Esta publicação também está disponível em:
Português 
Español
Estudo recente publicado no European Heart Journal avaliou uso de ferramentas de inteligência artificial para o diagnóstico de coronariopatia. Trata-se de um estudo prova de conceito, que tinha com principal objetivo demonstrar a viabilidade de um algoritmo de deep learning para identificar dac obstrutiva através de reconhecimento facial.
A ideia de que algumas características faciais podem ser preditoras de doença coronária não é recente. E já se sabe que calvície, xantelasmas, arco corneano e sulco no lóbulo da orelha são marcadores de risco cardiovascular. No entanto, essa correlação é difícil de quantificar e de reproduzir em grandes estudos. Nesse sentido, o uso da inteligência artificial surge como ferramenta interessante, já que os algoritmos são capazes de identificar e quantificar padrões que fogem à percepção humana.
Esse é um estudo transversal em que foram selecionados pacientes de 9 centros da China em programação de realizar cateterismo ou angiotomografia de coronárias (idade média 59 anos). Na primeira fase, cerca de 5.800 pacientes foram recrutados para a etapa de “treinamento” da plataforma. Todos os pacientes foram submetidos a um protocolo de coleta de dados clínicos e de fotos faciais que foram correlacionadas com os respectivos resultados das coronariografias. O exames de imagem foram laudados por pelo menos dois radiologistas independentes e cegos para os outros dados. Em seguida, foram construídos algoritmos com redes neurais de deep learning para identificar, com base em características das fotos faciais, pacientes com obstrução coronária ≥ 50%. Na segunda fase, foi realizado o teste da ferramenta em uma amostra de 1013 pacientes. O método foi comparado com método tradicionais de predição de DAC (ex: Diammond-Forrester e CAD consortium)
Alguns pontos de destaque:
- O algoritmo apresentou sensibilidade de 80% e especificidade de 54% para a presença de dac ≥ 50%. Na curva ROC, a área sob a curva foi 0,73 e superior à de escores clínicos como Diammond-Forrester e CAD Consortium
- A criação de um modelo misto, incluindo dados clínicos e dados das fotos faciais não foi superior ao algoritmo isoladamente
- O algoritmo teve melhor desempenho em pacientes com maior probabilidade pré-teste de dac: angina típica e maior número de fatores de risco para dac
Mas, afinal, qual o racional utilizado pelo algoritmo?
Além de avaliar características faciais como idade, sexo, presença de calvície, rugas, xantelasmas e formato do lóbulo da orelha, o algoritmo também foi capaz de identificar (com moderada acurácia) fatores de risco cardiovasculares como hipertensão, dislipidemia, diabetes, tabagismo e IMC. Outro dado intrigante, é que características relacionadas ao contorno da testa, nariz e queixo foram as que mais tiveram peso no algoritmo. E para comprovar esse achado, os pesquisadores realizaram testes de “oclusão” de algumas regiões, o que causou impacto no desempenho da ferramenta.
Esse estudo nos trás uma amostra das contribuições que a inteligência artificial pode trazer para a cardiologia. Não é difícil imaginarmos um futuro breve em que ferramentas como essa estejam disponíveis em nossos celulares, auxiliando na estratificação de risco para dac dos pacientes. Para tanto, ainda há um caminho a seguir, com a validação dos algoritmos em estudos maiores e em diferentes países e etnias.
Lin S et al. Feasibility of using deep learning to detect coronary artery disease based on facial photo. European Heart Journal (2020) 41, 4400–4411
