IA em cardiologia (ECG e ecocardiograma)

Modelos de inteligência artificial aplicados a dispositivos vestíveis são eficazes na detecção de doenças cardiovasculares?

Resposta

A revisão sistemática e meta-análise incluiu 102 estudos que desenvolveram ou aplicaram modelos de inteligência artificial para detecção de doenças cardiovasculares a partir de dispositivos vestíveis e móveis. A maioria dos modelos era para detecção de arritmias, seguida por apneia do sono, doenças vasculares periféricas, diabetes mellitus, hiper/hipotensão, doença valvar, insuficiência cardíaca, infarto do miocárdio e parada cardíaca, entre outras condições.

Para a detecção de fibrilação atrial, 26 estudos foram incluídos na meta-análise de acurácia diagnóstica, resultando em sensibilidade meta-analisada de 94,80% e especificidade de 96,96%. Redes neurais profundas apresentaram desempenho superior, com área sob a curva ROC (AUROC) meta-analisada de 0,981, em comparação com algoritmos de aprendizado de máquina convencionais (AUROC de 0,961).

No entanto, os modelos testados com conjuntos de dados proprietários (AUROC de 0,972) ou com dados adquiridos de dispositivos vestíveis (AUROC de 0,977) mostraram desempenho inferior àqueles testados com dados públicos (AUROC de 0,986) ou com dados de dispositivos hospitalares (AUROC de 0,983). Isso sugere que a validação em cenários do mundo real ainda é um desafio.

Os autores concluem que modelos de IA para diversas doenças cardiovasculares estão em desenvolvimento e gradualmente se tornam adequados para dispositivos vestíveis e móveis. A revisão destaca o potencial dessas ferramentas, mas também a necessidade de mais estudos para confirmar sua aplicabilidade clínica e robustez em diferentes populações e contextos.

O que o estudo mostrou

Revisão sistemática com meta-análise que incluiu 102 estudos na revisão qualitativa. Os modelos de IA foram categorizados por doença: arritmia (n=62), apneia do sono (n=11), doenças vasculares periféricas (n=6), diabetes mellitus (n=5), hiper/hipotensão (n=5), doença valvar cardíaca (n=4), insuficiência cardíaca (n=3), infarto do miocárdio e parada cardíaca (n=2), e outros (n=4). Para fibrilação atrial, 26 estudos foram meta-analisados, com sensibilidade de 94,80% e especificidade de 96,96%. Redes neurais profundas tiveram AUROC de 0,981 versus 0,961 para aprendizado de máquina convencional. Modelos com dados proprietários ou de dispositivos vestíveis tiveram AUROC inferior (0,972 e 0,977, respectivamente) em comparação com dados públicos (0,986) ou de dispositivos hospitalares (0,983).

Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, possíveis vieses de publicação ou heterogeneidade entre os estudos. Também não são descritas as características das populações estudadas, os tipos específicos de dispositivos vestíveis utilizados, nem as limitações dos próprios modelos de IA. A ausência de informações sobre validação externa e desempenho em cenários clínicos reais impede conclusões definitivas sobre a aplicabilidade imediata.

Aplicação no consultório

Os achados sugerem que modelos de IA para detecção de doenças cardiovasculares, especialmente fibrilação atrial, podem auxiliar na triagem e monitoramento de pacientes usando dispositivos vestíveis. No entanto, o desempenho inferior em dados proprietários e de dispositivos vestíveis indica que a implementação clínica requer validação local e cautela. O médico deve considerar a origem dos dados e a população de treinamento antes de adotar essas ferramentas. Para a gestão do consultório, pode-se avaliar a incorporação de tecnologias validadas, mas sem substituir o julgamento clínico.

Estudo citado

Artificial Intelligence for Detection of Cardiovascular-Related Diseases from Wearable Devices: A Systematic Review and Meta-Analysis. Yonsei medical journal, 2022.
Autores: Lee S, Chu Y, Ryu J, Park YJ, Yang S, Koh SB.
DOI: 10.3349/ymj.2022.63.S93 · PubMed: PMID 35040610

Perguntas para aprofundar

• Qual o desempenho de modelos de inteligência artificial na detecção de fibrilação atrial em dispositivos vestíveis?
• Redes neurais profundas são superiores a algoritmos de aprendizado de máquina convencional na detecção de doenças cardiovasculares?
• Quais as limitações da validação de modelos de IA em dados de dispositivos vestíveis para uso clínico?

Mais sobre IA em cardiologia (ECG e ecocardiograma)

• A inteligência artificial aplicada ao ECG é eficaz no diagnóstico da síndrome de Brugada?
• Algoritmos de aprendizado de máquina aplicados à interpretação do eletrocardiograma são viáveis e válidos para diagnosticar fibrilação atrial e síndrome do QT longo?
• Dispositivos vestíveis combinados com inteligência artificial podem monitorar fadiga de forma confiável na prática clínica e ocupacional?
• Aprendizado de máquina detecta fibrilação atrial com mais acurácia que especialistas clínicos?
• A inteligência artificial é mais precisa que os critérios de Sokolow-Lyon e Cornell no diagnóstico de hipertrofia ventricular esquerda ao eletrocardiograma?

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