Esta publicação também está disponível em:
Português
Quando se monitorizam mais intensivamente indivíduos em geral, sem o diagnóstico de fibrilação atrial (FA), a regra é aumentar a detecção desta arritmia na população. Entretanto, o rendimento desta estratégia costuma ser baixo, em outras palavras, é necessário rastrear um número muito grande de pessoas para poucos diagnósticos de FA. Dito de outra forma, “tem-se que espremer um caminhão de laranjas para se ter poucas gotas do suco”. Por isso, os estudos costumam mostrar um benefício clínico modesto desta estratégia. A inteligência artificial (IA) poderia nos ajudar na detecção da FA? Poderia aperfeiçoar esta estratégia? Poderia melhorar o rendimento?
Trabalhos retrospectivos mostraram que algorítmos de IA, analisando ECGs em ritmo sinusal, são capazes de identificar pacientes de alto risco para FA. Mas será que esses pacientes já não seriam descobertos pelo screening habitual sem a necessidade da IA? Desta forma, Peter A Noseworthy e cols. desenharam um estudo prospectivo para tentar responder estes questionamentos. Este trabalho prospectivo, www.thelancet.com Vol 400 October 8, 2022, mostrou que o algoritmo de IA foi capaz de estratificar ainda melhor o risco da população, além dos fatores clínicos tradicionais.
Apesar de não randomizado, o estudo recrutou de forma prospectiva pacientes com fatores de risco para acidente vascular cerebral, mas sem FA conhecida, que tinham sido submetidos a um ECG feito de rotina na sua prática clínica. Os participantes vestiram um monitor contínuo ambulatorial de ritmo cardíaco por até 30 dias, sendo os dados transmitidos em tempo real por meio de uma conexão de celular. O algoritmo de IA foi aplicado ao ECG para dividir os indivíduos em dois grupos: alto risco e baixo risco para desenvolver FA. O desfecho principal foi FA recém diagnosticada. Em uma análise secundária, os participantes do estudo foram pareados, utilizando-se um propensity-score (1:1), a indivíduos da população elegível do estudo, mas não inscritos, que serviram como controles de mundo real.
Quais foram os resultados? 1.003 pacientes com média de idade de 74 anos (DP 8,8), vindos de 40 Estados Americanos completaram o estudo. Com uma média de 22,3 dias de monitoramento contínuo, FA foi detectada em 6 (1,6%) dos 370 pacientes de baixo risco vs 48 (7,6%) dos 633 de alto risco (OR 4,98, 95% IC 2,11 – 11,75, p = 0,0002). Comparado ao seguimento usual, o screening guiado por IA foi associado a um aumento na detecção de FA (grupo de alto risco: 3,6% [95% IC 2,3 – 5,4] com cuidados usuais vs 10,6% [8,3 – 13,2] com screening guiado por IA, p< 0,0001; grupo de baixo risco: 0,9% vs 2,4%, p = 0,12) em um follow-up médio de 9,9 meses (IQR 7,1 – 11).
Desta forma, os autores concluíram que uma abordagem alvo guiada por inteligência artificial que aproveite dados clínicos existentes aumenta o rendimento na detecção de FA e pode melhorar a efetividade do rastreio desta arritmia.
Conclusão Cardiopapers: a IA já é uma realidade na prática clínica médica. O próximo passo será aprendermos como extrair informações mais relevantes utilizando esta ferramenta.
