A inteligência artificial (IA) pode mudar a medicina cardiovascular. No entanto, até agora, ainda existem muitos desafios e poucas ferramentas de IA demonstraram melhorar o atendimento. Isso é o que mostra uma nova declaração científica da American Heart Association, publicada hoje em Circulation, a principal revista da associação.
A nova declaração científica, intitulada “Uso da Inteligência Artificial para Melhorar Resultados em Doenças Cardíacas” (Uso da inteligência artificial para melhorar resultados em doenças cardíacas), surge em um momento em que a IA está recebendo muita atenção como uma forma de melhorar a prevenção, detecção, diagnóstico e tratamento de doenças cardiovasculares.
Aqui, apresentamos o estado atual da ciência em relação a aplicações específicas de IA – desde imagens e wearables até eletrocardiografia e genética”, disse o presidente do comitê editorial, Antonis Armoundas, Ph.D., pesquisador sênior do Cardiovascular Research Center no Massachusetts General Hospital e professor associado de medicina na Harvard Medical School, ambos em Boston. “Os objetivos deste manuscrito incluem identificar as melhores práticas, bem como lacunas e desafios que podem melhorar a aplicabilidade das ferramentas de IA em cada área.”
A IA é capaz de analisar e fazer previsões a partir de enormes quantidades de dados, geralmente para tarefas estritamente definidas, como fornecer insights clínicos e mecanicistas em estudos básicos, translacionais e clínicos. O aprendizado de máquina usa modelos e algoritmos estatísticos e matemáticos para identificar padrões em grandes conjuntos de dados que podem não ser aparentes para observadores humanos usando abordagens padrão. O Deep Learning, um subcampo do aprendizado de máquina, lida com a avaliação de conjuntos de dados muito complexos e sua atribuição a rótulos úteis, como no reconhecimento e interpretação de imagens.
O uso dessas tecnologias levou à análise de prontuários eletrônicos de saúde (EHR) para entender vários efeitos de tratamento, comparar a eficácia de testes e intervenções e, mais recentemente, criar modelos preditivos, de classificação e de otimização que auxiliam na tomada de decisões clínicas. As aplicações de IA no atendimento cardiovascular incluem imagem cardíaca, eletrocardiografia (ou ECG), monitoramento à beira do leito, tecnologias implantáveis e vestíveis, genética e interpretação de prontuários eletrônicos de pacientes.
Lacunas e desafios
As restrições ao uso de IA e aprendizado de máquina em todas as áreas da medicina cardiovascular incluem, de acordo com a declaração:
- Protocolos que garantam a aquisição, seleção e organização adequadas das informações, bem como o compartilhamento e a privacidade, são cruciais. Desafios éticos e legais potenciais também precisam ser abordados.
- É necessária uma base de conhecimento científico maior. Os algoritmos atuais baseados em IA carecem de pesquisas prospectivas ou estudos que modelem os efeitos da IA para investigar com precisão seus impactos potenciais no futuro. Há uma necessidade urgente de informações coletadas prospectivamente, estudos clínicos e desenvolvimento de fluxos de trabalho automatizados para iniciar e manter tarefas específicas que podem melhorar a eficiência.
- A implementação de algoritmos de IA na prática pode ser limitada pela falta de plataformas padronizadas na indústria da saúde para relatar previsões e escalar insights em conjuntos de dados.
- Os autores também apontam para a necessidade de desenvolver caminhos regulatórios nos EUA para tecnologias com suporte de IA para garantir segurança e eficácia e mitigar danos, pois as tecnologias evoluem rapidamente.
“Validação clínica prospectiva robusta em populações grandes e heterogêneas que minimiza várias formas de viés é essencial para eliminar incertezas e construir confiança, o que, por sua vez, ajudará a aumentar a aceitação e adoção clínica”, disse Armoundas.
IA em aplicações cardiovasculares
Os autores examinaram várias áreas de uso de IA na medicina cardiovascular:
Imagens. A geração de imagens é importante para o diagnóstico preciso de doenças cardiovasculares e derrames. O uso de IA e aprendizado de máquina visa eliminar inconsistências na interpretação humana e aliviar especialistas sobrecarregados do processamento de imagens cardíacas e cerebrais. O uso de IA e aprendizado de máquina para interpretação de exames de imagem em geral é desafiador, pois muitas vezes faltam conjuntos de dados de imagem representativos; além disso, para cada área de aplicação, é necessário validar como essas tecnologias afetam os resultados clínicos.
Eletrocardiografia. As aplicações promissoras da IA incluem a interpretação da eletrocardiografia, que mede a atividade elétrica do coração. A IA ajudou a automatizar a interpretação do ECG, identificando achados sutis que os especialistas humanos podem não ver e prevendo mudanças que indicam anomalias ainda não óbvias.
Tecnologias implantáveis e vestíveis. Tecnologias implantáveis e vestíveis podem avaliar informações de saúde de forma quase contínua, o que pode contribuir para a detecção mais rápida de declínios funcionais e/ou a necessidade de monitoramento aprimorado ou busca por métodos de intervenção. Em última análise, esses dispositivos permitem o monitoramento remoto, que pode desempenhar um papel mais direto na facilitação de cuidados ambulatoriais bem-sucedidos. Em alguns casos, dispositivos vestíveis podem ajudar a reduzir as disparidades nos cuidados e melhorar o bem-estar. Ainda não está claro quais pacientes e condições são mais adequados para monitoramento remoto auxiliado por IA e aprendizado de máquina, e como os protocolos de tratamento podem ser desenvolvidos e validados para eles.
Os autores observam que dispositivos vestíveis de consumo, incluindo smartwatches e rastreadores de fitness, que medem atividade física, frequência cardíaca e outros parâmetros fisiológicos, podem ou não conter componentes aprovados pela FDA. A eficácia e a precisão dos dispositivos vestíveis dependem de muitos fatores, incluindo o tipo de sensor(es) no dispositivo. No geral, ainda existem lacunas na padronização do uso ideal desses dispositivos e em como garantir custo-efetividade, implementação, ética, privacidade, segurança, acesso equitativo e muito mais.
Genética. Embora os algoritmos de IA tenham aprimorado a capacidade de interpretar variantes genéticas e anomalias, o comitê de autores adverte contra o uso dessas ferramentas para classificações definitivas.
Já existem inúmeras aplicações em que ferramentas digitais baseadas em IA e aprendizado de máquina podem aprimorar o rastreamento, obter insights sobre quais fatores melhoram a saúde de um paciente individual e desenvolver tratamentos de precisão para condições de saúde complexas", disse Armoundas.
“Há uma necessidade urgente de desenvolver programas que acelerem o treinamento na ciência por trás das ferramentas de IA/aprendizado de máquina, acelerando assim a adoção e a criação de processos automatizados, gerenciáveis e de custo-efetivo. Precisamos de mais ferramentas de IA e aprendizado de máquina para medicina de precisão que ajudem a atender às necessidades importantes e não atendidas na medicina, que podem então ser testadas em estudos clínicos robustos”, disse Armoundas. “Esse processo deve incorporar organicamente a necessidade de evitar vieses e maximizar a generalização dos resultados para evitar a perpetuação de disparidades existentes nos cuidados de saúde.”
Esta declaração científica foi elaborada pelo grupo de autores voluntários em nome do Institute for Precision Cardiovascular Medicine da American Heart Association, do Council on Cardiovascular and Stroke Nursing, do Council on Cardiovascular Disease in the Young, do Council on Cardiovascular Radiology and Intervention, do Council on Hypertension, do Council on the Kidney in Cardiovascular Disease e do Stroke Council. As declarações científicas da American Heart Association promovem a conscientização sobre doenças cardiovasculares e derrames e ajudam a tomar decisões informadas no sistema de saúde. As declarações científicas descrevem o que se sabe atualmente sobre um tópico e quais áreas necessitam de pesquisa adicional. Embora as declarações científicas contribuam para o desenvolvimento de diretrizes, elas não fornecem recomendações de tratamento. As diretrizes da American Heart Association representam as recomendações oficiais de prática clínica da associação.
Os membros e coautores do comitê de redação incluem o copresidente Sanjiv M. Narayan, M.D., Ph.D., FAHA; Donna K. Arnett, Ph.D., FAHA; Kayte Spector-Bagdady, J.D.; Derrick A. Bennett, Ph.D.; Leo Anthony Celi, M.D.; Paul A. Friedman, M.D.; Michael H. Gollob, M.D.; Jennifer L. Hall, Ph.D.; Anne E. Kwitek, Ph.D., FAHA; Elle Lett, Ph.D.; Bijoy K. Menon, M.D.; Katherine A. Sheehan, Ph.D.; e Salah S. Al-Zaiti, Ph.D. As divulgações dos autores estão incluídas no manuscrito.
A associação é financiada principalmente por indivíduos. Doações e financiamento para programas e eventos específicos da associação também vêm de fundações e empresas (incluindo empresas farmacêuticas, fabricantes de dispositivos e outras empresas). A associação tem políticas rigorosas para evitar que essas relações influenciem o conteúdo científico. As receitas de empresas farmacêuticas e de biotecnologia, fabricantes de dispositivos e seguradoras de saúde, bem como os dados financeiros gerais da associação, podem ser encontrados aqui.
