A MetaFormer framework with position-aware circular convolution for myocardial infarction detection

O coração humano é uma bomba implacável, mas o seu ritmo é também um código elétrico complexo. Quando uma obstrução corta o fluxo sanguíneo para o músculo cardíaco, uma condição conhecida como infarto do miocárdio, os sinais elétricos que viajam pelo peito mudam de formas sutis e críticas. Os médicos dependem há muito tempo do eletrocardiograma, ou ECG, para ler estes sinais. Este teste utiliza adesivos colocados na pele para registar a atividade elétrica do coração como uma série de linhas onduladas num ecrã. Durante décadas, o método padrão para diagnosticar um ataque cardíaco tem sido um médico a observar estas linhas, interpretando as formas e o tempo para detetar problemas. Embora esta inspeção visual seja o padrão de ouro, é lenta, propensa ao erro humano e tem dificuldade em acompanhar o enorme volume de dados gerados nos hospitais modernos. À medida que a necessidade de um diagnóstico mais rápido e fiável cresce, os cientistas voltaram-se para os computadores para ajudar a ler a linguagem do coração, esperando construir sistemas que possam detetar um ataque cardíaco com a velocidade de uma máquina e a perspicácia de um especialista.

Num estudo recente, investigadores da Universidade Médica de Bengbu e da Universidade de Tianjin, na China, desenvolveram um novo modelo computacional concebido para detetar o infarto do miocárdio com uma precisão notável. Eles abordaram o problema criando um sistema que mimetiza a forma como os modelos avançados de inteligência artificial processam a informação, mas com um toque específico para o tornar mais rápido e eficiente. O núcleo da sua inovação é uma nova forma de o computador "olhar" para o sinal de ECG. Em vez de apenas percorrer o sinal em pequenos fragmentos isolados como uma câmara tradicional, o seu sistema utiliza uma técnica chamada convolução circular sensível à posição. Imagine o sinal de ECG como uma longa tira de papel; este método permite que o computador veja a tira inteira de uma só vez ao conectar conceptualmente o fim da tira de volta ao início, criando um ciclo contínuo. Isto permite que o modelo compreenda como um sinal num determinado momento se relaciona com um sinal distante no tempo, capturando o contexto completo do batimento cardíaco sem se perder nos detalhes.

Para refinar esta visão ampla, os investigadores adicionaram uma segunda camada de inteligência que se foca na importância específica de diferentes partes do sinal. Eles combinaram isto com uma unidade recorrente de porta bidirecional, um tipo de sistema de memória que lê a atividade elétrica do coração tanto para a frente como para trás no tempo. Esta leitura de dupla direção permite que o modelo compreenda a história de um batimento cardíaco não apenas conforme acontece, mas também em relação ao que veio antes e ao que se segue. Ao tecer estas duas abordagens, a equipa criou uma estrutura que consegue distinguir entre um ritmo cardíaco saudável e os padrões caóticos de um ataque cardíaco com alta precisão. Eles testaram o seu modelo numa grande base de dados de registos reais de pacientes, focando-se especificamente em dados da Physikalisch-Technische Bundesanstalt, um grande repositório de dados cardíacos médicos.

Os resultados dos seus testes foram impressionantes. O novo modelo identificou corretamente ataques cardíacos em 99,5% dos casos analisados e identificou corretamente ritmos cardíacos saudáveis em 99,4% dos casos. Este desempenho superou outras estratégias de inteligência artificial de topo que os investigadores testaram lado a lado, incluindo modelos baseados em redes de aprendizagem profunda padrão e redes transformer. Além da precisão, o novo sistema provou ser significativamente mais eficiente. Requeru muito menos recursos computacionais e menos poder de processamento do que os seus concorrentes, tornando-o uma ferramenta muito mais prática para uso em ambientes do mundo real, incluindo em dispositivos móveis menores onde a energia é limitada. Os investigadores também forneceram uma prova matemática para mostrar que o processo de aprendizagem do modelo é estável e não se tornará errático ao longo do tempo, garantindo que o seu alto desempenho é fiável.

Este trabalho representa um passo significativo na fusão das forças de diferentes tipos de inteligência artificial. Ao combinar a capacidade de ver o quadro geral com a precisão do detalhe local, os investigadores criaram uma ferramenta que é simultaneamente poderosa e eficiente. Embora o estudo tenha sido conduzido utilizando dados de uma única fonte e focado especificamente em ataques cardíacos, o sucesso desta abordagem sugere um caminho promissor para futuros diagnósticos médicos. A equipa reconhece que são necessários mais testes em grupos de pacientes diversos e diferentes tipos de condições cardíacas, mas os seus resultados atuais demonstram que é possível construir um sistema que leia o código elétrico do coração com um nível de clareza e velocidade que poderá um dia salvar vidas ao detetar ataques cardíacos mais cedo do que nunca.