Modelo de IA da Mayo Clinic ajuda médicos a detectarem obstrução cardíaca usando imagens de ultrassom de rotina
Share this:
PHOENIX — Pesquisadores da Mayo Clinic desenvolveram e validaram externamente um modelo de inteligência artificial (IA) que pode identificar uma obstrução cardíaca potencialmente significativa a partir de vídeos de ultrassom de rotina, sem depender de imagens especializadas com Doppler. A tecnologia pode ajudar médicos a identificarem pacientes com cardiomiopatia hipertrófica (CMH) que podem precisar de exames adicionais, particularmente em contextos onde há disponibilidade limitada de especialistas em ecocardiografia. Os resultados do estudo foram publicados na Circulation: Cardiovascular Imaging.
A CMH é uma condição genética que faz com que o músculo cardíaco fique anormalmente espesso. Cerca de dois terços desses pacientes desenvolvem obstrução da via de saída do ventrículo esquerdo (VSVE), que restringe a saída de sangue do coração, causando sintomas como dor no peito e falta de ar aos esforços ou ao deitar. Saber quais pacientes desenvolvem obstrução da VSVE é importante porque isso influencia as decisões de tratamento e o manejo de longo prazo dos pacientes com CMH.
"Medir a obstrução da VSVE geralmente requer ecocardiografia com Doppler, que depende do alinhamento preciso do feixe de ultrassom e da experiência do operador", afirma Imon Banerjee, Ph.D., pesquisadora de IA da Mayo Clinic em Phoenix e autora sênior do estudo. "Queríamos determinar se a IA poderia reconhecer padrões sutis, imperceptíveis ao olho humano, em vídeos de ultrassom em modo B obtidos rotineiramente, além de identificar mais precocemente os pacientes com obstrução da VSVE, possibilitando uma avaliação confirmatória oportuna com Doppler e o encaminhamento quando apropriado."
O estudo incluiu 1.833 pacientes da coorte da Mayo Clinic. O modelo foi testado em 275 pacientes e validado externamente em 46 pacientes de um hospital na Coreia do Sul. O modelo de IA utilizou apenas vídeos de ultrassom em repouso, sem Doppler, para prever se um paciente apresentava uma obstrução potencialmente significativa à saída de sangue do coração. Os pesquisadores constataram que a combinação de informações de três imagens ultrassonográficas padrão melhorou a capacidade do modelo de diferenciar pacientes com gradientes elevados na VSVE. O modelo também ajudou a identificar uma obstrução que pode aparecer apenas quando o coração está sob estresse.
O modelo manteve um desempenho robusto no grupo sul-coreano, apesar de diferenças substanciais entre essa população e os pacientes utilizados para o desenvolvimento do modelo, apoiando estudos adicionais da tecnologia em diferentes populações de pacientes e contextos clínicos.
Em um subconjunto de casos, o modelo de IA identificou a obstrução com mais precisão do que dois ecocardiografistas especialistas que analisaram as mesmas imagens sem Doppler. Os resultados destacam como pode ser difícil reconhecer a obstrução da VSVE em imagens bidimensionais de rotina sem medições com Doppler.
"Essa tecnologia foi desenvolvida para complementar, e não substituir, a ecocardiografia com Doppler", afirma a Dra. Banerjee. "Ao possibilitar a identificação mais precoce de pacientes com potencial obstrução da VSVE, ela poderia acelerar a detecção oportuna e possibilitar medições confirmatórias com Doppler, testes de estresse ou encaminhamento para um centro especializado em CMH. Ela também poderia apoiar a avaliação com ultrassom portátil ou em contextos onde uma avaliação abrangente com Doppler pode não estar prontamente disponível, ajudando a ampliar o acesso à triagem e à avaliação de risco mais precoces."
A Dra. Banerjee observa que os próximos passos incluem validação prospectiva adicional em contextos clínicos mais amplos, diferentes plataformas de ultrassom e diferentes populações de pacientes.
A lista de autores e as declarações estão disponíveis no artigo Beyond Doppler: Scalable AI Detection of LVOT Obstruction in HCM (Além do Doppler: detecção escalável por IA da obstrução da VSVE na CMH). Este estudo não recebeu financiamento externo.
###
Sobre a Mayo Clinic
A Mayo Clinic é uma organização sem fins lucrativos comprometida com a inovação na prática clínica, educação e pesquisa, fornecendo compaixão, conhecimento e respostas para todos que precisam de cura. Visite a Rede de Notícias da Mayo Clinic para obter outras notícias da Mayo Clinic.
Contato de mídia:
- Terri Malloy, Comunicações da Mayo Clinic, newsbureau@mayo.edu
[mayoNnVideoDownload]
