blog

Aug 17, 2023

Inteligência artificial automatiza diagnóstico de doença valvular cardíaca grave

25 de agosto de 2023 Este artigo foi revisado de acordo com o processo editorial e as políticas da Science X. Os editores destacaram os seguintes atributos, garantindo a credibilidade do conteúdo:

25 de agosto de 2023

Este artigo foi revisado de acordo com o processo editorial e as políticas da Science X. Os editores destacaram os seguintes atributos, garantindo a credibilidade do conteúdo:

verificado

publicação revisada por pares

fonte confiável

revisar

por Elisabeth Reitman, Universidade de Yale

Pesquisadores do Laboratório Cardiovascular Data Science (CarDS) desenvolveram uma nova abordagem que pode detectar uma doença cardíaca valvular comum conhecida como estenose aórtica grave a partir de ultrassonografias do coração. O estudo, publicado em 23 de agosto no European Heart Journal, poderá ter implicações nos cuidados clínicos de rotina.

A estenose aórtica grave, ou EA, é um importante distúrbio de saúde, principalmente entre adultos mais velhos, causada por um estreitamento da válvula aórtica. O diagnóstico precoce pode permitir intervenções para aliviar os sintomas e reduzir o risco de hospitalização e morte prematura.

A ultrassonografia especializada do coração, chamada ecocardiografia Doppler, é o principal exame para detectar EA. A equipe desenvolveu um modelo de aprendizagem profunda que pode usar exames de ultrassom cardíaco mais simples para detectar automaticamente EA grave.

A tecnologia foi desenvolvida por Rohan Khera, MD, MS, professor assistente de medicina cardiovascular e informática em saúde, diretor do CarDS Lab e autor sênior do estudo, e colegas do Departamento de Engenharia Elétrica e de Computação da Família Chandra na UT Austin, com 5.257 estudos que incluíram 17.570 vídeos entre 2016 e 2020 no Yale New Haven Hospital. O modelo foi validado externamente por 2.040 estudos consecutivos de diferentes coortes na Nova Inglaterra e na Califórnia.

"Nosso desafio é que a avaliação precisa da EA é crucial para o manejo dos pacientes e a redução do risco. Embora os testes especializados continuem sendo o padrão-ouro, a confiança naqueles que chegam aos nossos laboratórios ecocardiográficos provavelmente deixa de lado as pessoas no início do estado da doença", disse Khera.

“Nosso objetivo era desenvolver uma abordagem de aprendizado de máquina que fosse adequada para a triagem ultrassonográfica no local de atendimento”, disse o coautor do estudo, Evangelos Oikonomou, MD, DPhil, cardiologista e atual pesquisador de pós-doutorado no CarDS Lab. .

Seu trabalho permite a detecção precoce da estenose aórtica para que os pacientes possam receber atendimento oportuno. "Nosso trabalho pode permitir uma triagem comunitária mais ampla para EA, já que os ultrassons portáteis podem ser cada vez mais usados ​​sem a necessidade de equipamentos mais especializados. Eles já estão sendo usados ​​com frequência em departamentos de emergência e em muitos outros locais de atendimento", acrescentou Khera.

O avanço é resultado de uma estreita colaboração entre clínicos-investigadores e cientistas da computação. Greg Holste, um Ph.D. estudante da UT Austin, sendo co-orientado pelo Dr. Khera, que liderou o desenvolvimento de uma metodologia inovadora que possibilitou a tecnologia e foi co-autor do estudo. "Para permitir o desenvolvimento prático que aproveite a tecnologia emergente para melhorar os cuidados clínicos, essa colaboração multidisciplinar é essencial", enfatizou o Dr. Khera.