Estudo: Algoritmo de ECG pode melhorar a precisão do diagnóstico

Pesquisadores afirmam que um algoritmo de ECG que incorpora inteligência artificial (IA) selecionou com rapidez e precisão casos de disfunção sistólica do ventrículo esquerdo (DSVE) entre pacientes com dispneia aguda no departamento de emergência.

O algoritmo de ECG aprimorado com IA identificou corretamente pessoas com fração de ejeção do ventrículo esquerdo (FEVE) ≤35% com uma AUC de 0,89 (IC95% 0,86-0,91). O modelo apresentou acurácia de 85,9%, sensibilidade de 74%, especificidade de 87%, valor preditivo negativo de 97% e valor preditivo positivo de 40% em relação ao ecocardiograma como referência.

O NT-proBNP com um ponto de corte de 800 ng/L pareceu apresentar um desempenho ligeiramente pior como preditor de DSVE (AUC de 0,80, IC 95% 0,76-0,84), um grupo liderado por Demilade Adedinsewo, MD, MPH, da Mayo Clinic em Jacksonville, Flórida, relatou no Circulation: Arrhythmia and Electrophysiology.

“A aplicação de um algoritmo IA-ECG no DE poderia melhorar a precisão do diagnóstico, facilitar a disposição apropriada, fornecer uma via para identificar pacientes de alto risco precocemente e vinculá-los a cuidados cardiovasculares apropriados”, escreveram os autores.

Eles compararam o ECG “barato, onipresente e indolor” contra a ecocardiografia, que é “altamente dependente do operador, requer treinamento significativo e pode não estar disponível no pronto-socorro”.

As diretrizes americanas já recomendam a obtenção de um eletrocardiograma de 12 derivações em todos os pacientes adultos que apresentam dispneia ao TA, segundo o grupo de Adedinsewo.

“No geral, os achados de Adedinsewo e demais autores, mostram que a IA usando o ECG padrão de 12 derivações pode melhorar a identificação de nova insuficiência cardíaca entre pacientes no pronto-socorro com dispneia. Esta é uma estratégia que pode ser fácil e prontamente empregada na prática clínica e tem o potencial de avançar significativamente o atendimento ao paciente”, comentou Larisa Tereshchenko, MD, PhD, e colegas da Oregon Health & Science University, em Portland, para um editorial.

Como o estudo foi conduzido

Para testar o desempenho do algoritmo IA ECG, os autores do estudo o aplicaram retrospectivamente a uma coorte de pacientes (idade mediana de 68, 47% mulheres, 91% branca) apresentando falta de ar em um ED na Mayo Clinic nos anos 2018-2019.

Foram incluídas 1.606 pessoas que tiveram pelo menos um eletrocardiograma padrão de 12 derivações no dia em que visitaram o pronto-socorro e um ecocardiograma confirmatório realizado dentro de 30 dias da apresentação. Foram excluídos pacientes com diagnóstico conhecido de insuficiência cardíaca sistólica, diastólica ou não especificada, juntamente com pacientes com DSVE prévia.

O modelo IA EKG teve um desempenho razoável na identificação de pacientes com FEVE <50%, com uma AUC de 0,85 (IC 95% 0,83-0,88). A precisão foi de 86%, a sensibilidade 63% e a especificidade 91%. A precisão do diagnóstico foi semelhante entre os subgrupos, relataram Adedinsewo e colegas.

Embora os pacientes com DSVE identificados no ecocardiograma não tenham tido mais reinternações por todas as causas ou repetidas consultas de emergência no prazo de 30 dias, eles estavam em maior risco de reinternação por insuficiência cardíaca (32% vs 10%, P<0,001).

“Essas descobertas sugerem que o uso de um algoritmo IA-ECG pode potencialmente identificar pacientes em risco de repetidas internações por insuficiência cardíaca e oferece uma oportunidade única de implementar intervenções específicas para evitar isso durante o pronto-socorro, incluindo acompanhamento precoce com um cardiologista, iniciação de orientação para terapia médica e serviço social, se necessário”, sugeriram os autores do estudo.

Uma limitação da pesquisa foi a dependência de códigos do CID para identificar participantes elegíveis. Além do potencial para erros de codificação, o estudo pode ter excluído pacientes com nova insuficiência cardíaca que não tiveram um ecocardiograma confirmatório de acompanhamento em 30 dias ou aqueles que tiveram realizado em uma instalação diferente.

Além disso, o desenho do estudo retrospectivo limitou a força do modelo de IA e deixou espaço para viés de seleção, observou os autores em conjunto com Tereshchenko.

“Nosso estudo fornece evidências para apoiar a aplicação no mundo real de um algoritmo de IA-ECG na prática clínica de rotina”, afirmou o grupo de Adedinsewo.

Conclusão dos autores

De fato, o desempenho do algoritmo na presente pesquisa é comparável ao que foi mostrado em um estudo de validação anterior em uma população ambulatorial, observaram os editorialistas.

“Estudos prospectivos são necessários para avaliar ainda mais a eficácia desse algoritmo, praticidade, efeito na melhoria em tempo real na avaliação diagnóstica, custo-efetividade e associação com resultados clínicos de longo prazo”, de acordo com os pesquisadores.

__________________________________

O estudo original foi publicado no Journal of the American Heart Association

* “Circulation: Arrhythmia and Electrophysiology” – 2020

Autores do estudo:  Adedinsewo D, et al – Estudo/Post original