AI-Enabled Digital Stethoscope for Early Detection of Congenital Heart Disease: Prospective Study

Todos os anos, milhares de crianças nascem com defeitos estruturais no coração. Em muitas partes do mundo, encontrar esses problemas precocemente é uma questão de vida ou morte, mas o acesso a médicos especializados e máquinas de imagem caras é frequentemente escasso. Por gerações, o primeiro passo para detectar esses problemas tem sido o simples ato de ouvir. Um médico coloca um estetoscópio contra o peito de uma criança, ouvindo o ritmo do batimento cardíaco e a presença de quaisquer sons extras, conhecidos como sopros, que possam sinalizar um problema. Este método é gratuito, não invasivo e disponível em quase todos os lugares, mas depende inteiramente da habilidade e da experiência da pessoa que segura o dispositivo. Um sopro que é óbvio para um especialista pode ser ignorado por um clínico geral, e a precisão do diagnóstico pode variar drasticamente dependendo de quem está ouvindo.

Para preencher essa lacuna, pesquisadores começaram a explorar como os computadores podem aprender a ouvir melhor do que os humanos. Combinando um estetoscópio digital com inteligência artificial, os cientistas esperam criar uma ferramenta que possa ouvir os sinais sutis de doenças cardíacas com a mesma consistência de um especialista de alto nível, independentemente do ambiente ou do treinamento do ouvinte. Esta abordagem não substitui a necessidade de imagens avançadas, que continuam sendo o padrão ouro para confirmar um diagnóstico, mas oferece uma maneira poderosa de decidir quem precisa desse cuidado avançado imediatamente. Um novo estudo de um hospital na Índia coloca essa ideia à prova, questionando se um programa de computador pode detectar de forma confiável a cardiopatia congênita em crianças apenas analisando os sons de seus corações.

Os pesquisadores se propuseram a construir e testar um sistema que pudesse ouvir batimentos cardíacos e decidir se uma criança tem um defeito cardíaco. Eles recrutaram 721 crianças e jovens adultos, variando de bebês a adultos, que visitavam uma unidade cardíaca especializada. Cerca de metade desses participantes tinha defeitos cardíacos confirmados, enquanto os outros tinham corações estruturalmente normais. Usando um estetoscópio digital que grava o som e o envia sem fio para um smartphone, a equipe capturou sons do coração em quatro pontos padrão no peito: superior direito, superior esquerdo, inferior esquerdo e a ponta do coração. Cada gravação durou vinte segundos. A equipe então dividiu seus dados, usando sons de 301 participantes para ensinar um programa de computador como soa um coração saudável versus um coração com defeito. Os 420 participantes restantes foram usados para testar o programa sem que os pesquisadores soubessem o diagnóstico real previamente, garantindo que o teste fosse justo e imparcial.

O programa de computador funcionava transformando as ondas sonoras brutas em um mapa visual chamado mel-espectrograma. Este mapa exibe o som de uma forma que imita como o ouvido humano percebe o tom, permitindo que o computador veja padrões no ruído que são invisíveis ao ouvido nu. O programa analisava esses mapas usando um tipo de inteligência artificial conhecido como rede neural convolucional, que é projetada para reconhecer padrões complexos em imagens e sons. O sistema aprendeu a identificar assinaturas acústicas específicas associadas a diferentes tipos de defeitos cardíacos, como o fluxo turbulento de sangue através de uma válvula estreitada ou o fluxo contínuo de sangue através de um buraco na parede do coração. Quando o programa ouvia um som, calculava uma pontuação de probabilidade para determinar se o coração era provavelmente anormal.

Quando os pesquisadores testaram o sistema nos 420 participantes não vistos, os resultados foram impressionantes. A inteligência artificial identificou corretamente 222 de 233 crianças que tinham defeitos cardíacos, perdendo apenas 11 casos. Também identificou corretamente 171 de 187 crianças com corações saudáveis, sinalizando 16 crianças saudáveis como tendo potencialmente um problema. Este desempenho traduziu-se numa sensibilidade de 95,2 por cento e uma especificidade de 91,4 por cento quando comparados com o diagnóstico final feito por ecocardiografia, a imagem de ultrassom usada como referência definitiva. Em termos mais simples, o computador perdeu muito poucos niños doentes e raramente deu um alarme falso para os saudáveis. O sistema teve um desempenho tão bom quanto um cardiologista pediátrico treinado ouvindo com um estetoscópio tradicional e, em alguns casos, até superou ouvintes humanos em ambientes ruidosos ou com crianças que estavam chorando ou se movendo.

O estudo também analisou de perto os tipos de defeitos cardíacos que o sistema poderia encontrar. Foi excepcionalmente bom em detectar defeitos onde o fluxo sanguíneo era aumentado, como buracos entre as câmaras cardíacas, capturando 9 de cada 10 casos (98 por cento). Também foi altamente eficaz em encontrar defeitos onde o fluxo sanguíneo era diminuído, como válvulas estreitadas, com uma taxa de detecção de 93 por cento. Mesmo para defeitos onde o fluxo sanguíneo permanecia normal, o sistema manteve uma forte taxa de detecção de 91 por cento. Os pesquisadores observaram que os poucos casos que o sistema perdeu foram frequentemente aqueles em que o defeito cardíaco produzia sons muito tênues ou nenhum som, mesmo para um médico humano especialista. Isso sugere que as limitações do computador eram semelhantes às limitações da audição humana, em vez de uma falha da própria tecnologia.

O desempenho do sistema permaneceu consistente em todos os grupos de idade, desde bebês com menos de um ano até adultos com mais de dezoito anos. Isso é particularmente significativo porque ouvir os corações de bebês é notoriamente difícil; seus corações batem muito mais rápido e eles costumam estar chorando ou inquietos, tornando difícil para um humano isolar o som de um sopro. O fato de o computador manter alta precisão nessas condições desafiadoras sugere que ele pode ser uma ferramenta vital para programas de triagem de recém-nascidos. Os pesquisadores reconheceram que seu estudo foi conduzido em um único centro e que o sistema foi treinado com dados de crianças que ainda não haviam passado por cirurgia cardíaca. Eles também observaram que o sistema foi projetado para detectar a presença de um problema, não para identificar o tipo específico de defeito ou sua gravidade.

Apesar dessas limitações, as descobertas oferecem uma visão convincente para o futuro da triagem de doenças cardíacas. O estudo demonstra que um sistema de inteligência artificial integrado a um estetoscópio digital pode detectar cardiopatia congênita em crianças com alta precisão, igualando o desempenho de especialistas experientes. Ao fornecer uma maneira confiável e não invasiva de rastrear defeitos cardíacos, esta tecnologia pode ajudar a identificar crianças que precisam de cuidados urgentes muito mais cedo, especialmente em regiões onde o acesso a cardiologistas especializados é limitado. Os pesquisadores concluem que tal ferramenta tem o potencial de padronizar a triagem, reduzir atrasos no diagnóstico e, fundamentalmente, melhorar os resultados para crianças com defeitos cardíacos em todo o mundo.