Você deve servir a Hashem, seu Deus, e Ele abençoará seu pão e sua água. e eu removerei a doença do seu meio. Êxodo 23:25 (The Israel BibleTM)
Você já sentiu que seu coração estava batendo irregularmente e freqüentemente em um ritmo anormalmente rápido? Isso não significa que você está apaixonado. É uma condição cardíaca chamada fibrilação atrial. Não causa nenhum sintoma.
A pessoa que a apresenta pode não ter consciência de que sua frequência cardíaca está irregular. Você pode estar ciente de palpitações cardíacas perceptíveis quando seu coração parece estar batendo, vibrando ou batendo irregularmente – muitas vezes por alguns segundos ou, em alguns casos, alguns minutos.
Uma frequência cardíaca normal deve ser regular e entre 60 e 100 batimentos por minuto quando você está descansando. Você pode medir sua freqüência cardíaca verificando sua pulsação no pulso ou pescoço. A condição cardíaca anormal freqüentemente faz com que o coração bata consideravelmente mais alto do que 100 batimentos por minuto. A fibrilação atrial pode causar problemas, incluindo tonturas, falta de ar e cansaço.
Você deve consultar o seu médico se sentir dor no peito que surge ,, se a dor no peito passa rapidamente, mas você ainda está preocupado, se notar uma mudança repentina no seu batimento cardíaco ou se sua frequência cardíaca estiver consistentemente abaixo de 60 ou mais 100. É importante obter orientação médica para ter certeza de que não é nada sério.
Avisar os pacientes de que eles correm o risco de desenvolver a doença pode dar-lhes tempo para mudar seu estilo de vida e evitar ou adiar o início da doença. Também pode encorajar acompanhamentos regulares com o cardiologista do paciente, garantindo que se e quando a condição se desenvolver, ela será identificada rapidamente e o tratamento será iniciado sem demora. Os fatores de risco conhecidos para fibrilação atrial incluem estilo de vida sedentário, obesidade, tabagismo, predisposição genética e muito mais.
Shany Biton e Sheina Gendelman – duas estudantes de mestrado em ciências que trabalham sob a supervisão do assistente Prof. Joachim Behar – chefe do laboratório de Inteligência Artificial em Medicina (AIMLab.) Da Faculdade de Engenharia Biomédica do Instituto de Tecnologia Technion-Israel em Haifa – escreveu um algoritmo de aprendizado de máquina capaz de prever com precisão se um paciente desenvolverá fibrilação atrial em cinco anos.
Conceitualmente, os pesquisadores procuraram descobrir se um algoritmo de aprendizado de máquina poderia capturar padrões preditivos de fibrilação atrial, embora não houvesse fibrilação atrial diagnosticada por um cardiologista humano na época.
Biton e Gendelman usaram mais de um milhão de registros de eletrocardiograma (ECG) de 12 derivações de mais de 400.000 pacientes para treinar uma rede neural profunda para reconhecer pacientes em risco de desenvolver fibrilação atrial em cinco anos. Em seguida, eles combinaram a rede neural profunda com informações clínicas sobre o paciente, incluindo alguns dos fatores de risco conhecidos.
Tanto os registros do ECG quanto o prontuário eletrônico dos pacientes foram fornecidos pela Rede de Telessaúde de Minas Gerais (TNMG), sistema público de telessaúde que atende 811 dos 853 municípios mineiros. O modelo de aprendizado de máquina resultante foi capaz de prever corretamente o desenvolvimento de risco de fibrilação atrial em 60% dos casos, preservando uma alta especificidade de 95% – o que significa que apenas cinco por cento daqueles identificados como potencialmente em risco não desenvolveram a doença.
“Os principais eventos cardiovasculares e cerebrovasculares ocorrem em indivíduos sem condições cardiovasculares preexistentes conhecidas. A prevenção de tais eventos continua sendo um sério desafio para a saúde pública. Para esse propósito, os escores de risco clínico podem ser usados para identificar indivíduos com alto risco cardiovascular, escreveram eles. No entanto, as escalas de pontuação disponíveis mostraram desempenho moderado. Apesar de fazer parte da avaliação de rotina de muitos pacientes em cuidados primários e especializados, o papel da análise de ECG na previsão de doenças cardiovasculares e, portanto, na prevenção não está claro.”
O estudo foi publicado no European Heart Journal – Digital Health sob o título “Predição do risco de fibrilação atrial a partir do eletrocardiograma de 12 derivações usando biomarcadores digitais e aprendizagem de representação profunda”.
“Nosso estudo tem implicações clínicas importantes para o tratamento da fibrilação atrial”, escreveram eles. “É o primeiro estudo que integra metadados de engenharia de recursos, aprendizado profundo e sistema de registro médico eletrônico (EMR) para criar uma ferramenta de previsão de risco para o gerenciamento de pacientes em risco da doença.”
A equipe disse que “não procuraram substituir o médico humano – não achamos que isso seria desejável”, comentou Behar sobre os resultados, “mas desejamos colocar melhores ferramentas de apoio à decisão nas mãos dos médicos. Os computadores estão mais bem equipados para processar algumas formas de dados. Por exemplo, ao examinar um registro de ECG hoje, um cardiologista estaria procurando por características específicas que são conhecidas por estarem associadas a uma doença específica. Nosso modelo, por outro lado, pode procurar e identificar padrões por conta própria, incluindo padrões que podem não ser inteligíveis ao olho humano.”
Os médicos progrediram da medição do pulso de um paciente manualmente para o uso de um estatoscópio e, em seguida, o ECG. Usar o aprendizado de máquina para auxiliar na análise de gravações de ECG pode ser a próxima etapa nesse caminho.
Como o ECG é um teste de rotina e de baixo custo, o modelo de aprendizado de máquina pode ser facilmente incorporado à prática clínica e melhorar o gerenciamento de saúde para muitos indivíduos, disse a equipe. O acesso a mais conjuntos de dados de pacientes permitiria que o algoritmo se tornasse cada vez melhor como uma ferramenta de previsão de risco. O modelo também pode ser adaptado para prever outras condições cardiovasculares.
Publicado em 01/10/2021 09h54
Artigo original: