Uso de IA na Previsão de Risco Cardiometabólico em Indianos Asiáticos

IA é um termo que engloba aprendizado de máquina (ML), aprendizado profundo, aprendizado supervisionado, aprendizado não supervisionado, redes neurais artificiais (ANNs) e redes neurais convolucionais (CNNs). Um componente essencial da IA, ML, está sendo cada vez mais usado em aplicações de saúde (Shah, Patel, & Bharti, 2020), pois é um campo interdisciplinar que usa técnicas para permitir que computadores examinem conjuntos de dados sem programação explícita. O ML envolve o desenvolvimento de um modelo ou algoritmo pela extração cuidadosa de recursos essenciais dos dados de treinamento usados ​​para fins de teste. Dados de teste são utilizados para fazer previsões sobre problemas de pesquisa. O ML pode ser efetivamente resumido como: extração de recursos, seleção de técnica para análise de dados, treinamento do novo modelo e avaliação de sua eficácia e realização de previsões usando o modelo treinado. O aprendizado supervisionado e não supervisionado são formas de aprendizado de máquina. No aprendizado supervisionado, conjuntos de dados conhecidos são usados ​​para entender os padrões nos conjuntos de dados, enquanto no aprendizado não supervisionado, conjuntos de dados não rotulados são usados ​​para entender os dados (Mathur et al., 2020).

Estruturas de aprendizado profundo usam várias camadas de computação. DL é usado principalmente para processar conjuntos de dados grandes e brutos. Na ANN, vários algoritmos de aprendizado de máquina trabalham juntos e processam entradas de dados, mas na CNN existem nós ocultos em camadas para informações, dados complexos e processamento de imagens. Com o rápido avanço em IA, ML e DL, os programas de computador podem simular efetivamente a atividade neural do neocórtex do cérebro, onde o raciocínio, o pensamento e as funções cognitivas ocorrem em ritmo acelerado (Mathur et al., 2020).

No domínio da medicina cardiovascular, a IA tem extensas aplicações em terapia medicamentosa, farmacogenômica, insuficiência cardíaca, estudos de imagem e diagnósticos. É importante ressaltar que a IA tem a capacidade de fornecer mecanismos para aplicar medicina de precisão e big data na medicina, ao mesmo tempo em que aumenta a eficácia do regime de tratamento aconselhado pelo cardiologista. Além disso, os algoritmos AI/ML podem analisar dados sem suposições para fins de previsão e classificação. Assim, a medicina cardiovascular pode se beneficiar notavelmente da incorporação e utilização criteriosa da IA ​​(Romiti et al., 2020).

Distúrbios cardiometabólicos (DMCs), incluindo infarto do miocárdio, acidente vascular cerebral e diabetes mellitus tipo 2 (DM2), estão associados a um aumento da morbidade e mortalidade, e sabe-se que o estilo de vida e o nível de exercício de um indivíduo são fatores de risco significativos para DCV. Isso é especialmente verdadeiro para pacientes que passam períodos consideráveis ​​de tempo fazendo trabalho sedentário, têm mobilidade limitada ou acham difícil manter quantidades aceitáveis ​​de exercício, muito menos atingir os níveis moderados a vigorosos recomendados para a saúde cardiometabólica (Landry et al. , 2022).

Os indianos asiáticos são um dos maiores grupos étnicos em crescimento no mundo e têm uma das taxas mais altas de doença cardiovascular (DCV), incluindo DM2 (Van Niel et al., 2021) doença arterial coronariana (incluindo eventos cardiovasculares adversos graves ou MACE) . Várias causas de DCV foram identificadas, como adoção de padrões e hábitos alimentares ocidentais, predisposição genética, desequilíbrio nas lipoproteínas e obesidade abdominal. Certas influências perinatais também são consideradas possíveis contribuintes.

O alto consumo de PUFAs ômega-6 e gordura saturada está significativamente correlacionado com hiperinsulinemia em jejum e inflamação subclínica. Tais dietas desequilibradas contribuem para a alta prevalência de resistência à insulina, síndrome metabólica e DM2 em indianos asiáticos (Isharwal, Misra, Wasir & Nigam, 2009). Além disso, fatores genéticos, culturais e socioeconômicos também resultaram nessa crise de saúde. Estudos mostraram consistentemente que os indianos asiáticos têm uma alta prevalência de resistência à insulina, o que aumenta sua tendência de desenvolver DM2 e DCV em uma idade mais jovem em comparação com indivíduos de outras etnias (Misra & Vikram, 2004). Razões importantes podem ser o excesso de gordura corporal e padrões adversos de gordura corporal, incluindo adiposidade abdominal, mesmo quando o índice de massa corporal está dentro dos limites normais atualmente definidos. Algumas dessas características foram relatadas no nascimento e na infância.

A American Diabetes Association (ADA) reduziu o ponto de corte do IMC (em comparação com os caucasianos) para triagem de DM2 em sul-asiáticos. Alguns dos problemas encontrados são: variabilidade na estratificação de risco clínico; falta de diretrizes estabelecidas para imagens de aterosclerose e escassez de dados para a formulação de diretrizes clínicas significativas em pessoas de etnia indiana asiática.

A população de indianos asiáticos está aumentando nos Estados Unidos em um ritmo acelerado (Gujral & Kanaya, 2021). Um estudo recente da American Heart Association (AHA) ressalta a crescente prevalência e mortalidade associada à DCV nessa etnia, principalmente devido à resistência à insulina e ao aumento da incidência de DM2. Os indianos representam um grupo bem-sucedido de imigrantes com renda mais alta e melhores indicadores sociais e econômicos. Os dados preliminares obtidos a partir deste estudo baseado em IA permitirão que nossa equipe obtenha os fundos necessários para pesquisas prospectivas de longo prazo neste campo.