Um estudo recente, publicado no European Heart Journal, revelou que enviar uma “selfie” para o médico pode ser uma maneira barata e simples de detectar doenças cardíacas. Além disso, este estudo pioneiro mostra que um algoritmo de aprendizado profundo (deep learning) pode detectar doenças arteriais coronarianas (DAC) através da análise de quatro fotografias do rosto de uma pessoa. Portanto, o uso de selfies para detectar doenças cardíacas pode ser revolucionário na medicina preventiva.
Detalhes do Estudo
Os pesquisadores ainda precisam desenvolver mais o algoritmo e testá-lo em grupos maiores e diversos. No entanto, eles acreditam que o algoritmo tem potencial como uma ferramenta de triagem. Além disso, ele pode identificar possíveis doenças cardíacas em pessoas da população geral ou em grupos de alto risco. Portanto, essas pessoas poderiam ser encaminhadas para investigações clínicas mais detalhadas.
“Até onde sabemos, este é o primeiro trabalho que demonstra que a inteligência artificial pode analisar rostos e detectar doenças cardíacas. Este é um passo em direção ao desenvolvimento de uma ferramenta baseada em deep learning que pode avaliar o risco de doenças cardíacas, seja em clínicas ambulatoriais ou através de pacientes tirando selfies para realizar seu próprio rastreamento. Isso pode orientar testes diagnósticos adicionais ou uma visita clínica,” disse o Professor Zhe Zheng. Ele liderou a pesquisa e é vice-diretor do National Center for Cardiovascular Diseases e vice-presidente do Fuwai Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, em Pequim, China.
Metodologia e Resultados
Os pesquisadores recrutaram 5.796 pacientes de oito hospitais na China entre julho de 2017 e março de 2019. Eles investigaram os vasos sanguíneos dos pacientes através de procedimentos de imagem, como angiografia coronária ou angiografia por tomografia computadorizada coronariana (CCTA). Portanto, eles dividiram aleatoriamente os pacientes em grupos de treinamento (5.216 pacientes, 90%) e validação (580 pacientes, 10%).
Enfermeiras treinadas tiraram quatro fotos faciais com câmeras digitais: uma frontal, duas de perfil e uma vista do topo da cabeça. Além disso, elas também entrevistaram os pacientes para coletar dados sobre status socioeconômico, estilo de vida e histórico médico. Radiologistas revisaram as angiografias dos pacientes e avaliaram o grau de doença cardíaca. Eles usaram essas informações para criar, treinar e validar o algoritmo de deep learning para detectar doenças cardíacas.
O algoritmo superou os métodos existentes de previsão de risco de doença cardíaca, como o modelo Diamond-Forrester e o escore clínico do consórcio CAD. No grupo de validação, o algoritmo detectou corretamente doenças cardíacas em 80% dos casos (taxa de verdadeiro positivo ou ‘sensibilidade’). Além disso, ele também detectou corretamente que a doença cardíaca não estava presente em 61% dos casos (taxa de verdadeiro negativo ou ‘especificidade’). No grupo de teste, a sensibilidade foi de 80% e a especificidade foi de 54%.
Desafios e Limitações
A necessidade de testes em outros grupos étnicos representa uma limitação do estudo. Apenas um centro no grupo de teste era diferente dos centros que forneceram pacientes para o desenvolvimento do algoritmo. Isso, portanto, pode limitar sua aplicabilidade a outras populações.
Em um editorial de acompanhamento, Charalambos Antoniades, Professor de Medicina Cardiovascular na Universidade de Oxford, Reino Unido, e Dr. Christos Kotanidis, um estudante de doutorado trabalhando sob a orientação do Prof. Antoniades em Oxford, escreveram: “No geral, o estudo de Lin et al. destaca um novo potencial em diagnósticos médicos… A robustez da abordagem de Lin et al. reside no fato de que seu algoritmo de aprendizado profundo requer apenas uma imagem facial como único dado de entrada, tornando-o altamente e facilmente aplicável em larga escala.”
Eles também destacaram algumas das limitações que o Prof. Zheng e o Prof. Ji incluíram em seu artigo. Entre elas, estão a baixa especificidade do teste e a necessidade de melhorias e validações em populações maiores. Além disso, questões éticas sobre o “uso indevido de informações para fins discriminatórios” e a proteção dos dados pessoais também foram levantadas. Isso enfatiza a importância de usar essas tecnologias de maneira responsável e ética.
O Prof. Zheng concorda com esse ponto. Ele afirma: “Questões éticas no desenvolvimento e aplicação dessas novas tecnologias são de extrema importância. Portanto, acreditamos que futuras pesquisas sobre ferramentas clínicas devem prestar atenção às implicações de privacidade, seguro e outras questões sociais para garantir que a ferramenta seja usada apenas para fins médicos.”
Conclusão
Embora o uso de selfies para diagnosticar doenças cardíacas apresente um potencial significativo, ainda existe um caminho a ser percorrido. É necessário garantir que essa tecnologia seja precisa, confiável e eticamente implementada. Além disso, este estudo representa um passo promissor em direção a métodos de triagem mais acessíveis e não invasivos. Portanto, eles podem beneficiar amplamente a saúde pública.
Referências
‘Selfies’ could be used to detect heart disease: new research uses artificial intelligence to analyse facial photos. European Society of Cardiology
“Feasibility of using deep learning to detect coronary artery disease based on facial photo”, by Shen Lin et al. European Heart Journal. doi:10.1093/eurheartj/ehaa640. Link
“Selfies in cardiovascular medicine: welcome to a new era of medical diagnostics”, by Christos P. Kotanidis and Charalambos Antoniades. European Heart Journal. doi:10.1093/eurheartj/ehaa608. Link
