Projeto CODE, que reúne cardiologistas, engenheiros, cientistas da computação e estatísticos, foi destaque, nesta semana, na revista Nature Commu

A inteligência artificial é sempre lembrada como uma possibilidade promissora de melhoria da qualidade da assistência em saúde. Pensando nisso, um grupo de pesquisadores, composto por cardiologistas do Hospital das Clínicas da UFMG/Ebserh, engenheiros, cientistas da computação e estatísticos, elaborou um projeto com o foco no desenvolvimento de ferramentas inteligentes que reconheçam, automaticamente, as alterações eletrocardiográficas no eletrocardiograma de 12 derivações e avaliem as implicações prognósticas dessas alterações.

Intitulado Projeto CODE (Clinical Outcomes in Digital Electrocardiology), o estudo, publicado na última quinta-feira (9) no conceituado periódico “Nature Communication”, um dos mais importantes do mundo, obteve resultados significativos usando redes neurais. Trata-se de sistemas de computação com nós interconectados que buscam simular os neurônios do cérebro humano. Elas tem se mostrado capazes de reconhecer padrões, agrupá-los e classificá-los. 

O grupo organizou a base de dados de 2,4 milhões de  eletrocardiogramas digitais do Centro de Telessaúde do HC-UFMG, construída entre os anos de 2010 e 2017, e fez a ligação desta base com a base de mortalidade de Minas Gerais (Sistema de Informações de Mortalidade), de modo a permitir o reconhecimento de padrões que se associam ao risco de morte. Os pesquisadores treinaram a rede neural de modo a classificar automaticamente o ECG quanto a presença de seis alterações eletrocardiográficas: bloqueio de ramo direito, bloqueio de ramo esquerdo, bloqueio atrioventricular de primeiro grau, fibrilação atrial, taquicardia sinusal e bradicardia sinusal. 

O modelo teve índices com alta performance no conjunto de dados de validação, que foi comparada a de médicos residentes e estudantes, e foi tão bom quanto a avaliação humana. Por isso mesmo, o  método desenvolvido pode ser considerado uma alternativa muito atraente aos métodos clássicos de classificação automática e pode ser implementado nos sistemas de telessaúde já em uso, resultando  em economia de tempo de clínicos especialistas e prevenindo diagnósticos errados. 

Referência em IA

O Projeto CODE, que conta com colaborações internacionais em Glasgow, na Escócia, e em Uppsala, na Suécia, é um exemplo da excelência da UFMG em inteligência artificial (IA) em saúde. Este e outros projetos intensivos em IA farão parte do Centro de Inovação em Inteligência Artificial para Saúde, que objetiva potencializar iniciativas baseadas em IA na solução de problemas em saúde e que será proposto pela UFMG ao Ministério da Ciência, Tecnologia, Inovações e Comunicações, conforme divulgado em coletiva de imprensa nesta segunda-feira (13).

Esta pesquisa foi parcialmente apoiada pelas agências brasileiras CNPq, CAPES e FAPEMIG, pelos projetos IATS, Rede de Teleassistência de Minas Gerais, MASWeb, INCT-Cyber e Atmosphere, tendo recebido suporte da NVIDIA e bolsas da Google Latin America Research Award.

Autores do estudo: Ribeiro AH, Ribeiro MH, Paixão GMM, Oliveira DM, Gomes PR, Canazart JA, Ferreira MPS, Andersson CR, Macfarlane PW, Wagner M Jr, Schön TB, Ribeiro ALP. Automatic diagnosis of the 12-lead ECG using a deep neural network. Nat Commun 11, 1760 (2020). https://doi.org/10.1038/s41467...