Português
English
Français
Deutsch
Español
Italiano
日本語
한국어
Русский
LarInteligência artificial automatiza diagnóstico de doença valvular cardíaca grave
Aug 21, 2023
Pesquisadores do Laboratório Cardiovascular Data Science (CarDS) desenvolveram uma nova abordagem que pode detectar uma doença cardíaca valvular comum conhecida como estenose aórtica grave a partir de ultrassonografias do coração. O estudo, publicado em 23 de agosto no European Heart Journal, poderá ter implicações nos cuidados clínicos de rotina.
A estenose aórtica grave, ou EA, é um importante distúrbio de saúde, principalmente entre adultos mais velhos, causada por um estreitamento da válvula aórtica. O diagnóstico precoce pode permitir intervenções para aliviar os sintomas e reduzir o risco de hospitalização e morte prematura. A ultrassonografia especializada do coração, chamada ecocardiografia Doppler, é o principal exame para detectar EA. A equipe desenvolveu um modelo de aprendizagem profunda que pode usar exames de ultrassom cardíaco mais simples para detectar automaticamente EA grave.
A tecnologia foi desenvolvida pelo autor sênior do estudo, Rohan Khera, MD, MS, professor assistente de medicina cardiovascular e informática em saúde e diretor do CarDS Lab, juntamente com colegas do Departamento de Engenharia Elétrica e de Computação da Família Chandra na Universidade de Texas em Austin. O trabalho incorporou 5.257 estudos que incluíram 17.570 vídeos entre 2016 e 2020 no Hospital Yale New Haven. O modelo foi validado externamente por 2.040 estudos consecutivos de diferentes coortes na Nova Inglaterra e na Califórnia.
“Nosso desafio é que a avaliação precisa da EA é crucial para o manejo do paciente e a redução do risco. Embora os testes especializados continuem sendo o padrão-ouro, a confiança naqueles que chegam aos nossos laboratórios ecocardiográficos provavelmente deixa de lado as pessoas no início do estado da doença”, disse Khera.
“Nosso objetivo era desenvolver uma abordagem de aprendizado de máquina que fosse adequada para a triagem ultrassonográfica no local de atendimento”, disse o coautor do estudo, Evangelos Oikonomou, MD, DPhil, cardiologista e atual pesquisador de pós-doutorado no CarDS Lab. .
Seu trabalho permite a detecção precoce da estenose aórtica para que os pacientes possam receber atendimento oportuno. “Nosso trabalho pode permitir uma triagem comunitária mais ampla para EA, já que ultrassonografias portáteis podem ser cada vez mais usadas sem a necessidade de equipamentos mais especializados. Eles já estão sendo usados com frequência em departamentos de emergência e em muitos outros ambientes de atendimento”, acrescentou Khera.
O avanço é resultado de uma estreita colaboração entre clínicos-investigadores e cientistas da computação. Greg Holste, um estudante de doutorado na UT Austin co-orientado por Khera, liderou o desenvolvimento de uma metodologia inovadora que possibilitou a tecnologia e foi co-autor do estudo. “Para permitir o desenvolvimento prático que aproveite a tecnologia emergente para melhorar os cuidados clínicos, essa colaboração multidisciplinar é essencial”, enfatizou Khera.
Este estudo foi financiado em parte por uma doação do prêmio K23HL153775 do Instituto Nacional do Coração, Pulmão e Sangue do Instituto Nacional de Saúde.
Pesquisadores do Laboratório Cardiovascular Data Science (CarDS) desenvolveram uma nova abordagem que pode detectar uma doença cardíaca valvular comum conhecida como estenose aórtica grave a partir de ultrassonografias do coração. O estudo, publicado em 23 de agosto no European Heart Journal, poderá ter implicações nos cuidados clínicos de rotina.
A estenose aórtica grave, ou EA, é um importante distúrbio de saúde, principalmente entre adultos mais velhos, causada por um estreitamento da válvula aórtica. O diagnóstico precoce pode permitir intervenções para aliviar os sintomas e reduzir o risco de hospitalização e morte prematura. A ultrassonografia especializada do coração, chamada ecocardiografia Doppler, é o principal exame para detectar EA. A equipe desenvolveu um modelo de aprendizagem profunda que pode usar exames de ultrassom cardíaco mais simples para detectar automaticamente EA grave.
A tecnologia foi desenvolvida pelo autor sênior do estudo, Rohan Khera, MD, MS, professor assistente de medicina cardiovascular e informática em saúde e diretor do CarDS Lab, juntamente com colegas do Departamento de Engenharia Elétrica e de Computação da Família Chandra na Universidade de Texas em Austin. O trabalho incorporou 5.257 estudos que incluíram 17.570 vídeos entre 2016 e 2020 no Hospital Yale New Haven. O modelo foi validado externamente por 2.040 estudos consecutivos de diferentes coortes na Nova Inglaterra e na Califórnia.
“Nosso desafio é que a avaliação precisa da EA é crucial para o manejo do paciente e a redução do risco. Embora os testes especializados continuem sendo o padrão-ouro, a confiança naqueles que chegam aos nossos laboratórios ecocardiográficos provavelmente deixa de lado as pessoas no início do estado da doença”, disse Khera.
“Nosso objetivo era desenvolver uma abordagem de aprendizado de máquina que fosse adequada para a triagem ultrassonográfica no local de atendimento”, disse o coautor do estudo, Evangelos Oikonomou, MD, DPhil, cardiologista e atual pesquisador de pós-doutorado no CarDS Lab. .
Seu trabalho permite a detecção precoce da estenose aórtica para que os pacientes possam receber atendimento oportuno. “Nosso trabalho pode permitir uma triagem comunitária mais ampla para EA, já que ultrassonografias portáteis podem ser cada vez mais usadas sem a necessidade de equipamentos mais especializados. Eles já estão sendo usados com frequência em departamentos de emergência e em muitos outros ambientes de atendimento”, acrescentou Khera.
O avanço é resultado de uma estreita colaboração entre clínicos-investigadores e cientistas da computação. Greg Holste, um estudante de doutorado na UT Austin co-orientado por Khera, liderou o desenvolvimento de uma metodologia inovadora que possibilitou a tecnologia e foi co-autor do estudo. “Para permitir o desenvolvimento prático que aproveite a tecnologia emergente para melhorar os cuidados clínicos, essa colaboração multidisciplinar é essencial”, enfatizou Khera.
Este estudo foi financiado em parte por uma doação do prêmio K23HL153775 do Instituto Nacional do Coração, Pulmão e Sangue do Instituto Nacional de Saúde.