A gordura abdominal medida pela IA prevê com precisão o risco de ataque cardíaco e derrame

A análise de aprendizagem profunda automatizada de imagens de tomografia computadorizada (TC) abdominal produz uma medição mais precisa da composição corporal e prevê eventos cardiovasculares importantes, como ataque cardíaco e derrame, melhor do que o peso geral ou índice de massa corporal (IMC), de acordo com um estudo apresentado hoje na reunião virtual da Sociedade Radiológica da América do Norte (RSNA) 2020 .

“Modelos de risco cardiovascular estabelecidos dependem de fatores como peso e IMC, que são substitutos grosseiros da composição corporal”, disse Kirti Magudia, MD, Ph.D., pesquisador de imagem abdominal e ultrassom da Universidade da Califórnia em San Francisco. “Está bem estabelecido que pessoas com o mesmo IMC podem ter proporções marcadamente diferentes de músculos e gordura. Essas diferenças são importantes para uma variedade de resultados de saúde. ”

Ao contrário do IMC, que se baseia na altura e no peso, uma única fatia axial da TC do abdome visualiza o volume da área de gordura subcutânea, área de gordura visceral e área de músculo esquelético. No entanto, medir manualmente essas áreas individuais é demorado e caro.

Como residente de radiologia no Hospital Brigham and Women's em Boston, Magudia fazia parte de uma equipe multidisciplinar de pesquisadores, incluindo radiologistas, um cientista de dados e bioestatístico, que desenvolveram um método totalmente automatizado usando aprendizado profundo - um tipo de inteligência artificial (IA ) - para determinar as métricas de composição corporal a partir de imagens de TC abdominal.

“As tomografias abdominais que são realizadas rotineiramente fornecem uma maneira mais granular de observar a composição corporal, mas atualmente não estamos aproveitando isso”, disse Magudia.

A coorte do estudo foi derivada de 33.182 exames ambulatoriais de TC abdominal realizados em 23.136 pacientes no Partners Healthcare em Boston em 2012. Os pesquisadores identificaram 12.128 pacientes que estavam livres dos principais diagnósticos cardiovasculares e de câncer no momento da imagem. A idade média dos pacientes era de 52 anos e 57% dos pacientes eram mulheres.

Os pesquisadores selecionaram a fatia L3 CT (da terceira vértebra da coluna lombar) e calcularam as áreas de composição corporal de cada paciente. Os pacientes foram então divididos em quatro quartis com base nos valores normalizados de área de gordura subcutânea, área de gordura visceral e área de músculo esquelético.

Neste estudo retrospectivo, foi determinado quais desses 12.128 pacientes tiveram um infarto do miocárdio (ataque cardíaco) ou acidente vascular cerebral dentro de cinco anos após sua TC abdominal de índice. Os pesquisadores descobriram 1.560 infartos do miocárdio e 938 acidentes vasculares cerebrais ocorreram neste grupo de estudo.

A análise estatística demonstrou que a área de gordura visceral estava independentemente associada a futuros ataques cardíacos e derrames. O IMC não foi associado a ataque cardíaco ou acidente vascular cerebral.

“O grupo de pacientes com a maior proporção de área de gordura visceral tinha maior probabilidade de ter um ataque cardíaco, mesmo quando ajustado para fatores de risco cardiovasculares conhecidos”, disse Magudia. “O grupo de pacientes com a menor quantidade de área de gordura visceral foi protegido contra acidente vascular cerebral nos anos seguintes ao exame de TC abdominal.”

“Esses resultados demonstram que medidas precisas de músculos corporais e compartimentos de gordura alcançados por meio da TC superam os biomarcadores tradicionais para prever o risco de desfechos cardiovasculares”, acrescentou ela.

De acordo com Magudia, este trabalho demonstra que a análise da composição corporal totalmente automatizada e normalizada pode agora ser aplicada a projetos de pesquisa em larga escala.

“Este trabalho mostra a promessa dos sistemas de IA de agregar valor ao atendimento clínico, extraindo novas informações de dados de imagem existentes”, disse Magudia. “A implantação de sistemas de IA permitiria aos radiologistas, cardiologistas e médicos de cuidados primários fornecer um melhor atendimento aos pacientes com um custo mínimo incremental para o sistema de saúde.”

Este artigo recebeu o Prêmio de Pesquisa Trainee RSNA 2020.

Os co-autores são Christopher P. Bridge, D.Phil., Camden P. Bay, Ph.D., Florian J. Fintelmann, MD, Ana Babic, Ph.D., Katherine P. Andriole, Ph.D., Brian M. Wolpin, MD, e Michael H. Rosenthal, MD, Ph.D.

Veja a apresentação RSNA deste estudo no VÍDEO: Análise de Aprendizagem Profunda da Gordura Abdominal para Avaliar o Risco de Ataque Cardíaco e AVC .
 

Imagem: Um exemplo de análise da composição corporal de uma fatia de TC abdominal com a gordura subcutânea em verde, o músculo esquelético em vermelho e a gordura visceral em amarelo. Isso foi automaticamente identificado e analisado por meio de um algoritmo de aprendizado profundo para avaliar o risco de ataque cardíaco e derrame em mais de 12.000 pacientes.

Fonte: https://www.itnonline.com/article/ai-measured-abdominal-fat-accurately-predicts-heart-attack-and-stroke-risk