Ecocardiogramas têm sido um método tradicionalmente utilizado na medicina para identificar problemas de insuficiência cardíaca. No entanto, um novo algoritmo de deep learning pode mudar isso, uma vez que ele é capaz de prever com maior precisão se um paciente apresenta esse distúrbio no coração.
De acordo com pesquisadores de Monte Sinai, responsáveis pelo desenvolvimento do algoritmo, a tecnologia é capaz de reconhecer problemas de bombeamento de sangue em ambos os lados do coração a partir de dados de eletrocardiogramas (ECGs).
Enquanto os exames de imagens chamados ecocardiogramas são procedimentos complexos e que são oferecidos apenas em alguns hospitais, os ECGs são dispositivos que registram a atividade elétrica cardíaca e representam uma alternativa mais fácil, além de estarem amplamente disponíveis.
Ainda assim, os ECGs apresentam alguns desafios para os médicos, uma vez que não existe um critério estabelecido para o diagnóstico de insuficiência cardíaca e porque algumas alterações apresentadas no exame são muito sutis para serem detectadas.
O algoritmo de deep-learning desenvolvido pelos pesquisadores promete resolver esse problema, oferecendo diagnósticos mais precisos a partir de um exame simples e que já está disponível em muitos hospitais e clínicas.
IA aplicada a ECGs
Apenas nos Estados Unidos, a insuficiência cardíaca congestiva já afeta 6,2 milhões de pessoas. Esse distúrbio ocorre quando o coração bombeia menos sangue do que aquilo que o corpo necessita.
Pesquisas anteriores já haviam mostrado como a inteligência artificial pode identificar fragilidades no ventrículo esquerdo do coração, que é responsável por enviar oxigênio para o resto do corpo.
No caso do estudo recente dos pesquisadores de Monte Sinai, o novo algoritmo de deep-learning se mostrou capaz de analisar as condições tanto do ventrículo esquerdo como do direito, que recebe o sangue desoxigenado.
Os autores do estudo programaram um computador para ler os ECGs de pacientes junto com dados extraídos de relatórios de ecocardiogramas desses mesmos pacientes. Estes relatórios serviram como um conjunto de dados padrão para que o computador comparasse com os dados do ECG e aprendesse a identificar a insuficiência cardíaca.
Os dados foram extraídos dos relatórios a partir de programas de processamento de linguagem natural. Além disso, redes neurais capazes de encontrar padrões em imagens foram incorporadas no estudo para auxiliar os algoritmos.
O computador foi capaz de ler mais de 700 mil ECGs e ecocardiogramas obtidos de 150 mil pacientes do sistema de saúde de Monte Sinai entre 2003 e 2020. Para treinar o computador, os cientistas usaram dados de quatro hospitais.
Por fim, os dados de um quinto local foram utilizados para testar o desempenho do algoritmo em um cenário diferente. De acordo com os pesquisadores, uma das vantagens do estudo é que ele envolve uma grande quantidade de ECGs de uma população extremamente diversa.
Desempenho do algoritmo
No estudo, os pesquisadores determinaram a saúde do coração de um paciente por meio da análise da fração de ejeção do ventrículo esquerdo; ou seja, uma estimativa de quanto fluído o ventrículo bombeava a cada batida conforme observado em ecocardiogramas.
Os corações saudáveis apresentam uma fração de ejeção acima de 50%, enquanto que aqueles que apresentam o distúrbio se mantêm abaixo dos 40%.
Os algoritmos obtiveram uma precisão de 94% ao identificar quais pacientes tinham um coração saudável, além de preverem com 87% de precisão quais apresentavam uma taxa abaixo dos 40%.
No entanto, o desempenho do algoritmo caiu significativamente ao analisar os dados de pacientes com um leve risco de insuficiência cardíaca. A tecnologia foi capaz de identificar com 73% de precisão quais pacientes obtiveram uma fração de ejeção entre 40% e 50%.
