Inteligência Artificial pode prever risco de doença cardíaca na radiografia de tórax

As radiografias de tórax podem ser usadas para detectar doenças insuspeitas da artéria coronária? Um programa de inteligência artificial (IA) mostrou que é mais do que possível, de acordo com uma pesquisa publicada em 17 de junho na Radiology: Cardiothoracic Imaging. Em um estudo de prova de conceito, radiologistas da Universidade Johns Hopkins em Baltimore desenvolveram uma rede neural convolucional profunda (DCNN) que não apenas identificou o cálcio da artéria coronária em radiografias de tórax, mas também correlacionou os achados com um maior risco de doença cardiovascular. Além do mais, funcionou independentemente dos fatores de risco tradicionais, como tabagismo ou diabetes.

"Demonstramos que os DCNNs podem prever a probabilidade de [cálcio da artéria coronária] em radiografias de tórax, embora com desempenho modesto, e que isso se correlaciona com o risco cardiovascular específico do paciente", escreveram os autores, liderados pelo Dr. Peter Kamel.

O aprendizado de máquina já havia sido usado no cálculo automatizado de pontuações de Agatston de tomografias computadorizadas cardíacas com e sem extensão eletrocardiográfica. No entanto, as tomografias têm maior custo e exposição à radiação do que as radiografias de tórax mais comumente obtidas. Um método automatizado para rastrear o cálcio da artéria coronária em radiografias de tórax pode fornecer informações prognósticas clinicamente significativas em pacientes com doença arterial coronariana insuspeita, de acordo com os pesquisadores.

Neste estudo, Kamel e colegas perguntaram se um modelo automatizado poderia ser desenvolvido para prever a presença de cálcio na artéria coronária em radiografias de tórax e correlacionar os resultados com o risco cardiovascular.

Eles obtiveram dados de imagem de 1.010 pacientes submetidos a tomografias de cálcio padrão e radiografias laterais de tórax em um período de 12 meses entre 2013 e 2018. As varreduras de cálcio por tomografia foram para fins de estratificação de risco cardiovascular, enquanto os raios-x de tórax foram adquiridos para várias indicações, como dor no peito, tosse e falta de ar. As pontuações totais da TC de cálcio de Agatston e as pontuações para cada artéria coronária (principal esquerda, descendente anterior esquerda, circunflexa esquerda e artérias coronárias direitas) foram determinadas para estabelecer a verdade e usadas para treinar, validar e testar o programa em raios-x.

O conjunto de dados incluiu 888 imagens de raios-x em que a TC correspondente tinha uma pontuação de cálcio diferente de zero e 382 imagens com uma pontuação de cálcio maior que 100. O desempenho do modelo de IA para classificar entre 0 e pontuações de cálcio total diferentes de zero nas radiografias atingiu um AUC de 0,73 nas radiografias frontais, com desempenho semelhante nas laterais (AUC, 0,70). O modelo alcançou uma AUC de 0,73 classificando entre zero e diferente de zero escores de Agatston nas radiografias de tórax posteroanterior.

Os resultados são modestos, segundo os pesquisadores. No entanto, além disso, as radiografias frontais com teste positivo para cálcio na artéria coronária se correlacionaram com um risco maior de doença cardiovascular aterosclerótica em 10 anos de 17,2%, em comparação com 11,9% para um teste negativo, eles descobriram. "Um método automatizado de triagem de [cálcio na artéria coronária] em radiografias de tórax pode fornecer informações prognósticas clinicamente significativas em pacientes com doença arterial coronariana insuspeita", escreveram Kamel e colegas.

Por exemplo, radiografias de tórax são obtidas rotineiramente na avaliação inicial de dor torácica no departamento de emergência e um algoritmo que prediz a presença de cálcio nas artérias coronárias pode ser útil para orientar a avaliação diagnóstica subsequente em um cenário agudo, sugeriram. Os pesquisadores notaram várias limitações. Após a revisão dos mapas de calor, desfibriladores cardíacos, que foram vistos em 61 imagens (4% do conjunto de dados), foram confundidores e às vezes mais importantes para a tomada de decisão holística do algoritmo do que a visualização do cálcio.

No entanto, o estudo serve como uma prova de conceito de que os DCNNs podem prever o cálcio da artéria coronária e o risco cardiovascular em radiografias de tórax, além da atenção do radiologista humano típico, observaram os pesquisadores. Os resultados deste estudo podem servir como um piloto para futuras aplicações em aprendizagem profunda. "Aqui, demonstramos a capacidade de extrair informações de imagens médicas não prontamente observadas em análises humanas que podem afetar o gerenciamento clínico e a investigação diagnóstica", concluíram.

Imagem: Radiografias laterais de tórax marcadas com pontuações totais de Agatston. Apesar de treinar apenas em números de pontuação de cálcio, os algoritmos aprenderam a focar e priorizar a silhueta cardíaca para prever a presença de cálcio na artéria coronária. Coluna esquerda, radiografias; coluna do meio, mapas de calor baseados na atenção; coluna direita, mapas de calor sobrepostos em radiografias. Imagem cortesia de Radiology: Cardiothoracic Imaging .

Fonte: https://www.auntminnie.com/index.aspx?sec=sup&sub=xra&pag=dis&ItemID=132723