Em Alta NotíciasFutebolBrasileconomiaPolítica

Converse com o Telinha

Telinha
Oi! Posso responder perguntas apenas com base nesta matéria. O que você quer saber?

IA pode prever quais pacientes com insuficiência cardíaca piorarão em um ano

IA prevê queda na fração de ejeção em até um ano em insuficiência cardíaca, permitindo priorizar acompanhamento e otimizar recursos médicos

MIT PhD students Tiffany Yau (left) and Teya Bergamaschi are two of the co-first authors behind a new paper introducing a deep learning model that can predict which patients with heart failure are at risk of having their condition worsen up to a year in advance.
0:00
Carregando...
0:00
  • Equipe de MIT, Mass General Brigham e Harvard Medical School desenvolveu o PULSE-HF, modelo de aprendizado profundo para prever mudanças na fração de ejeção do ventrículo esquerdo (LVEF) em até um ano em pacientes com insuficiência cardíaca.
  • O estudo, em três coortes (Mass General Hospital, Brigham and Women’s Hospital e MIMIC‑IV), registrou AUROC entre 0,87 e 0,91 para prever queda da LVEF.
  • Existe uma versão de ECG de um único eletrodo cujo desempenho foi tão bom quanto a versão de doze derivações.
  • O objetivo é priorizar follow-up de pacientes com pior prognóstico e reduzir visitas de baixo risco, inclusive em ambientes com poucos recursos, como consultórios rurais.
  • O próximo passo é um estudo prospectivo com pacientes reais; os pesquisadores enfrentaram desafios de coleta, limpeza e rotulagem de dados de ECG e ecocardiograma.

O MIT, Mass General Brigham e a Harvard Medical School desenvolveram um modelo de deep learning para prever, com até um ano de antecedência, o prognóstico de pacientes com insuficiência cardíaca. O estudo apresenta o PULSE-HF, que usa eletrocardiograma para estimar mudanças na fração de ejeção do ventrículo esquerdo.

A pesquisa, publicada na Lancet eClinical Medicine, testou o modelo em três cohortes diferente: Massachusetts General Hospital, Brigham and Women’s Hospital e MIMIC-IV. O objetivo é identificar pacientes cujos níveis de fração de ejeção devem piorar em até 12 meses.

O estudo foi conduzido no laboratório de Collin Stultz, ligado ao MIT Abdul Latif Jameel Clinic, com participação de alunos de MIT, GHB e HMS. O PULSE-HF mede a capacidade de prever quedas na fração de ejeção a partir de single e 12-lead ECG.

Funcionamento e resultados

O modelo obtém um ECG e prevê se a fração de ejeção ficará abaixo de 40% no próximo ano. Tal previsão permite priorizar acompanhamento clínico de pacientes de maior risco, reduzindo visitas desnecessárias para casos de baixo risco.

Em termos de desempenho, o PULSE-HF apresentou área sob a curva (AUROC) entre 0,87 e 0,91 nas três coortes, indicando boa capacidade de discriminação entre pacientes com piora prevista ou não.

Uma versão de ECG de único eletrodo também foi desenvolvida, mantendo desempenho próximo ao da versão de 12 derivação, o que facilita uso em cenários com recursos limitados.

Desafios e próximos passos

Os pesquisadores destacam que a construção envolveu coleta, limpeza e annotação cuidadosa de dados de ECG e ecocardiografia, com rótulos nem sempre disponíveis. A equipe pretende testar o modelo em estudo prospectivo com pacientes reais, sem saber a evolução futura.

A equipe enfatiza que, diferentemente de técnicas de detecção, o PULSE-HF foca em previsão de piora, o que pode orientar decisões clínicas e uso de recursos. O trabalho ressalta a viabilidade de uso em ambientes com poucos recursos, como consultórios rurais.

Comentários 0

Entre na conversa da comunidade

Os comentários não representam a opinião do Portal Tela; a responsabilidade é do autor da mensagem. Conecte-se para comentar

Veja Mais