Introdução

Em um futuro não muito distante, um programa de computador artificialmente inteligente provavelmente diagnosticará as doenças cardíacas com mais precisão que um cardiologista certificado. O conhecimento biomédico cresce significativamente, impossibilitando que os profissionais de saúde contemporâneos se mantenham atualizados sobre todos os conteúdos publicados em seu campo. Da mesma forma, informações sobre os pacientes estão cada vez mais numerosas e acessíveis, tornando impraticável o gerenciamento, filtragem e seleção em tempo real. Nesse contexto, a Inteligência Artificial (IA) tem um papel relevante na tomada de decisões em saúde. É resultado da combinação de modelos matemáticos sofisticados e da computação, para produzir algoritmos refinados capazes de emular (ou imitar) a inteligência humana.¹ A IA permitiu aplicações interessantes em praticamente todos os campos da medicina e do conhecimento humano. Particularmente, na cardiologia, várias aplicações se mostraram exitosas. Han et al.,² por exemplo, usaram o Machine Learning (ML), um subconjunto da IA, para analisar se essa ferramenta seria útil para identificar pacientes com risco de rápida progressão de placa coronariana. Foram utilizadas características epidemiológicas clínicas e informações quantitativas e qualitativas da angiografia tomográfica computadorizada das coronárias (todas obtidas a partir do estudo PARADIGM). No total, 1.083 pacientes foram incluídos no estudo, sendo testados 10 modelos diferentes. O LogitBoost apresentou melhor desempenho. A área sob a curva (AUC) receiver operating characteristic foi de 0,83 — melhor que o escore de risco de doença cardiovascular aterosclerótica de 10 anos (escore de risco DCA), que foi de 0,59. Em outro estudo, Than et al.,³ avaliaram se o Gradient Boosting (também um algoritmo de ML) seria benéfico na previsão da probabilidade de infarto agudo do miocárdio tipo 1. Foram considerados aspectos como sexo, idade, taxa de alteração da concentração cardíaca de troponina I e troponina cardíaca pareada I de uma amostra com 11.011 pacientes. A AUC foi de 0,96 e o modelo de ML teve melhor desempenho do que a rota tradicional da Sociedade Europeia de Cardiologia de 0/3 horas. Hedman et al.,⁴ desenvolveram um algoritmo de ML para descrever grupos de pacientes com insuficiência cardíaca com fração de ejeção preservada com base em seu fenótipo. Eles usaram dados clínicos e eletrocardiográficos. Foram identificados seis grupos diferentes, com diferentes níveis de proteínas inflamatórias e cardiovasculares e também com diferentes desfechos. Diante disso, na cardiologia, o processo de incorporação da IA na prática clínica é acelerado. O uso da IA na cardiologia está presente em nossa rotina diária, como o reconhecimento de fenótipos de doenças, diagnóstico, prognóstico e algoritmos de tratamento. A IA tem um enorme potencial disruptivo e alguns defendem a possibilidade do surgimento de uma nova espécie, o Homo incredibile¹, que apoia suas decisões sobre dados e promove uma revolução no ecossistema digital. No entanto, essa mudança de paradigma trouxe inúmeros desafios, infelizmente. Questões éticas são uma grande preocupação em relação a essas novas tecnologias, e discutiremos algumas delas, bem como possíveis soluções e precauções.

[…]