Aplicação Da Inteligência Artificial Em Imagem Cardiovascular: Em Ecocardiografia

Abstract

Inteligência artificial (IA) é a capacidade de dispositivos eletrônicos de tomar decisões e resolver problemas por meio de algoritmos sem a interferência humana. O aprendizado de máquina e o aprendizado profundo são técnicas que servem de base para a maioria das funções da IA. Seu emprego pode tornar a ecocardiografia mais eficiente, fazendo-a menos dependente do observador e com menor tempo de aquisição dos exames. Por meio de algoritmos, a aquisição de imagens cardíacas torna-se mais fácil, rápida e precisa, reduzindo assim a variabilidade inter e intraobservador e auxiliando a interpretação de dados complexos. Além da aquisição e interpretação das imagens, a IA tem aplicação no desenvolvimento de relatórios e laudos, e a tecnologia tem sido usada no acompanhamento da evolução dos pacientes. Recursos de medição automática, incluindo a determinação da fração de ejeção do ventrículo esquerdo, dimensões das câmaras cardíacas, espessura da parede e medidas de Doppler já foram validados em ambiente clínico. A avaliação da segmentação valvar, importante na intervenção cardíaca estrutural minimamente invasiva e por catéteres, é outra área em expansão. O futuro da IA na ecocardiografia está na análise automatizada de dados clínicos e de imagem para o melhor diagnóstico de diversas cardiopatias, assim como para a prevenção dos resultados terapêuticos e dos riscos individuais. As limitações da implementação da IA são dados de entrada de má qualidade ou enviesados, padrões não uniformes entre os fornecedores e a necessidade de integração entre os diferentes algoritmos para que funcionem em equipamentos diversos

Mitral Valve Area Quantification Using Digital Image Processing: Is That Feasible?

“…AI technology has the potential to optimize and revolutionize the practice of echocardiography, creating opportunities for standardization, improving accuracy and efficiency in cardiovascular imaging laboratories. [1][2][3][4][5][6] In recognition of this growing influence in echocardiography laboratories, Professor Vera Rigolin, from the Northwestern Memorial Hospital, Chicago, USA, introduced the concept of the four pillars of AI, namely: education, image acquisition, analysis and integration with clinical data. 5 These actions tend to minimize intra-and interobserver variability, inherent in the echocardiographic method, through the creation of protocols for the acquisition and analysis of images to quantify left ventricular ejection fraction, myocardial strain and grading valve lesion severity, among other application possibilities.…”

“…Edgar Daminello, 1 Paulo Pinto Alves Campos Vieira, 2 Cláudio Henrique Fischer, 1,3 Marcelo Luiz Campos Vieira 1,4 Hospital Israelita Albert Einstein, 1 São Paulo, SP -Brazil Universidade Santo Amaro (UNISA), 2 São Paulo, SP -Brazil Universidade Federal de São Paulo (UNIFESP), 3 São Paulo, SP -Brazil Instituto do Coração (InCor), Faculdade de Medicina da Universidade de São Paulo (FMUSP), 4 São Paulo, SP -Brazil Regarding article "Automatic Measurement of Mitral Valve Based on Echocardiogram Using Digital Image Processing" Echocardiography, since its initial descriptions in the 1950s, has evolved every decade with the incorporation of numerous new techniques, enabling structural cardiac analysis from multiple planes of spatial observation in real time. This occurred with the advent of nanotechnology, digital technology, application of modifiable algorithms based on the concept of machine learning and deep learning through the development of artificial intelligence (AI).…”

“…This occurred with the advent of nanotechnology, digital technology, application of modifiable algorithms based on the concept of machine learning and deep learning through the development of artificial intelligence (AI). [1][2][3][4][5][6] The use of AI is an ever-increasing reality in medicine as a whole, mainly in operator-dependent imaging areas, such as ultrasonography imaging.…”

“…The use of AI allows faster, more balanced and homogeneous observation of inputs, in the sense of minimizing inter and intraobserver errors. [1][2][3][4][5][6] In the specific echocardiographic evaluation, the use of AI presents a very wide range of applications, having been used for the acquisition of echocardiographic information for the quantification of left ventricular volumes and mass, analysis of biventricular systolic function, segmentation and qualification of the cusps, annulus and mitral valve apparatus, analysis of hypertrophic phenocopy (athletes, patients with hypertrophic cardiomyopathy), to predict the outcome of percutaneous hemodynamic procedures (e.g. : mitraclip).…”

“…: mitraclip). 1 We are currently working on a project in association with the University of Chicago for AI analysis of patients affected by transthyretin cardiac amyloidosis.…”