IA em cardiologia (ECG e ecocardiograma)

Qual é a acurácia diagnóstica da detecção de síndrome coronariana aguda assistida por inteligência artificial?

Resposta

A síndrome coronariana aguda (SCA) é uma condição de alta morbimortalidade que exige diagnóstico rápido e preciso. Nesse contexto, ferramentas de inteligência artificial (IA) têm sido investigadas para auxiliar na detecção precoce. Esta revisão sistemática com meta-análise avaliou a acurácia diagnóstica de modelos de IA na identificação de SCA, considerando diferentes ferramentas além do eletrocardiograma.

Foram incluídos 66 estudos, totalizando 518.931 pacientes com idades médias entre 32,62 e 70 anos. A sensibilidade dos modelos de IA variou de 64% a 100%, e a especificidade de 65% a 100%. Esses achados indicam que a IA pode ter um papel promissor na triagem e no diagnóstico da SCA, mas a heterogeneidade entre os estudos é considerável.

A qualidade geral da evidência foi classificada como baixa, principalmente devido à inclusão de estudos caso-controle, que podem superestimar a acurácia diagnóstica. Além disso, a revisão não detalha os tipos específicos de modelos de IA ou as ferramentas de detecção utilizadas, o que limita a generalização dos resultados.

Os autores concluem que a IA tem potencial para auxiliar no diagnóstico acurado e no tratamento oportuno da SCA. No entanto, ressaltam a necessidade de aderência às diretrizes STARD (Standards for Reporting of Diagnostic Accuracy) e de mais estudos de coorte para melhorar a qualidade da evidência em futuras pesquisas de acurácia diagnóstica.

Para o médico brasileiro, esses resultados sugerem que a IA pode ser uma ferramenta adjuvante na prática clínica, mas ainda carece de validação robusta antes de ser incorporada rotineiramente. A implementação requer consideração dos custos, da infraestrutura e da curva de aprendizado, além de políticas claras de responsabilidade clínica.

O que o estudo mostrou

Trata-se de uma revisão sistemática com meta-análise que incluiu 66 estudos, com um total de 518.931 pacientes cujas idades médias variaram de 32,62 a 70 anos. A sensibilidade e a especificidade da detecção de síndrome coronariana aguda assistida por inteligência artificial variaram de 64% a 100% e de 65% a 100%, respectivamente. A qualidade geral da evidência foi baixa devido à inclusão de estudos caso-controle. O resumo não informa os tipos específicos de modelos de IA avaliados.

Limitações

A principal limitação apontada no resumo é a baixa qualidade geral da evidência, atribuída à inclusão de estudos caso-controle. O resumo não fornece detalhes sobre a heterogeneidade entre os estudos, os tipos de ferramentas de detecção ou as características das populações incluídas, o que limita a interpretação dos resultados. Além disso, não são descritas análises de subgrupo ou de sensibilidade.

Aplicação no consultório

Os achados sugerem que a IA pode auxiliar na triagem de SCA, mas a baixa qualidade da evidência recomenda cautela na incorporação rotineira. No consultório, o médico deve considerar a IA como ferramenta adjuvante, não substituta do julgamento clínico. A gestão pode avaliar a implementação de sistemas de apoio à decisão, mas deve estar atenta à necessidade de validação local, treinamento da equipe e definição de fluxos de encaminhamento para casos suspeitos.

Estudo citado

Diagnostic Test Accuracy of artificial intelligence-assisted detection of acute coronary syndrome: A systematic review and meta-analysis. Computers in biology and medicine, 2023.
Autores: Chan PZ, Ramli MAIB, Chew HSJ.
DOI: 10.1016/j.compbiomed.2023.107636 · PubMed: PMID 37925910

Perguntas para aprofundar

• Quais são os tipos de modelos de inteligência artificial mais estudados para detecção de síndrome coronariana aguda?
• Como a qualidade da evidência em estudos de acurácia diagnóstica com inteligência artificial pode ser melhorada?
• Qual é o impacto clínico da implementação de sistemas de IA para triagem de síndrome coronariana aguda na prática médica?

Mais sobre IA em cardiologia (ECG e ecocardiograma)

• A inteligência artificial é mais precisa que os critérios de Sokolow-Lyon e Cornell no diagnóstico de hipertrofia ventricular esquerda ao eletrocardiograma?
• A interpretação de eletrocardiograma por inteligência artificial é útil para detectar síndrome de Brugada na prática clínica?
• A inteligência artificial aplicada ao eletrocardiograma já pode ser usada para prever morte súbita cardíaca na prática clínica?
• A inteligência artificial é mais acurada que os critérios eletrocardiográficos convencionais na detecção de hipertrofia ventricular esquerda?
• Modelos de aprendizado de máquina aplicados ao ECG têm acurácia diagnóstica suficiente para identificar cardiomiopatia hipertrófica na prática clínica?

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