Esta publicação também está disponível em:
Português
A ressonância magnética cardíaca (RMC) é o padrão-ouro para avaliação da função cardíaca e desempenha um papel crucial no diagnóstico de doenças cardiovasculares (DCV). No entanto, sua utilização mais ampla tem sido limitada pelos custos e disponibilidade para a realização e interpretação.
Como a inteligência artificial pode ajudar?
Pesquisadores adotaram uma interpretação totalmente automatizada baseada em IA de estudos de RMC para diagnosticar 11 diferentes tipos de doenças cardiovasculares, sem qualquer intervenção humana. Eles coletaram um banco de dados com quase 10.000 exames de ressonância de 8 centros médicos na China. Todos os pacientes tinham diagnósticos conhecidos.
A abordagem teve um desempenho admirável com um desempenho diagnóstico muito alto: os modelos de triagem e diagnóstico alcançaram alto desempenho (área sob a curva de 0,988 ± 0,3% e 0,991 ± 0,0%, respectivamente) tanto em bancos de dados internos quanto externos. Quando comparado com leitores humanos, o algoritmo apresentou um nível semelhante ao de leitores com mais de 10 anos de experiência. A abordagem automatizada superou todos os operadores humanos no diagnóstico de hipertensão pulmonar, demonstrando o potencial da inteligência artificial associada à RMC para detectar características difíceis de identificar.
Este é um estudo rigorosamente executado que fornece uma prova de conceito para o campo da interpretação automatizada de imagens cardíacas. Como observam os autores, uma próxima fase poderia ser incorporar informações clínicas, assim como um leitor humano faria (história de hipertensão auxiliando no diagnóstico de doença cardíaca hipertensiva, por exemplo).
Embora os autores mencionem várias limitações de seu estudo, uma não é mencionada. Eles inicialmente sugerem que a necessidade desse tipo de abordagem automatizada é a disponibilidade limitada de leitores especializados, o que de fato é um problema para a RMC. No entanto, em centros ou hospitais onde não há um cardiologista com formação específica para interpretar uma ressonância, geralmente também há pouca ou nenhuma experiência na aquisição de imagens de RMC. A qualidade da imagem tem um papel muito grande no desempenho diagnóstico de humanos ou mesmo algoritmos. Precisamos entender como esses algoritmos poderiam se sair em cenários de aparelhos antigos, sem cardiologista presente, com qualidade de imagem não ideal.
No entanto, este estudo é um passo importante para melhorar a eficiência da interpretação da RMC. Pode-se facilmente imaginar como isso poderia ser implantado como um primeiro passo na interpretação de imagens, deixando-o como uma leitura totalmente automatizada se for feito um diagnóstico de alta confiança (ou estudo normal de alta confiança), trazendo humanos para uma “segunda opinião” se houver ambiguidade.
Perspectivas
Como mencionado, a interpretação automatizada pode melhorar significativamente a eficiência, especialmente em centros com escassez de especialistas. Com o desenvolvimento contínuo, algoritmos podem ser aprimorados para incorporar dados clínicos e melhorar ainda mais a precisão diagnóstica. A adoção de IA já é uma realidade, e acreditamos que os programas de educação já precisam se adaptar e focar na formação de cardiologistas capazes de trabalhar em sinergia com tecnologias avançadas.
Referência
Screening and diagnosis of cardiovascular disease using artificial intelligence-enabled cardiac magnetic resonance imaging. Nat. Med. 2024 May 01;30(5)1471-1480
