IA na Cardiopatia Estrutural

Seguindo o fluxo de atendimento ao paciente, passamos para os métodos diagnósticos e provavelmente aqui estejam concentradas as ferramentas que mais chamaram atenção nos últimos anos.

A eletrocardiografia é um método em que a inteligência artificial é uma possibilidade há mais de 20 anos, seja em sugestão e diagnósticos por identificação de padrões, seja na predição de desfechos como mais frequentemente temos acompanhado.

Embora o racional do método seja essa identificação de padrões, muitos deles ainda são desconhecidos da comunidade médica, não se limitando apenas aos tradicionais achados de sobrecargas cavitarias ou hipertrofias. O cruzamento com dados demográficos parece melhorar ainda mais a acurácia dessas ferramentas na eletrocardiografia.

O ecocardiograma também é um método diagnóstico que recebe abordagem de inteligência artificial em diversos momentos do exame. Seja no ajuste da obtenção das imagens, na agilidade dos cálculos dos métodos tradicionais como Simpson ou Strain miocárdico ou mesmo em novos parâmetros como estimativa de calcificação valvar de acordo com os pixels e suas colorações.

O ponto mais vulnerável nessa etapa é a qualidade das imagens obtidas. Como boa parte do treinamento dessas tecnologias é realizada com imagens consideradas ótimas, quando levamos isso para o mundo real em que as imagens têm qualidades inferiores, a acurácia da inteligência artificial cai drasticamente.

Os métodos de imagem multimodalidade podem ser abordados da mesma forma que encontramos na ecocardiografia e ainda com a vantagem de em breve formarmos imagens de fusão entre os métodos melhorando ainda mais o grau de informações disponíveis para o Heart Team.

Antes de partirmos para a intervenção propriamente dita, uma etapa fundamental e que pode mudar completamente o desfecho é o planejamento minucioso do procedimento. O que antes era genericamente chamado de “screening”, atualmente pode ser um “pente fino” para identificação de possíveis complicações e antecipação de correção de rotas que tornam a jornada do paciente ainda mais segura.

Em casos de abordagem da valva aórtica, o estudo do complexo valvar aórtico por métodos de imagem como tomografia ou alternativamente ecocardiografia tridimensional pode ser abordado por inteligência artificial que traz dados cruciais como tamanho do anel, altura das coronárias e outros detalhes anatômicos com maior acurácia, precisão e velocidade.

O acréscimo de dados prognósticos direcionais ao sucesso do procedimento como risco de Leak paraprotético, embolização de dispositivo ou outras complicações pode ser trazido através de machine learning.

Um ponto ainda atrasado nessa evolução tecnológica é a avaliação mais aprofundada da anatomia em si, ou mais especificamente uma avaliação da interação entre a prótese e o tecido nativo circundante. Deslocamento de cálcio, novo formato do anel valvar e características de fluxos transprotéticos são dados ainda inexplorados, mas que talvez sejam o próximo passo a ser explorado nesse aspecto.

A mesma leitura é feita em procedimentos como o Valve-in-Valve, sempre colocando no centro da avaliação os riscos inerentes de cada procedimento proposto.