IA prevê risco de doença cardíaca usando raio-X único

Pesquisadores desenvolveram um modelo de aprendizado profundo que usa uma única radiografia de tórax para prever o risco de morte em 10 anos por ataque cardíaco ou derrame decorrente de doença cardiovascular aterosclerótica. Os resultados do estudo foram apresentados hoje na reunião anual da Sociedade Radiológica da América do Norte (RSNA).

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.

“Nosso aprendizagem profunda modelo oferece uma solução potencial para a triagem oportunista baseada na população de risco de doença cardiovascular usando imagens de raios X de tórax existentes”, disse o principal autor do estudo, Jakob Weiss, MD, radiologista afiliado ao Cardiovascular Imaging Research Center do Massachusetts General Hospital e ao Programa AI in Medicine no Brigham and Women’s Hospital em Boston. “Esse tipo de triagem pode ser usado para identificar indivíduos que se beneficiariam com a medicação com estatina, mas atualmente não são tratados.”

As diretrizes atuais recomendam estimar o risco de 10 anos de grandes eventos adversos de doenças cardiovasculares para estabelecer quem deve receber uma estatina para prevenção primária.

Este risco é calculado através da doença cardiovascular aterosclerótica (ASCVD) pontuação de risco, um modelo estatístico que considera uma série de variáveis, incluindo idade, sexo, raça, pressão arterial sistólica, tratamento de hipertensão, tabagismo, diabetes tipo 2 e exames de sangue. A medicação com estatina é recomendada para pacientes com risco de 7,5% ou mais em 10 anos.

“As variáveis ​​necessárias para calcular o risco de ASCVD muitas vezes não estão disponíveis, o que torna desejáveis ​​as abordagens para triagem baseada na população”, disse o Dr. Weiss. “Como as radiografias de tórax são comumente disponíveis, nossa abordagem pode ajudar a identificar indivíduos de alto risco”.

Dr. Weiss e uma equipe de pesquisadores treinaram um modelo de aprendizado profundo usando uma única entrada de raio-X de tórax (CXR). Eles desenvolveram o modelo, conhecido como risco CXR-CVD, para prever o risco de morte por doença cardiovascular usando 147.497 radiografias de tórax de 40.643 participantes no Prostate, Lung, Colorectal, and Ovarian Cancer Screening Trial, um estudo multicêntrico randomizado ensaio controlado projetado e patrocinado pelo National Cancer Institute.

“Há muito tempo reconhecemos que os raios X capturam informações além dos achados diagnósticos tradicionais, mas não usamos esses dados porque não tínhamos métodos robustos e confiáveis”, disse o Dr. Weiss. “Os avanços na IA estão tornando isso possível agora.”

Os pesquisadores testaram o modelo usando uma segunda coorte independente de 11.430 pacientes ambulatoriais (idade média de 60,1 anos; 42,9% do sexo masculino) que fizeram uma radiografia de tórax ambulatorial de rotina no Mass General Brigham e eram potencialmente elegíveis para terapia com estatina.

Dos 11.430 pacientes, 1.096, ou 9,6%, sofreram um evento cardíaco adverso importante durante o acompanhamento médio de 10,3 anos. Houve uma associação significativa entre o risco previsto pelo modelo de aprendizado profundo de risco CXR-CVD e eventos cardíacos graves observados.

Os pesquisadores também compararam o valor prognóstico do modelo com o padrão clínico estabelecido para decidir a elegibilidade das estatinas. Isso pôde ser calculado em apenas 2.401 pacientes (21%) devido à falta de dados (por exemplo, pressão arterial, colesterol) no prontuário eletrônico. Para este subconjunto de pacientes, o modelo de risco CXR-CVD teve desempenho semelhante ao padrão clínico estabelecido e até forneceu valor incremental.

“A beleza dessa abordagem é que você só precisa de um raio-X, que é adquirido milhões de vezes por dia em todo o mundo”, disse o Dr. Weiss. “Com base em uma única imagem existente de radiografia de tórax, nosso modelo de aprendizado profundo prevê futuros eventos cardiovasculares adversos importantes com desempenho semelhante e valor incremental ao padrão clínico estabelecido”.

O Dr. Weiss disse que pesquisas adicionais, incluindo um estudo randomizado e controlado, são necessárias para validar a modelo de aprendizado profundoque poderia servir como uma ferramenta de apoio à decisão para tratar os médicos.

“O que mostramos é que uma radiografia de tórax é mais do que uma radiografia de tórax”, disse o Dr. Weiss. “Com uma abordagem como essa, obtemos uma medida quantitativa, que nos permite fornecer informações diagnósticas e prognósticas que ajudam o médico e o paciente”.

Os co-autores são Vineet Raghu, Ph.D., Kaavya Paruchuri, MD, Pradeep Natarajan, MD, MMSC, Hugo Aerts, Ph.D., e Michael T. Lu, MD, MPH