A inteligência artificial (IA) pode ajudar a melhorar o atendimento a pacientes que chegam ao hospital com dor aguda no peito, de acordo com um estudo publicado na Radiologiaum jornal da Sociedade Radiológica da América do Norte (RSNA).
“Até onde sabemos, nosso modelo de IA de aprendizado profundo é o primeiro a utilizar radiografias de tórax para identificar indivíduos entre pacientes com dor torácica aguda que precisam de atenção médica imediata”, disse o principal autor do estudo, Márton Kolossváry, MD, Ph. D., pesquisador em radiologia do Massachusetts General Hospital (MGH) em Boston.
A síndrome de dor torácica aguda pode consistir em aperto, queimação ou outro desconforto no peito ou uma dor intensa que se espalha para as costas, pescoço, ombros, braços ou mandíbula. Pode ser acompanhada de falta de ar.
A síndrome de dor torácica aguda é responsável por mais de 7 milhões de atendimentos de emergência anualmente nos Estados Unidos, tornando-se uma das queixas mais comuns.
Menos de 8% desses pacientes são diagnosticados com as três principais causas cardiovasculares da síndrome de dor torácica aguda, que são síndrome coronariana aguda, embolia pulmonar ou dissecção aórtica. No entanto, a natureza potencialmente fatal dessas condições e a baixa especificidade dos testes clínicos, como eletrocardiogramas e exames de sangue, levam ao uso substancial de diagnóstico por imagem cardiovascular e pulmonar, muitas vezes com resultados negativos. Como os departamentos de emergência lutam com um grande número de pacientes e escassez de leitos hospitalares, é importante triar efetivamente os pacientes com risco muito baixo dessas condições graves.
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 a doenças.
Para o estudo, o Dr. Kolossváry e seus colegas desenvolveram um modelo de aprendizado profundo de código aberto para identificar pacientes com síndrome de dor torácica aguda com risco de síndrome coronariana aguda em 30 dias, embolia pulmonar, dissecção aórtica ou mortalidade por todas as causas, com base em uma radiografia de tórax.
O estudo utilizou prontuários eletrônicos de pacientes com síndrome de dor torácica aguda que fizeram uma radiografia de tórax e imagens cardiovasculares ou pulmonares adicionais e/ou testes de esforço no MGH ou Brigham and Women’s Hospital em Boston entre janeiro de 2005 e dezembro de 2015. Para o estudo, 5.750 pacientes (idade média de 59 anos, incluindo 3.329 homens) foram avaliados.
O modelo de aprendizado profundo foi treinado em 23.005 pacientes do MGH para prever um desfecho composto de 30 dias de síndrome coronariana aguda, embolia pulmonar ou dissecção aórtica e mortalidade por todas as causas com base em imagens de radiografia de tórax.
A ferramenta de aprendizado profundo melhorou significativamente a previsão desses resultados adversos além da idade, sexo e marcadores clínicos convencionais, como exames de sangue com dímero d. O modelo manteve sua precisão diagnóstica em idade, sexo, etnia e raça. Usando um limite de sensibilidade de 99%, o modelo foi capaz de adiar testes adicionais em 14% dos pacientes em comparação com 2% ao usar um modelo que incorpora apenas dados de idade, sexo e biomarcadores.
“Analisando a radiografia de tórax inicial desses pacientes usando nosso modelo automatizado de aprendizado profundo, fomos capazes de fornecer previsões mais precisas sobre os resultados dos pacientes em comparação com um modelo que usa informações de idade, sexo, troponina ou d-dímero”, disse o Dr. disse Kolossváry. “Nossos resultados mostram que as radiografias de tórax podem ser usadas para ajudar na triagem de pacientes com dor torácica no departamento de emergência”.
De acordo com o Dr. Kolossváry, no futuro, um modelo automatizado desse tipo poderia analisar radiografias de tórax em segundo plano e ajudar a selecionar aqueles que se beneficiariam mais com atendimento médico imediato e ajudar a identificar pacientes que podem receber alta com segurança do departamento de emergência.
“Análise de aprendizagem profunda de radiografias de tórax para triagem de pacientes com síndrome de dor torácica aguda.” Colaborando com o Dr. Kolossváry estavam Vineet K. Raghu, Ph.D., John T. Nagurney, MD, Udo Hoffmann, MD, MPH e Michael T. Lu, MD, MPH
Com informações de Science Daily.