IA em cardiologia (ECG e ecocardiograma)

A inteligência artificial pode auxiliar na avaliação da composição corporal e na estratificação de risco cardiometabólico?

Resposta

A avaliação da composição corporal vai além do índice de massa corporal (IMC), pois o aumento da adiposidade visceral e a sarcopenia são fatores de risco para doenças metabólicas mesmo em indivíduos com IMC normal. Nesse contexto, a inteligência artificial (IA) surge como ferramenta promissora para analisar parâmetros de composição corporal e predizer a saúde cardiometabólica.

Uma revisão sistemática da literatura identificou 51 estudos que utilizaram técnicas de IA para análise da composição corporal em doenças como diabetes mellitus, hipertensão, câncer e outras condições especializadas. As modalidades de imagem empregadas incluíram tomografia computadorizada (TC), ressonância magnética (RM), ultrassonografia, pletismografia e eletrocardiograma (ECG).

Os achados mostram que o aprendizado profundo com redes convolucionais tem sido aplicado para segmentação automática da composição corporal, auxiliando na determinação e quantificação da massa muscular. Essa automatização pode tornar a análise mais eficiente e reprodutível, mas os estudos apresentam limitações como heterogeneidade das populações, viés inerente à amostragem e falta de generalização.

Para superar esses desafios, diferentes estratégias de mitigação de viés devem ser avaliadas, a fim de melhorar a aplicabilidade da IA na análise da composição corporal. A revisão conclui que a medição assistida por IA pode contribuir para uma melhor estratificação do risco cardiovascular quando aplicada no contexto clínico apropriado.

Diante disso, o médico pode considerar que a IA é uma ferramenta em desenvolvimento, com potencial para auxiliar na prática clínica, mas que ainda requer validação e cuidados quanto à generalização dos resultados. A aplicação clínica deve ser ponderada caso a caso, considerando as limitações metodológicas dos estudos disponíveis.

O que o estudo mostrou

Trata-se de uma revisão sistemática que buscou literatura sobre técnicas de IA para avaliação da composição corporal. Foram encontrados 354 resultados nas bases Embase, Web of Science e PubMed; após remoção de duplicatas, estudos irrelevantes e revisões (total de 303), 51 estudos foram incluídos. A IA foi estudada em contextos como diabetes mellitus, hipertensão, câncer e doenças especializadas, utilizando TC, RM, ultrassonografia, pletismografia e ECG. A segmentação automática por redes convolucionais auxiliou na quantificação da massa muscular. Limitações incluíram heterogeneidade das populações, viés de amostragem e falta de generalização.

Limitações

O resumo não informa detalhes sobre o desenho dos estudos incluídos, tamanho amostral ou características específicas das populações. As limitações apontadas incluem heterogeneidade das populações estudadas, viés inerente à amostragem e falta de generalização dos achados. Estratégias de mitigação de viés precisam ser avaliadas. O resumo também não fornece dados sobre a acurácia ou desempenho das técnicas de IA.

Aplicação no consultório

A aplicação prática no consultório ainda é limitada, pois a IA para composição corporal é uma área em pesquisa. O médico pode considerar que a avaliação da composição corporal vai além do IMC, especialmente para identificar adiposidade visceral e sarcopenia em pacientes com IMC normal. No entanto, a implementação rotineira requer validação e disponibilidade de ferramentas. A gestão do consultório pode se beneficiar de parcerias com serviços de imagem e de acompanhamento de novas evidências, mas sem substituir o julgamento clínico. O resumo não fornece recomendações específicas para a prática.

Estudo citado

Artificial intelligence and body composition. Diabetes & metabolic syndrome, 2023.
Autores: Santhanam P, Nath T, Peng C, Bai H, Zhang H, Ahima RS, Chellappa R.
DOI: 10.1016/j.dsx.2023.102732 · PubMed: PMID 36867973

Perguntas para aprofundar

• Quais são as limitações da inteligência artificial na análise da composição corporal?
• Como a segmentação automática por redes convolucionais pode auxiliar na quantificação da massa muscular?
• A inteligência artificial pode melhorar a estratificação de risco cardiovascular na prática clínica?

Mais sobre IA em cardiologia (ECG e ecocardiograma)

• A inteligência artificial aplicada ao eletrocardiograma melhora a predição de risco cardiovascular e mortalidade?
• A inteligência artificial consegue identificar fibrilação atrial a partir de um ECG de ritmo sinusal basal?
• Como a inteligência artificial pode ser usada para identificar hipertensão e avaliar seus efeitos secundários?
• Modelos de inteligência artificial baseados em ECG têm bom desempenho diagnóstico para apneia obstrutiva do sono em nível de segmento?
• A interpretação de eletrocardiograma por inteligência artificial é útil para detectar síndrome de Brugada na prática clínica?

Todas as perguntas sobre IA em cardiologia (ECG e ecocardiograma) · Todos os temas · Versão em markdown