Deep learning é um subcampo do machine learning, que pode determinar quais características são mais importantes para distinguir um objeto de análise de outro. Por meio dos processos de gradiente descendente e retropropagação, o algoritmo de aprendizado profundo se ajusta, possibilitando fazer previsões sobre um novo objeto com maior precisão.
Como aplicação na medicina, um estudo de coorte usou o aprendizado profundo para quantificar a espessura da parede do ventrículo esquerdo na ecocardiografia enquanto predizia as causas de hipertrofia do ventrículo esquerdo (HVE), cardiomiopatia hipertrófica e amiloidose cardíaca. Tais doenças, assim como outras na medicina, são subdiagnosticadas e assim dificultam o tratamento e prejudicam o paciente.
O estudo identificou que o aprendizado profundo consegue identificar fenótipos nas imagens ecocardiográficas com acurácia maior do que as interpretações de humanos especializados. Os cientistas acreditam que o exame ecocardiográfico, quando aprimorado com modelos de inteligência artificial (IA), pode fornecer valor adicional na compreensão dos estados da doença, prevendo a presença e a causa potencial de HVE em uma população de triagem.
Com a aplicação do Deep Learning, medições são potencialmente mais precisas e podem ser obtidas em ambientes clínicos e de pesquisa.
Além disso, se associada com a avaliação da função cardíaca, a pesquisa revelou que a tecnologia utilizada em imagens de ecocardiograma pode automatizar uma proporção cada vez maior de tarefas para avaliar a função e a estrutura cardíacas a fim de fornecer uma avaliação mais holística da doença cardiovascular. Com precisão aprimorada para detectar remodelação ventricular e disfunção cardíaca, os sistemas de IA oferecem o potencial para detecção e tratamento precoce de doenças cardiovasculares subclínicas, incluindo condições menos comuns ou subdiagnosticadas.
Artigos relacionados
•Quais tarefas a inteligência artificial já realiza e pode realizar na atenção primária?
•Inteligência artificial identifica indivíduos em risco de complicações de doenças cardíacas
•COVID-net: a rede neural artificial desenvolvida para diagnosticar COVID-19
Referências
Duffy G, Cheng PP, Yuan N, et al. High-Throughput Precision Phenotyping of Left Ventricular Hypertrophy With Cardiovascular Deep Learning. JAMA Cardiol. Published online February 23, 2022. Disponível em: doi:10.1001/jamacardio.2021.6059. Acesso em 22/03/2022
Castaño A, Narotsky DL, Hamid N, et al. Unveiling transthyretin cardiac amyloidosis and its predictors among elderly patients with severe aortic stenosis undergoing transcatheter aortic valve replacement. Eur Heart J. 2017;38(38):2879-2887. Disponível em: Doi:10.1093/eurheartj/ehx350. Acesso em 22/03/2022
Gillmore JD, Maurer MS, Falk RH, et al. Nonbiopsy diagnosis of cardiac transthyretin amyloidosis. Circulation. 2016;133(24):2404-2412. Disponível em: Doi:10.1161/CIRCULATIONAHA.116.021612. Acesso em 22/03/2022