IA PREVÊ SE E QUANDO ALGUÉM SOFRERÁ PARADA CARDÍACA
Um algoritmo construído para avaliar os padrões de cicatrizes no tecido cardíaco do paciente pode prever arritmias potencialmente fatais com mais precisão do que os médicos.
Uma nova abordagem baseada em inteligência artificial pode prever se e quando um paciente pode morrer de parada cardíaca. A tecnologia, construída com base em imagens brutas de corações doentes e históricos de pacientes, melhora significativamente as previsões do médico e revoluciona a tomada de decisões clínicas e aumenta a sobrevivência de arritmias cardíacas súbitas e letais, uma das condições mais mortais e intrigantes da medicina.
O trabalho, liderado por pesquisadores da Universidade Johns Hopkins, é detalhado hoje na Nature Cardiovascular Research.
“A morte cardíaca súbita causada por arritmia é responsável por até 20% de todas as mortes em todo o mundo e sabemos pouco sobre por que isso está acontecendo ou como saber quem está em risco”, disse a autora sênior Natalia Trayanova , professora de engenharia biomédica e medicina. “Há pacientes que podem estar em baixo risco de morte súbita cardíaca recebendo desfibriladores que podem não precisar e há pacientes de alto risco que não estão recebendo o tratamento de que precisam e podem morrer no auge de sua vida. algoritmo pode fazer é determinar quem está em risco de morte cardíaca e quando isso ocorrerá, permitindo que os médicos decidam exatamente o que precisa ser feito”.
A equipe é a primeira a usar redes neurais para construir uma avaliação de sobrevivência personalizada para cada paciente com doença cardíaca. Essas medidas de risco fornecem com alta precisão a chance de morte súbita cardíaca em 10 anos e quando é mais provável que aconteça.
A tecnologia de aprendizado profundo é chamada de Estudo de Sobrevivência do Risco de Arritmia Cardíaca, ou SSCAR. O nome alude a cicatrizes cardíacas causadas por doenças cardíacas que muitas vezes resultam em arritmias letais e a chave para as previsões do algoritmo.
“O QUE NOSSO ALGORITMO PODE FAZER É DETERMINAR QUEM ESTÁ EM RISCO DE MORTE CARDÍACA E QUANDO ISSO OCORRERÁ, PERMITINDO QUE OS MÉDICOS DECIDAM EXATAMENTE O QUE PRECISA SER FEITO”.
Natalia TrayanovaProfessor de engenharia biomédica e medicina
A equipe usou imagens cardíacas aprimoradas por contraste que visualizam a distribuição de cicatrizes de centenas de pacientes reais no Johns Hopkins Hospital com cicatrizes cardíacas para treinar um algoritmo para detectar padrões e relações não visíveis a olho nu. A análise de imagens cardíacas clínicas atuais extrai apenas características de cicatrizes simples, como volume e massa, subutilizando severamente o que é demonstrado neste trabalho como dados críticos.
“As imagens carregam informações críticas que os médicos não conseguiram acessar”, disse o primeiro autor Dan Popescu, ex-aluno de doutorado da Johns Hopkins. “Essa cicatriz pode ser distribuída de diferentes maneiras e diz algo sobre a chance de sobrevivência de um paciente. Há informações escondidas nela”.
A equipe treinou uma segunda rede neural para aprender com 10 anos de dados clínicos padrão de pacientes, 22 fatores, como idade, peso, raça e uso de medicamentos prescritos.
As previsões dos algoritmos não foram apenas significativamente mais precisas em todas as medidas do que os médicos, elas foram validadas em testes com uma coorte independente de pacientes de 60 centros de saúde nos Estados Unidos, com diferentes históricos cardíacos e dados de imagem diferentes, sugerindo que a plataforma poderia ser adotada em qualquer lugar.
“Isso tem o potencial de moldar significativamente a tomada de decisões clínicas em relação ao risco de arritmia e representa um passo essencial para trazer o prognóstico da trajetória do paciente para a era da inteligência artificial”, disse Trayanova, codiretor da Alliance for Cardiovascular Diagnostic and Treatment Innovation . “Ele resume a tendência de mesclar inteligência artificial, engenharia e medicina como o futuro da saúde”.
A equipe agora está trabalhando para construir algoritmos para detectar outras doenças cardíacas. Segundo Trayanova, o conceito de aprendizado profundo pode ser desenvolvido para outros campos da medicina que dependem do diagnóstico visual.
Sem Comentários! Seja o primeiro.