Na imagem card\u00edaca, algoritmos de deep learning \u2014 um tipo de intelig\u00eancia artificial que aprende a reconhecer padr\u00f5es a partir de grandes quantidades de dados \u2014 j\u00e1 conseguem igualar a precis\u00e3o de especialistas na an\u00e1lise autom\u00e1tica de exames, no c\u00e1lculo de volumes do cora\u00e7\u00e3o e na avalia\u00e7\u00e3o do movimento do m\u00fasculo card\u00edaco. Na \u00e1rea das arritmias, a IA come\u00e7a a prever padr\u00f5es de atividade el\u00e9trica no cora\u00e7\u00e3o e j\u00e1 foi testada em rel\u00f3gios com sensor de ECG para vigiar, durante semanas, a fibrilha\u00e7\u00e3o auricular, com resultados semelhantes aos de um monitor card\u00edaco implant\u00e1vel.<\/p>\n
Na cardiologia de interven\u00e7\u00e3o, uma sub\u00e1rea da cardiologia que usa procedimentos minimamente invasivos, feitos atrav\u00e9s de cateteres introduzidos por art\u00e9rias ou veias, para diagnosticar e tratar doen\u00e7as do cora\u00e7\u00e3o e vasos sangu\u00edneos, existem sistemas que analisam automaticamente imagens das art\u00e9rias coron\u00e1rias ou interpretam exames de ultrassom intracard\u00edaco. Tudo em tempo real. Um exemplo \u00e9 o uso de redes neuronais para reconhecer sinais como o damping, ou a perda de amplitude, durante a introdu\u00e7\u00e3o profunda do cateter numa art\u00e9ria coron\u00e1ria, ajudando o m\u00e9dico a corrigir de imediato e a atuar com mais seguran\u00e7a.<\/p>\n
O potencial \u00e9 vasto, mas os autores alertam: generalizar modelos treinados em ambientes controlados para popula\u00e7\u00f5es reais exige uma valida\u00e7\u00e3o rigorosa e transpar\u00eancia. Vi\u00e9s nos dados,\u00a0modelos demasiado ajustados aos exemplos usados no treino \u2014 que depois falham com dados novos \u2014 e a chamada \u2018caixa negra\u2019 de certos algoritmos, em que n\u00e3o \u00e9 poss\u00edvel perceber claramente como chegaram \u00e0s suas conclus\u00f5es, continuam a ser obst\u00e1culos a ultrapassar antes de uma ado\u00e7\u00e3o massiva e segura.<\/p>\n
Miguel Nobre Menezes, cardiologista no Hospital de Santa Maria e doutorando na Faculdade de Medicina da Universidade de Lisboa, est\u00e1 habituado a estudar e ouvir falar de IA em medicina \u2013 mas tamb\u00e9m a us\u00e1-la. \u201cNa pr\u00e1tica assistencial, aquilo que mais utilizamos \u00e9 a IA aplicada \u00e0 an\u00e1lise de imagem\u201d, come\u00e7a por explicar. O ecocardiograma \u00e9 um exemplo simples: hoje, os softwares conseguem fazer medi\u00e7\u00f5es autom\u00e1ticas sem que o m\u00e9dico tenha de posicionar manualmente o cursor. \u201cEu s\u00f3 valido o posicionamento. \u00c9 r\u00e1pido, poupa tempo e evita erros repetitivos.\u201d<\/p>\n
A tecnologia j\u00e1 vai mais longe nalguns centros, sobretudo nos Estados Unidos, onde existem modelos capazes de fazer automaticamente todas as volumetrias da ecocardiografia. \u201cA \u00fanica coisa que o m\u00e9dico faz \u00e9 adquirir a imagem.\u201d<\/p>\n