CNN
—
Pesquisas iniciais sugerem um uso promissor de inteligência artificial para prever o risco de morte em 10 anos por ataque cardíaco ou derrame a partir de uma única radiografia de tórax.
o conclusões preliminares foram apresentados na terça-feira na reunião anual da Sociedade Radiológica da América do Norte. A pesquisa está em fase final de redação e não foi submetida para publicação em uma revista médica.
Os pesquisadores usaram cerca de 150.000 radiografias de tórax para treinar um programa de inteligência artificial para identificar padrões nas imagens associadas ao risco de grandes eventos de doenças cardiovasculares. Eles testaram o programa em um grupo separado de cerca de 11.000 pessoas e encontraram “associação significativa” entre o nível de risco previsto pela IA e a ocorrência real de um grande evento de doença cardiovascular.
O padrão clínico para analisar o risco de doença cardiovascular é o escore de risco de doença cardiovascular aterosclerótica (ASCVD), uma calculadora que pondera vários pontos de dados do paciente que demonstraram ter uma alta associação com eventos cardiovasculares adversos, incluindo idade, pressão arterial e histórico de fumar.
A medicação com estatina é recomendada para pessoas com risco de 7,5% ou mais em 10 anos. O modelo de IA usa os mesmos limites de risco que a calculadora de risco estabelecida, e as primeiras descobertas sugerem que funciona tão bem.
“Há muito tempo reconhecemos que os raios X capturam informações além dos achados diagnósticos tradicionais, mas não usamos esses dados porque não tínhamos métodos robustos e confiáveis”, disse o Dr. Jakob Weiss, pesquisador principal e radiologista afiliado com o Massachusetts General Hospital e o programa AI in Medicine no Brigham and Women’s Hospital da Harvard Medical School.
Às vezes, as descobertas da IA se alinham com uma leitura radiológica tradicional, mas outras vezes, capta coisas que podem ter passado despercebidas, disse ele.
“Parte disso são alterações anatômicas que também perceberíamos a olho nu e que fazem sentido fisiológico. Digamos que haja aumento da pressão arterial ou insuficiência cardíaca – esses são achados que também podemos detectar em uma radiografia de tórax normal. Mas acho que muitas das informações capturadas ou extraídas estão em algum lugar embutidas na varredura, mas não podemos entendê-las como radiologistas tradicionalmente treinados a partir de agora”, disse Weiss.
“Ele tem esse caráter de caixa preta”, disse ele, o que às vezes pode dificultar a comunicação do risco aos pacientes sem uma explicação para identificar.
O Dr. Donald Lloyd-Jones, presidente de medicina preventiva na Feinberg School of Medicine da Northwestern University e ex-presidente da American Heart Association, foi copresidente do painel de avaliação de risco quando a calculadora de risco ASCVD foi criada em 2013 e um participante importante no 2018, quando as diretrizes foram atualizadas para enfatizar a relação entre o escore de risco e o histórico médico pessoal.
Ele não esteve envolvido na nova pesquisa de IA, mas diz que é importante manter o campo avançando.
“Este é exatamente o tipo de aplicação para a qual a inteligência artificial é melhor”, disse ele. “Portanto, precisamos continuar fazendo coisas como essa para realmente entender se podemos encontrar, principalmente, pacientes que, de outra forma, passariam despercebidos. Acho que é aí que pode ser mais útil.”
Mas coletar todos os pontos de dados do paciente que entram na calculadora de risco estabelecida ainda é crítico – porque eles são acionáveis. E independentemente de o risco ser calculado usando uma fórmula estatística ou um modelo de IA, os resultados mais bem-sucedidos ainda exigirão avaliações personalizadas do paciente.
“Não curamos o tabagismo com uma radiografia de tórax. Na verdade, precisamos trabalhar com o paciente para encontrar maneiras de fazê-lo parar de fumar”, disse Lloyd-Jones. “A calculadora de risco é uma parte da avaliação de risco, mas não é a única. É um processo que envolve tanto o paciente quanto o médico em uma discussão sobre qual é o risco do paciente e o quanto achamos que uma estatina os ajudaria”.
Para sua pesquisa, Weiss e os coautores treinaram a IA usando radiografias de tórax de participantes do Estudo de Triagem de Câncer de Próstata, Pulmão, Colorretal e Ovário do National Cancer Institute. Ele foi testado em pessoas que fizeram uma radiografia de tórax ambulatorial de rotina no Mass General Brigham e eram potencialmente elegíveis para terapia com estatina, com idade média de 60 anos.
Pesquisas adicionais, incluindo um estudo randomizado controlado, são necessárias para validar o modelo de aprendizado profundo.
