Pesquisadores desenvolveram um modelo de aprendizado profundo que usa uma única radiografia de tórax (Raio-x) para prever o risco de 10 anos de morte por um ataque cardíaco ou derrame, decorrente de doença cardiovascular aterosclerótica. Os resultados do estudo foram apresentados hoje na reunião anual da Sociedade Radiológica da América do Norte (RSNA).
O aprendizado profundo é um tipo avançado de inteligência artificial (IA) que pode ser treinado para pesquisar imagens de raios-X para encontrar padrões associados à doença.
“Nosso modelo de aprendizado profundo oferece uma solução potencial para a triagem oportunista de base populacional do risco de doença cardiovascular usando imagens de radiografia de tórax existentes“, disse o principal autor do estudo, Jakob Weiss, MD, radiologista afiliado ao Centro de Pesquisa de Imagem Cardiovascular do Hospital Geral de Massachusetts e ao programa AI in Medicine do Brigham and Women's Hospital, em Boston. “Esse tipo de triagem poderia ser usado para identificar indivíduos que se beneficiariam da medicação com estatina, mas atualmente não são tratados“.
As diretrizes atuais recomendam estimar o risco de 10 anos de eventos adversos maiores de doenças cardiovasculares para estabelecer quem deve obter uma estatina para prevenção primária.
Esse risco é calculado usando o escore de risco de doença cardiovascular aterosclerótica (ASCVD), um modelo estatístico que considera uma série de variáveis, incluindo idade, sexo, raça, pressão arterial sistólica, tratamento da hipertensão, tabagismo, diabetes tipo 2 e exames de sangue. A medicação estatina é recomendada para pacientes com um risco de 10 anos de 7,5% ou mais.
“As variáveis necessárias para calcular o risco de ASCVD muitas vezes não estão disponíveis, o que torna as abordagens para a triagem de base populacional desejáveis. Como as radiografias de tórax estão comumente disponíveis, nossa abordagem pode ajudar a identificar indivíduos de alto risco.“
disse Weiss.
O Dr. Weiss e uma equipe de pesquisadores treinaram um modelo de aprendizado profundo usando uma única entrada de radiografia de tórax (radiografia torácica). Eles desenvolveram o modelo, conhecido como risco de DCV-RVC, para prever o risco de morte por doença cardiovascular usando 147.497 radiografias de tórax de 40.643 participantes do Ensaio de Triagem de Câncer de Próstata, Pulmão, Colorretal e Ovário, um estudo multicêntrico e controlado randomizado projetado e patrocinado pelo Instituto Nacional do Câncer.
“Há muito tempo reconhecemos que os raios-X capturam informações além dos achados diagnósticos tradicionais, mas não usamos esses dados porque não tivemos métodos robustos e confiáveis. Os avanços na IA estão tornando isso possível agora.“
disse Weiss.
Os pesquisadores testaram o modelo usando uma segunda coorte independente de 11.430 pacientes ambulatoriais (idade média de 60,1 anos; 42,9% do sexo masculino) que tiveram uma radiografia de tórax ambulatorial de rotina no Mass General Brigham e eram potencialmente elegíveis para a terapia com estatinas.
Dos 11.430 pacientes, 1.096, ou 9,6%, sofreram um evento cardíaco adverso maior ao longo do seguimento mediano de 10,3 anos. Houve uma associação significativa entre o risco previsto pelo modelo de aprendizagem profunda de risco de radiografia torácica-DCV e os eventos cardíacos maiores observados.
Os pesquisadores também compararam o valor prognóstico do modelo com o padrão clínico estabelecido para decidir a elegibilidade das estatinas. Isso pode ser calculado em apenas 2.401 pacientes (21%) devido à falta de dados (por exemplo, pressão arterial, colesterol) no registro eletrônico. Para esse subconjunto de pacientes, o modelo de risco de radiografia torácica-DCV teve desempenho semelhante ao padrão clínico estabelecido e até forneceu valor incremental.
Este texto é traduzido e adaptado do original em rsna.
