmente usam uma ecocardiograma, que é uma técnica de imagem, para avaliar se um paciente está experimentando insuficiência cardíaca. No entanto, esses são procedimentos trabalhosos e apenas oferecidos em alguns hospitais.

A IA está criando novas oportunidades nesse sentido, com pesquisas sugerindo que eletrocardiogramas podem ser uma alternativa eficaz. Pesquisas recentes indicaram que um algoritmo de aprendizado profundo pode detectar fraqueza no ventrículo esquerdo do coração. A nova pesquisa do Mount Sinai descreve o desenvolvimento de um algoritmo que avalia a força do ventrículo esquerdo, bem como a do ventrículo direito.

Girish N. Nadkarni, MD, MPH, CPH, é Professor Associado de Medicina na Escola de Medicina Icahn do Mount Sinai, Chefe da Divisão de Medicina Baseada em Dados e Digital (D4M), e autor sênior da pesquisa.

“Embora seja atraente, tradicionalmente tem sido desafiador para os médicos usar ECGs para diagnosticar insuficiência cardíaca. Isso ocorre em parte porque não há critérios diagnósticos estabelecidos para essas avaliações e porque algumas mudanças nos resultados de ECG são simplesmente muito sutis para o olho humano detectar”, disse Dr. Nadkarni. “Esse estudo representa um passo emocionante em frente para encontrar informações ocultas nos dados de ECG que podem levar a melhores paradigmas de triagem e tratamento usando um teste relativamente simples e amplamente disponível.”

Programação e Teste da Máquina

Os pesquisadores programaram um computador para ler ECGs de pacientes e dados extraídos de relatórios escritos, com os últimos atuando como um conjunto padrão de dados para o computador comparar com os dados de ECG. Isso permitiu que ele identificasse corações mais fracos.

Com programas de processamento de linguagem natural (NLP), o computador pôde extrair esses dados das palavras escritas. Ao mesmo tempo, redes neurais puderam descobrir padrões em imagens, que puderam ser incorporados no algoritmo para ajudá-lo a reconhecer forças de bombagem.

“Queríamos impulsionar o estado da arte desenvolvendo uma IA capaz de entender o coração inteiro de forma fácil e barata”, disse Dr. Vaid.

A máquina analisou 700.000 ECGs e relatórios de ecocardiograma, que vieram de quatro hospitais diferentes. Um quinto hospital foi usado para testar como o algoritmo se sairia em um ambiente experimental diferente.

“Uma vantagem potencial desse estudo é que ele envolveu uma das maiores coleções de ECGs de uma das populações de pacientes mais diversificadas do mundo”, disse Dr. Nadkarni.

O algoritmo demonstrou uma capacidade eficaz de prever quais pacientes teriam ventrículos esquerdos saudáveis ou fracos, e foi 94% preciso ao prever quais pacientes tinham uma fração de ejeção saudável, que é a quantidade de fluido que o ventrículo bombeia a cada batida. O algoritmo também foi 87% preciso ao prever aqueles que tinham uma fração de ejeção abaixo de 40%.

Uma das áreas que ainda precisam de trabalho envolve a previsão de quais pacientes teriam corações ligeiramente enfraquecidos. O algoritmo teve apenas uma taxa de precisão de 73% ao prever os pacientes que tinham uma fração de ejeção entre 40 e 50%.

O algoritmo também pôde detectar fraqueza nas válvulas direitas a partir dos ECGs, alcançando uma taxa de precisão de 84% ao prever quais pacientes tinham válvulas direitas fracas.

“Nossos resultados sugerem que esse algoritmo pode eventualmente ajudar os médicos a diagnosticar corretamente a insuficiência cardíaca em qualquer lado do coração”, disse Dr. Vaid.

Outro ponto importante dessa pesquisa foi que ela sugeriu que a IA pode ser eficaz na detecção de fraqueza cardíaca em todos os pacientes, independentemente da raça e gênero.

“Nossos resultados sugerem que esse algoritmo pode ser uma ferramenta útil para ajudar os profissionais de saúde a combater a insuficiência cardíaca sofrida por uma variedade de pacientes”, acrescentou Dr. Glicksberg. “Estamos no processo de projetar cuidadosamente ensaios prospectivos para testar sua eficácia em um ambiente mais realista.”