Inteligência artificial Solução escalável para infarto do miocárdio ST: Estudo transversal (ASSIST)

Atrasos na triagem e diagnóstico de pacientes apresentaram dor no peito ou outros sintomas sugestivos de síndrome coronariana aguda (SCA) podem ser fatais. Este estudo tem como objetivo melhorar esses dois aspectos nos cuidados agudos da doença isquêmica: reduzindo os atrasos na intervenção e melhorando a precisão do diagnóstico inicial, que são de suma importância nos casos de SCA, especialmente no STEMI. O primeiro desempenha um papel crítico na minimização das taxas de mortalidade hospitalar, que demonstraram diminuir proporcionalmente com a redução dos tempos para a intervenção. O último depende de uma interpretação correta do ECG, ferramenta de diagnóstico de primeira linha na avaliação de pacientes com suspeita de SCA.

O padrão atual de atendimento à ACS inclui um ECG de 12 derivações que deve ser realizado nos primeiros 10 minutos do primeiro contato médico. O ECG deve ser interpretado por um médico qualificado, que alertará o cardiologista de plantão para confirmar ou não a ativação do "código de infarto", com base no ECG e na apresentação clínica. Essa ativação implicará principalmente a transferência imediata do paciente para o hospital mais próximo com a possibilidade de angiografia coronária de emergência (se não estiver presente na instituição inicial) e eventual intervenção coronariana percutânea (PCI). Em relação ao diagnóstico de infarto agudo do miocárdio (IMI), uma interpretação precisa e rápida do primeiro ECG é crítica para o diagnóstico diferencial entre STEMI, NSTEMI ou angina instável; e siga o padrão adequado das diretrizes de atendimento. Os maiores atrasos ocorre entre o primeiro ECG e o transporte para o laboratório de cateterismo cardíaco, que tem implicações prognósticas.

Nos últimos anos, as ferramentas digitais automáticas baseadas na inteligência artificial (IA) foram propostas como uma solução para apoiar os médicos na interpretação do ECG, reduzindo sua carga de trabalho e tempo para diagnóstico, sugerindo o impacto benéfico das plataformas de AI para o diagnóstico preciso da IMI. Nesta configuração, as plataformas da AI devem ser capazes de detectar automaticamente padrões de ECG vinculados a anatomia coronariana desfavorável e maus resultados. Também é essencial ter a capacidade de identificar padrões mais sutis de ECG, não óbvios durante a interpretação dos médicos, mas indicando anatomia coronariana de alto risco. Além disso, a plataforma deve ajudar a previsão das lesões coronárias mais graves, especialmente a estenose obstrutiva. Essa capacidade de detectar lesões coronarianas pode ser útil na prevenção da ativação desnecessária ou prematura do laboratório de cateterismo, principalmente no ambiente de NSTEMI.

O estudo clínico de assistência é um estudo transversal e multicêntrico, com o objetivo de coletar dados para desenvolver a plataforma Willem ™, uma ferramenta baseada em IA para análise de ECG. Essa plataforma pode melhorar a precisão do diagnóstico de IAM, particularmente a diferenciação entre o STEMI e o NSTEMI e a identificação precoce de pacientes com infarto do miocárdio de oclusão (OMI).