IA detecta com precisão a disfunção LV usando ECG de Apple Watch de derivação única

Embora ainda haja mais trabalho antes que essa abordagem seja amplamente adotada, os especialistas veem potencial para uso como uma ferramenta de triagem.

Um algoritmo de inteligência artificial (IA) treinado para interpretar ECGs de derivação única do Apple Watch detectou com precisão sinais de disfunção sistólica ventricular esquerda subclínica em um estudo de prova de conceito, abrindo a possibilidade de usar medições obtidas em casa para encontrar e tratar pacientes antes que progridam para uma doença mais grave.

Com uma área sob a curva característica de operação do receptor (AUC) de 0,89, o algoritmo AI-ECG tem desempenho que se compara favoravelmente a outros testes de triagem comumente usados ​​na medicina, como mamografia para câncer. por Zachi Attia, PhD (Mayo Clinic, Rochester, MN), observado em um estudo publicado online esta semana em Medicina natural. Alguns dos resultados foram apresentados no início deste ano no Heart Rhythm 2022.

O autor principal Paul Friedman, MD (Mayo Clinic), disse ao TCTMD que esta é uma “prova de conceito” para usar o algoritmo AI para interpretar ECGs de derivação única de um smartwatch, acrescentando que é necessário mais trabalho de validação e implementação antes de rolar a abordagem de forma mais geral.

Os testes de implementação em outros hospitais devem começar nos próximos dois meses, disse ele. “Temos projetos de demonstração que parecem incrivelmente emocionantes e encorajadores, mas devemos continuar, como acontece com qualquer nova ferramenta, para verificar, validar e provar que no mundo real melhora a vida humana, reduz o risco de morte e reduz o risco de morbidade. . E isso vai exigir mais estudo.

Outros especialistas ecoaram tanto o apelo por mais pesquisas quanto as perspectivas positivas para a abordagem.

Rhodri Davies, MBBS, PhD (University College London, Inglaterra), disse que o estudo era “muito promissor”, citando os pontos fortes do projeto prospectivo e o uso de dados separados daqueles usados ​​para derivar o algoritmo inicialmente.

Se o algoritmo for validado em estudos futuros e os problemas de implementação forem resolvidos, a abordagem poderá encontrar um lugar na prática clínica, disse ele. “Não deve substituir a ecocardiografia ou outros meios de medir corretamente a fração de ejeção do VE, mas como ferramenta de triagem é potencialmente muito útil.

Dê o próximo passo

Vários grupos de pesquisa desenvolveram algoritmos de IA, aplicados principalmente a ECGs de 12 derivações obtidos em ambientes clínicos, para detectar várias condições, incluindo doença cardíaca valvular, cardiomiopatia hipertrófica, doença cardíaca amiloide, anormalidades eletrolíticas e arritmias silenciosas. A equipe da Mayo Clinic mostrou anteriormente que um algoritmo treinado para detectar sinais em ECGs de 12 derivações aumentou a detecção de disfunção sistólica VE em mais de 30% em relação aos cuidados habituais, quando implantado em práticas de cuidados primários no ÁGUIA estudar.

Mas, até agora, a abordagem não havia se mostrado eficaz quando o algoritmo foi adaptado para interpretar ECGs de derivação única, como os obtidos com o Apple Watch.

Não deve substituir a ecocardiografia ou outros meios de medir corretamente a fração de ejeção do VE, mas como ferramenta de triagem é potencialmente muito útil. Rhodri Davies

Para o estudo atual, os investigadores enviaram um e-mail aos pacientes que já haviam sido tratados na Mayo Clinic e baixaram o aplicativo móvel do paciente, convidando-os a participar. Aqueles que concordaram foram solicitados a baixar o aplicativo de estudo de ECG da Mayo Clinic, que enviaria os ECGs medidos no Apple Watch para um painel seguro juntamente com o prontuário eletrônico do paciente. Friedman explicou que o Apple Watch foi escolhido porque a empresa disponibilizou todos os dados brutos de ECG por meio do Apple Health Kit; a empresa não participou do estudo.

Um total de 3.884 pacientes foram recrutados, dos quais 2.454 (63%) realizaram pelo menos um ECG durante o período do estudo. Neste último grupo, formado por 46 estados dos EUA e 11 países, a média de idade foi de 53 anos, 56% eram mulheres e 88% eram caucasianos. Um total de 125.610 ECGs foram enviados para o painel seguro, com 92% dos pacientes usando o aplicativo de ECG mais de uma vez e metade usando-o mais de cinco vezes. A maioria dos ECGs (78,5%) foi classificada como ritmo sinusal normal pelo Apple Watch, 5,1% como fibrilação atrial e 16,4% inconclusivos.

Para avaliar o desempenho na identificação de disfunção cardíaca subclínica, os pesquisadores se concentraram em 421 pacientes que realizaram pelo menos um ECG dentro de 30 dias após um ecocardiograma clinicamente indicado. Destes, 16 (3,8%) tinham fração de ejeção de 40% ou menos, com a maioria desse grupo apresentando sintomas mínimos ou inexistentes de disfunção sistólica do VE.

Friedman disse que o algoritmo AI-ECG “funcionou muito bem” para detectar disfunção cardíaca, observando que a AUC de 0,89 é semelhante à observada em um teste de esteira (AUC 0,85). “Um ECG registrado de um dispositivo de consumo, quando aplicamos essa análise de IA a ele, pode detectar o que poderia ser uma doença cardíaca silenciosa com risco de vida”, disse ele.

Usos potenciais

Friedman chamou este estudo de primeiro teste dessa abordagem, que precisa ser seguido por mais pesquisas. Mas se os resultados forem validados, existem alguns papéis potenciais para a tecnologia na prática clínica. Primeiro, poderia ser usado para rastrear disfunção VE subclínica em indivíduos de alto risco, como idosos ou diabéticos, e então iniciar tratamentos apropriados quando detectados.

Outra possibilidade é para pacientes submetidos a quimioterapia para câncer, que podem monitorar danos cardíacos relacionados ao tratamento usando ECGs obtidos em um smartwatch, em vez de passar por ecocardiogramas periódicos, disse ele.

Partho Sengupta, MD (Robert Wood Johnson University Hospital, Rutgers Robert Wood Johnson Medical School, New Brunswick, NJ), disse que a demonstração da precisão da abordagem AI-ECG para detectar disfunção cardíaca com eletrodos de célula única – com desempenho semelhante a quando o algoritmo foi aplicado a ECGs de 12 derivações – este é um “desenvolvimento bastante espetacular”, pois coloca a abordagem em foco.

Ele levantou algumas questões sobre o tamanho do estudo, a relativa falta de diversidade racial/étnica entre os participantes e se todos os pacientes eram realmente assintomáticos, e destacou a necessidade de mais pesquisas realizadas em outros centros e países. Com essas ressalvas, ele chamou de “fantástica inovação tecnológica”. . . . Ele democratiza a capacidade de obter essas informações.

É extremamente promissor. Partho Sengupta

Sengupta também viu um papel para essa abordagem como uma ferramenta de triagem se os resultados do estudo forem confirmados em pesquisas futuras. Pacientes com disfunção VE subclínica podem ser tratados precocemente, evitando a progressão para insuficiência cardíaca sintomática, ou examinados mais de perto para descobrir o motivo da fração de ejeção reduzida, que pode então ser tratada, disse ele.

Ele enfatizou que qualquer impacto potencial nos resultados clínicos ainda precisa ser comprovado em ensaios randomizados. Estudos futuros também devem avaliar se todos os pacientes com insuficiência cardíaca, independentemente da fração de ejeção, podem ser identificados usando o algoritmo AI-ECG, disse ele.

Desafios de implementação

Há desafios quando se trata de implementar essa abordagem de forma mais ampla na prática clínica, concordam os especialistas. Davies enfatizou a necessidade da infraestrutura para coletar os dados de ECG e do médico certo para verificar as informações e agir de acordo com elas. ” Não adianta alertar um paciente que seu relógio detectou sinais de disfunção VE se não houver conexão com um cardiologista ou outro médico que possa fazer um histórico e realizar os exames. Os exames de imagem são necessários para confirmar o resultado” , disse. .

Além disso, como algo assim é introduzido, “você tem que ter cuidado com quem você aplica”, Davies disse, observando que o algoritmo deve funcionar melhor em pacientes mais velhos e de alto risco do que em pacientes mais jovens e saudáveis. pessoas. Falsos positivos também devem ser minimizados, observou ele.

Friedman concordou que existe o risco de falsos positivos se o teste for aplicado aos tipos errados de indivíduos, dizendo que é necessário ter alguns processos operacionais em vigor para garantir que sejam oferecidos às populações corretas.

O aspecto técnico da triagem já está embutido, assim como o painel seguro já foi embutido, disse Friedman, acrescentando que, embora a maioria dos hospitais ainda não tenha uma plataforma semelhante, é provável que haja mais nos próximos dois anos.

Quando integrada de maneira ideal ao sistema de registros médicos eletrônicos de um sistema de saúde, essa estratégia não deve adicionar muito tempo adicional para um clínico, especialmente à medida que os hospitais ganham experiência com ela, apontou Friedman. “Uma vez nessa situação, não acho que terá um impacto significativo nos fluxos de trabalho. Deve ser consistente para ser eficaz. Os médicos estão sobrecarregados. Não podemos torná-los mais ocupados.

Outra questão sobre a implementação, apontou Sengupta, é se os indivíduos estarão propensos à “fadiga do alarme” se receberem constantemente alertas sobre possíveis problemas com seus smartwatches. E esse é um aspecto que precisa ser abordado ao estudar a triagem AI-ECG e seu impacto nos resultados clínicos em ensaios randomizados.

Apesar das dúvidas persistentes, Sengupta disse que está animado com as possibilidades, especialmente se o AI-ECG for combinado com outros tipos de monitores vestíveis no futuro.

“É extremamente promissor”, disse ele. “É um importante passo tecnológico que foi dado.”