A tecnologia de IA de Oxford detecta precocemente o risco de insuficiência cardíaca a partir de tomografias computadorizadas de rotina com 86% de precisão em 72,000 pacientes.
Em Breve
Pesquisadores da Universidade de Oxford desenvolveram um sistema de IA que detecta alterações sutis e invisíveis na gordura cardíaca a partir de tomografias computadorizadas de rotina, prevendo o risco de insuficiência cardíaca com até cinco anos de antecedência, com 86% de precisão em 72,000 pacientes.
Pesquisadores da Universidade de Oxford Desenvolvemos um sistema de inteligência artificial capaz de estimar o risco de um paciente desenvolver insuficiência cardíaca com até cinco anos de antecedência, alcançando 86% de precisão na validação com mais de 72,000 pacientes. A abordagem não requer exames adicionais, intervenção especializada ou novos equipamentos médicos, pois se baseia em tomografias computadorizadas cardíacas já realizadas rotineiramente na prática clínica.
O trabalho, liderado pelo Professor Charalambos Antoniades e publicado no Journal of the American College of Cardiology, aborda uma limitação de longa data na cardiologia: a insuficiência cardíaca geralmente é diagnosticada somente após danos estruturais significativos já terem ocorrido, momento em que as opções de prevenção são frequentemente limitadas. O sistema proposto direciona a atenção para as alterações biológicas precoces que precedem os sintomas visíveis em vários anos.
No centro do modelo está uma fonte de dados não convencional: a gordura que envolve o coração, conhecida como tecido adiposo pericárdico. Embora tradicionalmente negligenciado em análises de rotina de exames, esse tecido parece refletir alterações inflamatórias e metabólicas subjacentes que ocorrem no próprio músculo cardíaco.
Segundo os pesquisadores, esses depósitos de gordura alteram gradualmente sua textura em resposta ao estresse no sistema cardiovascular, criando padrões que não são detectáveis pela interpretação humana padrão de exames de imagem. O sistema de IA foi projetado para identificar essas variações sutis e traduzi-las em uma estimativa quantificada do risco de insuficiência cardíaca futura.
Lendo sinais que o olho humano não consegue ver.
A tomografia computadorizada cardíaca é amplamente utilizada no Serviço Nacional de Saúde do Reino Unido para investigar dor torácica e avaliar doenças coronárias, com centenas de milhares de exames realizados anualmente. Em fluxos de trabalho clínicos típicos, os radiologistas se concentram principalmente em bloqueios arteriais e anormalidades visíveis, enquanto o tecido adiposo circundante recebe atenção analítica limitada.
O modelo de Oxford reaproveita essa camada de dados negligenciada, analisando características texturais na gordura pericárdica. Utilizando técnicas de aprendizado de máquina treinadas com dados de tomografia computadorizada anonimizados de mais de 59,000 pacientes do NHS (Serviço Nacional de Saúde do Reino Unido), o sistema aprendeu a associar padrões de imagem específicos ao desenvolvimento posterior de insuficiência cardíaca durante longos períodos de acompanhamento.
Em testes de validação envolvendo 13,424 pacientes adicionais, o modelo apresentou uma taxa de acerto de 86% na previsão do risco de insuficiência cardíaca em cinco anos. Indivíduos classificados no grupo de maior risco apresentaram uma probabilidade aproximadamente 20 vezes maior de desenvolver a doença do que aqueles na categoria de menor risco, com uma probabilidade estimada de uma em quatro de início da insuficiência cardíaca em cinco anos.
É importante destacar que o sistema gera pontuações de risco automaticamente, sem exigir intervenção manual dos médicos. Isso o posiciona como uma potencial ferramenta de apoio à decisão, em vez de um substituto para os processos de diagnóstico existentes.
De exames cardíacos a qualquer tomografia computadorizada do tórax — e um caminho para o NHS (Serviço Nacional de Saúde do Reino Unido).
A ambição mais ampla da pesquisa é estender a tecnologia para além da imagem cardíaca específica. A equipe está atualmente trabalhando na adaptação do modelo para analisar tomografias computadorizadas (TC) de tórax padrão, incluindo aquelas usadas na triagem de câncer de pulmão e no diagnóstico respiratório. Dado o volume significativamente maior de exames de TC de tórax em comparação com os exames cardíacos específicos, essa adaptação poderia aumentar substancialmente o alcance do sistema.
Clinicamente, as implicações estão ligadas à intervenção precoce. Ao identificar pacientes de alto risco anos antes do aparecimento dos sintomas, os profissionais de saúde podem ajustar as estratégias de monitoramento, iniciar tratamentos preventivos mais cedo e priorizar recursos de forma mais eficaz. Com a insuficiência cardíaca já afetando mais de um milhão de pessoas no Reino Unido, o impacto potencial na demanda por cuidados de saúde a longo prazo é considerável.
Estão em andamento os planos para obter a aprovação regulatória para a integração do sistema aos fluxos de trabalho de radiologia de rotina no NHS (Serviço Nacional de Saúde do Reino Unido). Se adotado, o sistema operaria em segundo plano durante os procedimentos de imagem padrão, produzindo avaliações de risco automatizadas sem custo adicional ou alteração nos protocolos de escaneamento.
A pesquisa foi financiada pela British Heart Foundation e pelo National Institute for Health and Care Research Biomedical Research Centre, em Oxford. Ela reflete uma mudança mais ampla na área de imagens médicas, onde a inteligência artificial é cada vez mais utilizada não apenas para detectar doenças existentes, mas também para inferir riscos futuros a partir de sinais biológicos sutis e antes subutilizados, presentes em exames de rotina.
Aviso Legal
Em linha com a Diretrizes do Projeto Trust, observe que as informações fornecidas nesta página não se destinam e não devem ser interpretadas como aconselhamento jurídico, tributário, de investimento, financeiro ou qualquer outra forma. É importante investir apenas o que você pode perder e procurar aconselhamento financeiro independente se tiver alguma dúvida. Para mais informações, sugerimos consultar os termos e condições, bem como as páginas de ajuda e suporte fornecidas pelo emissor ou anunciante. MetaversePost está comprometida com relatórios precisos e imparciais, mas as condições de mercado estão sujeitas a alterações sem aviso prévio.
Sobre o autor
Alisa, jornalista dedicada do MPost, é especializada em criptomoedas, IA, investimentos e no vasto campo de Web3. Com um olhar atento às tendências e tecnologias emergentes, ela oferece uma cobertura abrangente para informar e envolver os leitores no cenário em constante evolução das finanças digitais.
Mais artigos
Alisa, jornalista dedicada do MPost, é especializada em criptomoedas, IA, investimentos e no vasto campo de Web3. Com um olhar atento às tendências e tecnologias emergentes, ela oferece uma cobertura abrangente para informar e envolver os leitores no cenário em constante evolução das finanças digitais.
