Uma ferramenta de inteligência artificial (IA) capaz de identificar sinais de doenças cardiovasculares em mamografias apresentou resultados promissores em um estudo com quase 100 mil exames. A pesquisa, apresentada no Congresso da Sociedade Europeia de Cardiologia (ESC), em Munique, demonstrou que a tecnologia distingue mulheres com hipertensão, doença cardíaca isquêmica e histórico de acidente vascular cerebral (AVC).
O estudo analisou 97.364 mamografias de 29.921 mulheres, com idade média de 54 anos. Os pesquisadores cruzaram as imagens com prontuários eletrônicos, prescrições de medicamentos e procedimentos médicos. Entre as avaliadas, 16% tinham hipertensão, enquanto 2,5% apresentavam doença cardíaca isquêmica e outros 2,5% haviam sofrido um AVC.
O modelo de aprendizado profundo alcançou métricas de desempenho (AUROC) de 0,79 para hipertensão, 0,78 para doença cardíaca isquêmica e 0,86 para AVC. Segundo a apuração, os resultados foram consistentes independentemente da idade das pacientes ou da presença de câncer de mama.
A médica Viana Copeland, da Universidade de Tel Aviv e do Chaim Sheba Medical Center, explicou que a proposta aproveita um exame realizado rotineiramente por milhões de mulheres. Copeland afirmou que a doença cardiovascular é a principal causa de morte entre mulheres no mundo, mas é constantemente subdiagnosticada e subtratada, com casos frequentemente detectados em estágio avançado.
A análise de imagens já existentes por IA poderia acrescentar a avaliação do risco cardiovascular sem a necessidade de um novo exame de imagem. A médica informou que a mamografia atinge muitas mulheres na meia-idade, período importante para tratar riscos cardíacos.
Elena Arbelo, do Comitê de Comunicação da ESC, disse que a possibilidade é promissora, mas ainda exige validação. Sonya Babu-Narayan, diretora clínica da British Heart Foundation, afirmou que, se confirmada, a tecnologia poderá ampliar a capacidade de prevenção e transformar programas de rastreamento de câncer de mama em exames com finalidade dupla.
A equipe de pesquisadores trabalha agora para aumentar a precisão do modelo e reduzir a ocorrência de falsos positivos e negativos. Também pretendem investigar se as imagens podem identificar outros tipos de patologias cardiovasculares.
