Inteligência artificial determina fração de ejeção com mais rapidez e acurácia?

O panorama do uso da inteligência artificial (IA) na ecocardiografia tem evoluído rapidamente, com uma crescente aplicação dessa tecnologia para melhorar a precisão diagnóstica, eficiência e padronização dos exames. Esses são alguns pontos em que a IA pode auxiliar nesse cenário:

1. Automação e padronização de medidas: A IA tem sido usada para automatizar a aquisição e medição de parâmetros ecocardiográficos, como volumes ventriculares, fração de ejeção e velocidades de fluxo. Isso reduz a variabilidade interobservador e aumenta a confiabilidade dos resultados.
2. Segmentação e rastreamento de estruturas cardíacas: Algoritmos de aprendizado profundo têm sido desenvolvidos para identificar e rastrear automaticamente estruturas cardíacas em imagens ecocardiográficas, o que permite uma análise mais rápida e precisa.
3. Identificação de patologias: A IA também tem sido aplicada na detecção e diagnóstico de várias condições cardíacas, como insuficiência cardíaca, doenças valvares e cardiopatias congênitas, com base em características específicas das imagens ecocardiográficas.
4. Análise de strain: A IA pode ser usada para analisar e quantificar o strain cardíaco, um parâmetro importante na avaliação da função cardíaca que pode ser difícil de medir manualmente.
5. Otimização da aquisição de imagens: A IA pode ajudar a identificar os melhores ângulos e posições para adquirir imagens de alta qualidade, melhorando a eficiência do exame e a precisão do diagnóstico.

Apesar do rápido progresso, ainda existem desafios a serem superados, como a necessidade de validação clínica dos algoritmos de IA e a integração dessas tecnologias nos fluxos de trabalho clínicos existentes.

Até onde se tem notícia, um estudo recentemente publicado na Nature foi o primeiro a utilizar essa ferramenta com metodologia de um ensaio clínico randomizado e cego, comparando IA versus avaliação do ecocardiografista na determinação da fração de ejeção do ventrículo esquerdo (FEVE). O desfecho primário foi a variação na FEVE entre a avaliação inicial do IA ou do ultrassonografista, e uma análise "adjudicada" do cardiologista ecocardiografista, determinada pela proporção de estudos com alteração substancial (mais de 5%).

De 3.769 estudos ecocardiográficos rastreados, 274 estudos foram excluídos devido à baixa qualidade da imagem. A proporção de estudos substancialmente alterados foi de 16,8% no grupo IA, e 27,2% no grupo ultrassonografista (diferença de -10,4%, IC95%: -13,2% a -7,7%, P < 0,001 para não inferioridade, P < 0,001 para superioridade).

A diferença absoluta média entre a avaliação final do cardiologista e a avaliação prévia foi de 6,29% no grupo IA e 7,23% no grupo ultrassonografista (diferença de -0,96%, intervalo de confiança de 95%: -1,34% a -0,54%, P < 0,001 para superioridade).

O fluxo de trabalho guiado por IA economizou tempo tanto para ultrassonografistas quanto para cardiologistas, e os cardiologistas não conseguiram distinguir entre as avaliações realizadas por um ou outro.

Nota do editor: O estudo comparou a determinação de FEVE por ultrassonografistas, e não ecocardiografistas experientes. De toda a forma, a IA foi útil em economizar tempo na avaliação ecográfica, e ainda performou melhor. Acreditamos que IA possa vir a ser uma importante ferramenta de auxílio ao médico, não só na aquisição e avaliação de exames, mas também em outras áreas na cardiologia.Quer saber mais sobre IA na cardiologia? Comente aí embaixo!

Referências:He, B., Kwan, A.C., Cho, J.H. et al. Blinded, randomized trial of sonographer versus AI cardiac function assessment. Nature 616, 520–524 (2023). https://doi.org/10.1038/s41586-023-05947-3