Um dos exames mais corriqueiros nos centros médicos cardiológicos é o eletrocardiograma (ECG), que mede a passagem de corrente elétrica pelo coração, e pode indicar a presença de alguma doença quando o padrão de funcionamento do órgão está alterado. Apesar de ser um exame simples com alto poder diagnóstico, a leitura de ECG deve ser interpretada por um médico especialista, o que dificulta seu uso em locais com falta de pessoal qualificado.
Buscando aumentar sua aplicação potencial, um grupo de pesquisadores brasileiros da Universidade Federal de Minas Gerais, em parceria com a Universidade de Uppsala, na Suécia, apresentou em abril um método que usa redes neurais profundas para analisar os resultados do exame. O algoritmo, na forma de uma rede residual, foi treinado com mais de 2 milhões de exames rotulados, obtidos a partir da Rede de Teleassistência de Minas Gerais, que coleta dados relacionados à assistência de saúde à distância. Um diferencial para estudos anteriores é que os autores usaram as leituras rápidas (7 a 10 segundos) dos 12 eletrodos empregados atualmente, ao contrário de se basearem em apenas uma leitura. Os exames podiam representar um ECG normal, ou uma das 6 anormalidades mais comuns detectadas pela técnica: bloqueio atrioventricular de primeiro grau, bloqueio do ramo direito do feixe de His, bloqueio do ramo esquerdo do feixe de His, bradicardia sinusal, fibrilação atrial, ou taquicardia sinusal. O modelo treinado teve desempenho melhor do que médicos residentes, com score F1 de 80% e especificidade acima de 99%.
Quando os pesquisadores analisaram os exames que o algoritmo classificou de forma incorreta, observaram que a maioria continha casos fronteiriços, onde outras informações costumam ser necessárias para o diagnóstico completo. Mesmo nesses casos, entretanto, o modelo foi mais bem sucedido que os médicos residentes que participaram do estudo.
O trabalho reforça o potencial que a tecnologia tem de alcançar, e até suplantar, a qualidade oferecida na prática clínica, oferecendo uma ferramenta diagnóstica automática que pode servir tanto para situações onde não há pessoal qualificado, quanto como suporte em clínicas de atendimento primário.