IA usa registros cardíacos de estudos do sono feitos durante a noite para identificar risco cardiovascular futuro
A IA encontrou sinais de doença cardíaca futura em registros de estudos do sono noturnos, com fortes associações com fibrilação atrial e insuficiência cardíaca.
Resumo
Gravações cardíacas coletadas durante estudos do sono podem revelar mais do que problemas de sono. Pesquisadores treinaram um modelo de inteligência artificial usando gravações cardíacas noturnas e estágios do sono de 15.809 pacientes e, em seguida, o testaram em dois grupos hospitalares independentes, somando 22.386 pacientes. Pontuações mais altas do modelo foram associadas a maiores riscos de arritmia cardíaca, acidente vascular cerebral, insuficiência cardíaca e morte, mesmo após considerar fatores de risco cardiovascular comuns e medidas do sono. As associações mais fortes envolveram fibrilação atrial e insuficiência cardíaca. Os resultados para infarto do miocárdio foram menos consistentes entre os hospitais. As descobertas sugerem que dados de estudos do sono já existentes poderiam, no futuro, ajudar a orientar o monitoramento cardiovascular, mas não demonstram que o uso desse modelo melhore os desfechos dos pacientes. Este resumo baseia-se apenas no abstract, que não relata várias medidas necessárias para avaliar a utilidade clínica.
Resumo Detalhado
Estudos do sono registram rotineiramente a atividade elétrica do coração, mas muitas vezes deixam esses sinais em grande parte sem uso. Pesquisadores investigaram se a inteligência artificial poderia extrair pistas sobre doenças cardíacas futuras a partir dessas gravações noturnas. Uma melhor avaliação de risco poderia ajudar os médicos a identificar pacientes que talvez se beneficiem de um monitoramento mais próximo e de estratégias consolidadas de prevenção cardiovascular.
A equipe adaptou uma rede neural originalmente treinada para reconhecer ritmos cardíacos anormais. Os pesquisadores combinaram registros cardíacos de uma única derivação com informações sobre os estágios do sono para estimar o risco ao longo de dez anos. O treinamento envolveu 15.809 pacientes do Massachusetts General Hospital. Os testes independentes usaram 9.810 pacientes do Emory University Hospital e 12.576 do Beth Israel Deaconess Medical Center. Os desfechos vieram de códigos de diagnóstico em prontuários eletrônicos.
Pontuações mais altas do modelo foram associadas a fibrilação atrial, acidente vascular cerebral (AVC), insuficiência cardíaca e morte, após o ajuste para fatores de risco cardiovascular padrão e para várias medidas do sono. Para cada aumento de um desvio padrão na pontuação, o risco (hazard) de fibrilação atrial foi 2,03 e 2,72 vezes o basal nos dois grupos de validação. Os hazards de insuficiência cardíaca foram 1,69 e 2,33 vezes o basal, enquanto os de morte foram 1,82 e 1,65 vezes o basal.
As associações com AVC foram menores, com razões de risco (hazard ratios) de 1,19 e 1,40. A previsão de infarto foi menos consistente: a associação foi significativa em Emory, mas não no Beth Israel. Esses resultados sugerem que as gravações já existentes dos estudos do sono podem conter informações úteis além do diagnóstico de distúrbios do sono. No entanto, riscos relativos mais altos não estabelecem a probabilidade absoluta de um indivíduo desenvolver a doença.
Esta análise observacional não pode mostrar que o uso do modelo melhora o cuidado ou previne eventos cardiovasculares. Os códigos de diagnóstico podem deixar de captar ou classificar incorretamente os desfechos, e os pacientes encaminhados para estudos do sono podem ser diferentes da população geral. O resumo não informa métricas de calibração ou discriminação, necessárias para avaliar a utilidade clínica. Este resumo se baseia apenas no abstract; são necessários métodos completos e validação adicional antes da adoção clínica de rotina.
Principais Descobertas
- External validation included 22,386 patients across two hospitals, supporting associations beyond the training site.
- Each standard deviation increase in model score corresponded to atrial fibrillation hazard ratios of 2.03 and 2.72.
- Heart failure hazard ratios were 1.69 and 2.33 after adjustment for cardiovascular risk factors and sleep measurements.
- Heart attack associations differed across hospitals; one confidence interval included no association.
- The model may support future risk assessment, but improved patient outcomes and readiness for routine use remain unproven.
Metodologia
Este estudo observacional de predição ajustou (fine-tuning) uma rede neural de detecção de arritmias com ECGs de derivação única registrados durante a noite e dados de estágios do sono de 15.809 pacientes. A validação externa utilizou duas coortes hospitalares, com os desfechos identificados por meio de códigos de diagnóstico dos prontuários eletrônicos. Modelos de Cox avaliaram as associações após o ajuste para fatores de risco cardiovascular e características do sono.
Limitações do Estudo
Este resumo baseia-se apenas no abstract; a metodologia completa e os resultados detalhados de desempenho não estavam disponíveis. Os desfechos baseados em códigos de diagnóstico podem ter sido classificados incorretamente, e as populações de clínicas do sono podem não representar o público em geral. O abstract não informa calibração, discriminação nem benefício além das ferramentas de risco já estabelecidas, e as associações com infarto do miocárdio foram inconsistentes entre os locais de validação.
Gostou deste resumo?
Receba as pesquisas de longevidade mais recentes na sua caixa de entrada toda semana.
Digite seu e-mail para assinar: