Cardio Fusion: A Dual-Stream Regularized Fusion Architecture for Generalizable Cardiovascular Disease Prediction Under Dataset Heterogeneity

As doenças cardíacas continuam sendo a principal causa de morte em todo o mundo, ceifando quase 18 milhões de vidas a cada ano. A condição surge de uma mistura complexa de fatores, incluindo idade, pressão arterial, níveis de colesterol e hábitos de estilo de vida, como o tabagismo. Embora os médicos dependam de exames físicos e testes especializados para diagnosticar esses problemas, tais métodos podem ser caros e exigir a disponibilidade escassa de especialistas. Isso impulsionou a busca por sistemas computacionais que possam auxiliar na previsão de riscos, atuando como um complemento escalável ao cuidado tradicional. No entanto, a construção desses sistemas enfrenta um obstáculo persistente: os dados dos quais eles aprendem são frequentemente desorganizados, incompletos ou extraídos de pequenos grupos de pacientes que não representam a população em geral. Quando um modelo de computador é treinado em um conjunto estreito de informações, ele frequentemente falha ao ser confrontado com um novo paciente que apresenta características diferentes no papel, levando a previsões pouco confiáveis.

Para enfrentar esse desafio, os pesquisadores K. Padmini, Nilesh V. Ingale e V. Aruna desenvolveram uma nova abordagem chamada "Cardio Fusion". Em vez de depender de um único algoritmo de computador para fazer um diagnóstico, eles criaram um sistema que imita uma equipe de especialistas trabalhando em conjunto. A arquitetura é projetada para lidar com dois tipos de informações médicas muito diferentes simultaneamente. Um fluxo processa registros padrão de pacientes, como idade, pressão arterial e colesterol, que são armazenados em tabelas. O outro fluxo é construído para analisar imagens médicas ou traçados de ritmo cardíaco, conhecidos como eletrocardiogramas. Ao tratar essas duas fontes de informação separadamente antes de combinar suas conclusões, o sistema visa ser mais robusto e adaptável às diversas formas como a doença cardíaca se apresenta em diferentes pessoas.

O núcleo deste novo método envolve um processo cuidadoso de seleção antes que qualquer previsão seja feita. Os registros médicos frequentemente contêm dezenas de medições, muitas das quais são indicadores fracos de doença ou simplesmente ruído. Os pesquisadores utilizaram uma técnica matemática para filtrar esses dados e identificar apenas os preditores mais poderosos para cada grupo específico de pacientes. Por exemplo, em um grande conjunto de dados, o sistema determinou que a pressão arterial sistólica, a idade e os níveis de glicose eram os fatores mais críticos, enquanto em outro conjunto de dados, outras medições ganharam precedência. Isso garante que o computador não seja distraído por detalhes irrelevantes. Uma vez selecionadas as características mais importantes, o sistema as alimenta em um "ramo tabular", que é uma equipe híbrida de quatro algoritmos diferentes trabalhando em uníssono. Esta equipe inclui uma rede neural profunda — uma ferramenta complexa de reconhecimento de padrões — ao lado de três classificadores mais tradicionais. Esses quatro modelos votam no resultado, com a decisão final ponderada pelo nível de confiança de cada modelo em sua própria resposta.

Paralelamente a isso, o sistema inclui um "ramo de imagem" capaz de analisar exames cardíacos ou sinais elétricos usando modelos avançados de aprendizado profundo. Esses modelos são projetados para detectar padrões visuais sutis que o olho humano pode perder. Crucialmente, os dois ramos operam de forma independente. Se um hospital possui apenas registros de pacientes e nenhuma imagem, o sistema ainda pode funcionar usando apenas o ramo tabular. Se as imagens estiverem disponíveis, o sistema as processa separadamente e depois funde as duas conclusões. Esse design permite que a estrutura seja testada em uma ampla variedade de conjuntos de dados, desde coleções pequenas e antigas até registros modernos massivos contendo dezenas de milhares de pacientes.

Os pesquisadores testaram seu sistema em seis conjuntos de dados diferentes para ver como ele resistiria à pressão. Em um conjunto de dados clássico e menor, conhecido como benchmark de Cleveland, o sistema alcançou uma precisão de 96,5%. Este resultado é competitivo com os melhores métodos existentes. No entanto, o verdadeiro teste de uma ferramenta médica é se ela funciona em populações maiores e mais diversas. A equipe reimplementou todo o seu sistema em um segundo conjunto de dados muito maior, proveniente do Kaggle, que continha mais de 68.000 registros de pacientes. Neste teste maior, o sistema alcançou uma precisão de 73,95% e uma forte capacidade de distinguir entre pacientes doentes e saudáveis, medida por uma pontuação de 80,57%.

A queda na precisão do conjunto de dados menor para o maior não foi uma falha do sistema, mas sim um reflexo dos próprios dados. O conjunto de dados maior continha apenas informações de estilo de vida e sinais vitais, carecendo dos dados detalhados de ritmo cardíaco e dor no peito disponíveis nos conjuntos de dados menores e mais específicos. Os pesquisadores descobriram que, não importa quão sofisticado seja o algoritmo, ele não pode prever o que não lhe é fornecido. Essa descoberta reforça uma conclusão fundamental do estudo: simplesmente alimentar um computador com mais dados não garante melhores resultados. Em vez disso, a qualidade das características selecionadas e a forma como diferentes modelos são combinados são muito mais importantes. O estudo argumenta que um sistema híbrido bem regularizado — um que impede o computador de memorizar ruídos e o força a aprender padrões gerais — é mais confiável do que um algoritmo único e complexo.

Ao combinar a seleção de características otimizada com uma arquitetura de fluxo duplo, o framework Cardio Fusion demonstra que é possível construir uma ferramenta de previsão que seja tanto precisa quanto flexível. Ele apresenta bom desempenho em conjuntos de dados pequenos e específicos, mantendo sua estrutura para lidar com outros grandes e heterogêneos. Os pesquisadores observam que, embora seu sistema seja um passo significativo à frente, ele não é uma solução final. O trabalho futuro envolverá testar o sistema em coortes ainda mais diversas e integrar ferramentas que expliquem por que o computador fez uma previsão específica, ajudando os médicos a confiar no conselho da máquina. Por enquanto, o estudo fornece um caminho claro para ferramentas mais confiáveis e generalizáveis que poderão, um dia, sentar-se ao lado dos médicos, ajudando a identificar riscos de doenças cardíacas em pacientes que poderiam, de outra forma, passar despercebidos.