Caracterizada por musculatura cardíaca enfraquecida ou danificada, a insuficiência cardíaca resulta no acúmulo gradual de fluido nos pulmões, pernas, pés e outras partes do corpo de um paciente. A condição é crônica e incurável, muitas vezes levando a arritmias ou parada cardíaca súbita. Por muitos séculos, sangrias e sanguessugas foram o tratamento de escolha, famosamente praticadas por cirurgiões-barbeiros na Europa, em uma época em que os médicos raramente operavam pacientes.
No século XXI, o manejo da insuficiência cardíaca tornou-se decididamente menos medieval: Hoje, os pacientes passam por uma combinação de mudanças saudáveis no estilo de vida, prescrição de medicamentos e, às vezes, usam marca-passos. No entanto, a insuficiência cardíaca continua sendo uma das principais causas de morbidade e mortalidade, impondo um fardo substancial aos sistemas de saúde em todo o mundo.
“Cerca de metade das pessoas diagnosticadas com insuficiência cardíaca morrerá em cinco anos do diagnóstico”, diz Teya Bergamaschi, estudante de doutorado do MIT no laboratório da Professora Nina T. e Robert H. Rubin Collin Stultz e co-primeira autora de um novo artigo que introduz um modelo de deep learning para prever a insuficiência cardíaca. “Entender como um paciente se sairá após a hospitalização é realmente importante na alocação de recursos finitos.”
O artigo, publicado na Lancet eClinical Medicine por uma equipe de pesquisadores do MIT, Mass General Brigham e Harvard Medical School, compartilha resultados do desenvolvimento e teste do PULSE-HF, que significa “Predict changes in left ventricULar Systolic function from ECGs of patients who have Heart Failure” (Prever mudanças na função sistólica ventricular esquerda a partir de ECGs de pacientes com insuficiência cardíaca). O projeto foi conduzido no laboratório de Stultz, que é afiliado à MIT Abdul Latif Jameel Clinic for Machine Learning in Health . Desenvolvido e testado retrospectivamente em três diferentes coortes de pacientes do Massachusetts General Hospital, Brigham and Women’s Hospital e MIMIC-IV (um conjunto de dados disponível publicamente), o modelo de deep learning prevê com precisão as mudanças na fração de ejeção do ventrículo esquerdo (LVEF), que é a porcentagem de sangue sendo bombeada para fora do ventrículo esquerdo do
Fonte: MIT News AI
Publicado em 2026-03-12