Ai gerado por corações sintéticos de Catrilhões Syntéticos Auxílio ATRIAL Fibrilação

Pesquisadores da Universidade de Queen Mary de Londres desenvolveram uma ferramenta de IA que cria modelos sintéticos, mas medicamente precisos de tecido cardíaco fibrótico (cicatrizes do coração), ajudando o planejamento do tratamento para pacientes com fibrilação atrial (FA). O estudo, publicado em Fronteiras em medicina cardiovascularpoderia levar a cuidados mais personalizados para os pacientes afetados por esse distúrbio comum do ritmo cardíaco.

A fibrose refere-se ao tecido cicatricial que se desenvolve no coração, geralmente como resultado do envelhecimento, do estresse a longo prazo ou da própria condição AF. Esses trechos de tecido rígido e fibroso atrapalham o sistema elétrico do coração, causando potencialmente a característica irregular de batimentos cardíacos da FA. Atualmente avaliado por meio de ressonância magnética especializada (LGE-MRI), o padrão e a distribuição dessa cicatrizes influenciam significativamente os resultados do tratamento.

A fibrilação atrial é frequentemente tratada com ablação – um procedimento em que os médicos criam pequenas cicatrizes controladas para bloquear sinais elétricos irregulares. No entanto, as taxas de sucesso variam consideravelmente, e prever qual abordagem funcionará melhor para pacientes individuais permanece desafiadores. Embora a IA tenha demonstrado promessa na previsão de resultados, seu desenvolvimento foi dificultado pelo acesso limitado a dados de imagem de paciente de alta qualidade.

“O LGE-RI fornece informações vitais sobre fibrose cardíaca, mas obter varreduras suficientes para treinamento abrangente de IA é um desafio”, explica o primeiro autor Dr. Alexander Zolotarev, da Queen Mary University of London. “Treinamos um modelo de IA em apenas 100 varreduras reais de LGE-RI de pacientes com AF. O sistema gerou 100 padrões adicionais de fibrose sintética que imitam com precisão as cicatrizes de coração real. Esses modelos virtuais foram usados ​​para simular como diferentes estratégias de ablação podem ser executadas em anatomias de pacientes variados”.

O modelo de difusão avançado da equipe produziu distribuições de fibrose sintética que correspondiam aos dados reais dos pacientes com precisão excepcional. Quando esses padrões criados pela AI foram aplicados a modelos cardíacos 3D e testados contra várias abordagens de ablação, as previsões resultantes se mostraram quase tão confiáveis ​​quanto aquelas que usam dados genuínos do paciente. Fundamentalmente, esse método protege a privacidade do paciente, permitindo que os pesquisadores estudem uma gama muito mais ampla de cenários cardíacos do que os métodos convencionais permitem.

A pesquisa destaca o papel emergente da IA ​​como uma ferramenta de suporte clínico e não como tomador de decisão. “Não se trata de substituir o julgamento dos médicos”, enfatiza o Dr. Zolotarev. “Trata -se de fornecer aos médicos um simulador sofisticado – permitindo que eles testem diferentes abordagens de tratamento em um modelo digital da estrutura cardíaca única de cada paciente antes de realizar o procedimento real”.

Este trabalho faz parte do projeto de bolsas de líderes da UKRI Future Lide da Dra. Caroline Roney, que visa desenvolver modelos cardíacos personalizados de ‘Twin’ para pacientes com AF.

A Dra. Caroline Roney, da Queen Mary University of London, principal autora do estudo, disse: “Estamos muito empolgados com esta pesquisa, pois aborda o desafio de dados clínicos limitados para modelos de gêmeos digitais cardíacos. Nosso desenvolvimento principal permite grande escala em ensaios de silico e modelagem específica do paciente, com o objetivo de criar tratamentos mais personalizados para pacientes com fibrilação atrial”.

Com a fibrilação atrial afetando 1,4 milhão de pessoas no Reino Unido e a ablação falhando em metade dos casos, a tecnologia pode reduzir significativamente os procedimentos de repetição. É importante ressaltar que a abordagem da IA ​​aborda dois desafios críticos de assistência médica: disponibilidade limitada de dados do paciente e a necessidade ética de proteger informações médicas sensíveis.