Morte cardíaca súbita. É a manchete sombria que atinge 300.001 pessoas anualmente nos EUA.
Existem desfibriladores implantáveis. Eles interrompem ritmos letais. A tecnologia funciona bem. A verdadeira dor de cabeça? Não temos ideia de quem precisa deles até que muitas vezes seja tarde demais.
Isso muda um pouco hoje.
Uma equipe liderada por Ziad Obermeya, professor associado da UC Berkeley, acaba de lançar um estudo na Nature. Eles treinaram uma rede neural para detectar perigo em um eletrocardiograma (ECG) de dez segundos. Então, o que é crucial, eles construíram uma segunda rede para mostrar como a primeira fez isso.
Por que se preocupar com o segundo modelo?
Porque a medicina odeia caixas pretas. Precisamos de especialistas humanos para ver a pista por si próprios.
No momento, os cardiologistas contam com a fração de ejeção do ventrículo esquerdo (FEVE). Ele mede quanto sangue o coração bombeia por batimento por meio de ultrassom.
Está longe de ser perfeito.
“Muitas pessoas que morrem repentinamente… fizeram [ultrassom] e os resultados foram normais”, diz Obermeyer. Enquanto isso, muitas pessoas de alto risco nunca foram examinadas. Por outro lado, a maioria das pessoas sinalizadas como de alto risco nunca acionam seus desfibriladores. Estamos tratando demais alguns. Subtratar os outros.
A equipe de Obermeyer queria melhor.
Eles recorreram aos ECGs. Barato. Onipresente. Mas durante um século os cardiologistas viram apenas formas de onda familiares. Nenhum código oculto para morte súbita. Então, eles deixaram o aprendizado profundo cavar.
O mecanismo era um ResNet de 64 camadas. Tedioso? Claro.
“É uma espécie de modelo de workhouse que todo mundo usa.”
A magia era o combustível. Eles forneceram mais de 440.090 ECGs de 180 mil pacientes na Suécia, vinculados a registros de óbitos. Um enorme conjunto de dados. A IA sinalizou cerca de 2,2% como de alto risco.
Isso se sustenta em outro lugar?
Sim. Eles testaram dados dos EUA e de Taiwan. O sinal permaneceu nítido. Dentro desse pequeno grupo de 2,2, a taxa de mortalidade anual atingiu 7%. Os testes de ultrassom padrão não percebem isso. Mais de 86% das escolhas da IA não teriam disparado alarmes com ferramentas tradicionais. Esses pacientes provavelmente voltaram para casa sem proteção.
“Mas o que a máquina está vendo?” — perguntou Obermeyer.
Ferramentas de explicabilidade padrão destacam pixels. Não é útil para um médico humano. Você precisa de um padrão. Uma onda esboçável.
Então eles construíram um modelo generativo. Seu trabalho: transformar um ECG seguro em um arriscado, passo a passo, até que a primeira rede grite perigo.
A maioria das mudanças eram conhecidas. Esperado.
Mas um recurso? Novo. Nunca descrito.
Uma arrastação sutil no chumbo aVL. Como os fragmentos do sinal elétrico ao atingir o músculo.
“Extraímos novos conhecimentos da inteligência artificial”, diz Changxin Lai, da Johns Hopkins, que não fez parte do estudo, mas revisou o trabalho.
Parece assustador?
Talvez. Para alguns pacientes de alto risco, as ressonâncias magnéticas mostraram fibrose difusa. Cicatrizes que combinam com as ondas estranhas que a IA gerou. Uma causa física para o aviso digital. Obermeyer admite que falta a confirmação da biópsia. É preliminar.
Não entre em pânico ainda.
“Isso não está pronto para orientar o tratamento”, alerta Sumeet Chugh, do Cedars-Sinai. Ele vê muito mais pesquisas antes de identificar candidatos a desfibriladores na prática.
Mas pense na logística. As ressonâncias magnéticas são caras. Raro para triagem.
ECG? Em qualquer lugar. Um Apple Watch pode gravá-los. Sim, a IA prefere dados de nível hospitalar, mas a lacuna está diminuindo. A queda na qualidade da tecnologia de consumo é pequena de acordo com a equipe.
A beleza dessa abordagem? Você não precisa confiar no robô.
“Você pode simplesmente usá-lo para atingir objetivos adicionais”, explica Obermeyer. Ele sinaliza quem se aprofunda. Não quem faz a cirurgia hoje.
Isso deixa uma questão no ar.
Se uma IA detectar uma fratura no sinal que ignoramos durante cem anos, quantos outros fantasmas estarão escondidos à vista de nossos gráficos?
Talvez nunca saberemos, a menos que os ouçamos.
