Cardiologia1 abril 2024
IA na identificação de FA nos pacientes com AVC de causa indeterminada
Artigo apresentou algoritmo de IA para detecção de FA nos pacientes com acidente vascular cerebral (AVC) embólico de causa indeterminada
O acidente vascular cerebral (AVC) embólico de causa indeterminada (ESUS, do inglês embolic stroke of undetermined cause) representa aproximadamente um terço de todos os AVC. Sabe-se que grande parte desses casos envolve fibrilação atrial (FA) não diagnosticada mesmo após extensa investigação.
A detecção de FA permanece um desafio por se apresentar muitas vezes de forma esporádica, mas fazer esse diagnóstico é extremamente importante para que se inicie a prevenção secundária.
Nesse contexto, a inteligência artificial (IA) pode ser muito útil. Já existem alguns estudos que mostram a eficácia da IA no diagnóstico de FA, mas esses estudos foram feitos com a população em geral, sem subgrupo específico.
Estudo
Recentemente, foi publicado um artigo da Heart Rhythm Society que apresentava um algoritmo de IA para detecção de FA especificamente nos pacientes com ESUS. Nesse estudo, pacientes com ESUS que foram submetidos ao implante de um monitor cardíaco implantável foram recrutados em quatro hospitais coreanos entre 2018 e 2022. Foram incluídos 352 pacientes, os quais foram seguidos por pelo menos 6 meses após o implante do monitor ou com FA detectada nos seis primeiros meses. O desfecho primário a ser estudado era a performance da IA em identificar episódios de FA > 1 hora, como detectada pelo monitor cardíaco implantável. O modelo de IA processava o eletrocardiograma (ECG) de 12 derivações associado a um escore (AI-FA risk score). Esse escore avaliava se o paciente estava em FA ou tinha risco de desenvolver FA nos próximos 2 anos. A base de dados para o desenvolvimento do algoritmo envolveu 808.194 ECGs de 121.282 pacientes coreanos. Leia também: Inteligência artificial e a contribuição na patologiaResultados
Os pacientes foram seguidos por 25,1 meses. Episódios de FA com > 1 hora duração foram identificados em 58 pacientes (14,4%). A área sob a curva ROC foi de 0,806. O modelo de IA se mostrou muito efetivo na detecção de episódios de FA, com alta acurácia e precisão. A integração de parâmetros como sexo, idade, IMC, volume do átrio esquerdo melhoraram ainda mais a performance da IA (AUC 0,880). O algoritmo teve maior precisão na identificação de episódios de FA mais longos, juntamente com uma tendência temporal, indicando que o escore aumentou à medida que o registro do ECG se aproximava do início da FA (p <0,0001). O artigo destaca a importância da IA nesse contexto, já que, comparado aos métodos convencionais como os monitores implantáveis, esse método é mais custo-efetivo, não invasivo e com resultados quase instantâneos. Saiba mais: ESC 2023: A inteligência artificial irá substituir os cardiologistas?Conclusão
Diagnosticar FA em pacientes com AVC embólico de causa indeterminada pode ser desafiador já que a arritmia pode se apresentar de forma esporádica. Entretanto, esse diagnóstico é crucial para que a anticoagulação seja iniciada a fim de se evitar um novo AVC. A IA pode ser muito útil nesses casos, já que a instalação de monitor cardíaco implantável muitas vezes não é factível pela sua baixa disponibilidade e alto custo. Nesse contexto, os modelos de IA têm se mostrado cada vez mais acurados na detecção de FA. O estudo tem algumas limitações. O modelo de IA não fornece o momento exato da ocorrência de FA. Além disso, não é possível determinar se a FA detectada meses depois do ESUS não tinha sido detectada anteriormente ou se a arritmia começou após o ESUS. Além disso, o estudo foi conduzido em uma coorte coreana, o que limita a generalização dos resultados para outras populações.Anúncio
Como você avalia este conteúdo?
Sua opinião ajudará outros médicos a encontrar conteúdos mais relevantes.