A inteligência artificial pode melhorar o diagnóstico de AVC isquêmico e a identificação de oclusões de grandes vasos?
Resposta curta: Sim, segundo revisão sistemática. Algoritmos de aprendizado de máquina, como redes neurais convolucionais, detectam oclusões de grandes vasos com maior sensibilidade que métodos tradicionais e podem agilizar a triagem e o tratamento endovascular. Quatro plataformas comerciais já incorporam essas tecnologias, mas a padronização das métricas de desempenho ainda é necessária.
Resposta
A revisão sistemática analisou estudos sobre inteligência artificial (IA) no diagnóstico de AVC isquêmico agudo, com foco na identificação de oclusões de grandes vasos (LVO). Foram incluídos vinte estudos que utilizaram aprendizado de máquina, incluindo random forest learning (RFL) e redes neurais convolucionais (CNNs).
Os resultados mostram que diferentes métodos de IA são aplicados conforme o objetivo: o ASPECTS costuma usar RFL, enquanto a detecção de LVO tipicamente emprega CNNs. A detecção de características de imagem teve maior sensibilidade com CNN do que com RFL (85% versus 68%). No entanto, as métricas de desempenho dos algoritmos variam, dificultando comparações objetivas.
Quatro plataformas de software incorporam aprendizado de máquina: Brainomix (maior validação de IA para ASPECTS e uso de CNNs para detectar LVO automaticamente), General Electric, iSchemaView (maior número de validações em estudos de perfusão para trombectomia) e Viz.ai (usa CNNs para detectar LVO e acionar automaticamente sistemas de tratamento de emergência).
Os autores concluem que a IA pode melhorar a detecção de LVO e a triagem rápida necessária para o tratamento expedito. Contudo, ressaltam a necessidade de padronização da avaliação de desempenho em estudos futuros.
Para o médico, essas ferramentas representam um potencial apoio à decisão clínica, especialmente em serviços de emergência, mas sua implementação deve considerar as limitações metodológicas e a ausência de padronização nas métricas.
O que o estudo mostrou
Revisão sistemática de estudos sobre IA no diagnóstico de AVC agudo, publicados entre janeiro de 2014 e fevereiro de 2019, em PubMed, Medline e Embase. Foram identificados vinte estudos que usam aprendizado de máquina. Variações de IA, incluindo RFL e CNNs, são usadas para detectar LVO. ASPECTS comumente usou RFL, enquanto a detecção de LVO tipicamente usou CNNs. A sensibilidade para detecção de características de imagem foi maior com CNN (85%) do que com RFL (68%). Quatro plataformas de software incorporam aprendizado de máquina: Brainomix, General Electric, iSchemaView e Viz.ai.
Limitações
O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre tamanho de amostra ou desenho específico de cada um. Também não são descritas limitações dos algoritmos ou viés de publicação. A ausência de padronização nas métricas de desempenho impede comparações objetivas entre os estudos, conforme apontado pelos autores.
Aplicação no consultório
A incorporação de ferramentas de IA na prática clínica pode auxiliar na triagem rápida de pacientes com suspeita de AVC isquêmico e LVO, especialmente em serviços de emergência. Para o consultório, isso significa considerar a adoção de softwares que automatizam a detecção e o acionamento de equipes, mas com cautela devido à falta de padronização. Gestores devem avaliar a validação de cada plataforma e treinar a equipe para interpretar os resultados, integrando a IA ao fluxo de atendimento sem substituir o julgamento clínico.
Estudo citado
Artificial intelligence to diagnose ischemic stroke and identify large vessel occlusions: a systematic review. Journal of neurointerventional surgery, 2020.
Autores: Murray NM, Unberath M, Hager GD, Hui FK.
DOI: 10.1136/neurintsurg-2019-015135 · PubMed: PMID 31594798
Perguntas para aprofundar
- Qual a acurácia das redes neurais convolucionais na detecção de oclusão de grandes vasos em comparação com radiologistas?
- Como as plataformas de IA para AVC podem ser integradas ao fluxo de atendimento de emergência?
- Quais são os desafios para a padronização das métricas de desempenho de algoritmos de IA em neuroimagem?
Mais sobre IA em triagem e prontuário eletrônico
- A inteligência artificial já é útil na triagem e no diagnóstico do AVC por oclusão de grande vaso?
- A inteligência artificial pode apoiar a triagem de enfermagem no pronto-socorro e reduzir a subtriagem?
- A inteligência artificial é aplicável no manejo de pacientes em emergência, e quais são os principais desafios para sua implementação?
- A aplicação de inteligência artificial pode melhorar o desempenho da triagem em departamentos de emergência?
- Um sistema de triagem auxiliado por inteligência artificial reduz o tempo porta-agulha e melhora desfechos em pacientes com oclusão de grandes vasos submetidos a terapia endovascular?
Todas as perguntas sobre IA em triagem e prontuário eletrônico · Todos os temas · Versão em markdown