Previsão e Tratamento de Paragem Cardíaca Guiado por IA

A paragem cardíaca súbita (PCS) continua a ser uma das principais causas de mortalidade nos Estados Unidos. Apesar dos esforços significativos para melhorar os resultados da reanimação, a sobrevivência mantém-se baixa. Além disso, a PCS é frequentemente a primeira manifestação de doença cardíaca subjacente, após a qual os sobreviventes geralmente sofrem de doença cardiovascular e neurológica crónica secundária devido ao insulto primário. A reanimação da PCS é iniciada em doentes que sofrem de arritmias potencialmente fatais, geralmente taquicardia/fibrilhação ventricular (TV/FV) ou actividade eléctrica sem pulso (AESP), que, se bem-sucedida, é seguida pelo retorno da circulação espontânea (RCE). No entanto, isto é normalmente seguido por rearrestes repetidos devido a TV/FV, AESP ou assistolia. É importante salientar que os mecanismos da TV/FV e da AESP variam significativamente, e os tratamentos protocolizados e não direccionados podem piorar os resultados. Atualmente, os tratamentos são geralmente iniciados após a ocorrência de rearreste e sem ter em conta as características pessoais únicas ou de paragem do doente individual, factores que são preditores conhecidos dos resultados da paragem cardíaca. Estudos recentes mostraram que uma resposta de tratamento mais rápida e direccionada (ou seja, menor tempo para tratar com tratamento específico do tipo de rearreste) para a paragem cardíaca pode melhorar significativamente a sobrevivência e as sequelas crónicas subsequentes após a PCS. Portanto, a capacidade de prever a ocorrência e a causa da paragem cardíaca ou do rearreste (ou seja, TV/FV e AESP) poderia orientar uma terapia personalizada precoce e, em última análise, melhorar os resultados da reanimação, que é o objectivo translacional a longo prazo deste esforço. Além disso, a intervenção precoce poderia ser crítica em comunidades rurais, onde os tempos de transporte para cuidados hospitalares definitivos são longos e os recursos são limitados.

Em trabalho em curso, os investigadores observaram recentemente em doentes dos serviços de emergência médica (SEM) que a adição de parâmetros clínicos (por exemplo, idade, tipo de paragem primária) a características derivadas da onda T do ECG num modelo de aprendizagem automática (AA) melhora a precisão da previsão de TV/FV e AESP (>90%). Os investigadores propõem um estudo de viabilidade da previsão de rearreste orientada por AA. A hipótese geral é que um biomarcador de ECG, combinado com características clínicas, pode prever o rearreste e a sua causa (TV/FV ou AESP), o que melhorará significativamente o tempo até ao tratamento e os resultados agudos e crónicos da paragem cardíaca. Os investigadores hipotetizam ainda que esta tecnologia pode ser facilmente adoptada e implementada com sucesso pelos socorristas de emergência. Os investigadores planeiam dois ensaios clínicos interrelacionados, um um ensaio observacional em paragem cardíaca simulada, e um segundo ensaio observacional em doentes dos SEM. Os seguintes objectivos específicos testarão estas hipóteses.

Objectivo 1. Determinar o desempenho e a satisfação do utilizador final com um dispositivo de previsão de rearreste totalmente automatizado e orientado por AA, utilizando cenários de paragem cardíaca simulada. Serão estudados prestadores de emergência, em cenários de reanimação simulados em tempo real utilizando gravações reais de ECG de rearreste, para identificar barreiras e facilitadores à implementação e adopção da tecnologia, bem como a satisfação do prestador e o valor percebido da intervenção. Isto será alcançado determinando métricas de desempenho do prestador (por exemplo, iniciar terapias orientadas por AA) e utilizando ferramentas qualitativas para avaliar o envolvimento, confiança e utilidade percebida do utilizador final. Estes estudos fornecerão dados fundamentais para a implementação e escalabilidade da tecnologia, tanto para um ensaio clínico como para orientação futura da aprovação da FDA e regulamentar.

Objectivo 2. Testar a precisão de um modelo de AA multiclasse para a previsão em tempo real da ocorrência de rearreste e do seu tipo (TV/FV vs. AESP) e o impacto no tempo até ao tratamento, num ensaio clínico observacional de doentes com paragem cardíaca. Aproveitando uma colaboração em curso com os SEM de Cleveland e da comunidade, os investigadores irão recrutar doentes com paragem cardíaca dos SEM e observar a ocorrência de rearreste num estudo de validação observacional de prova de conceito. A precisão do modelo de AA totalmente automatizado para prever o rearreste e o seu tipo será determinada, mas a orientação do tratamento não será testada nesta fase. Os prestadores estarão cegos para a saída do AA, e o AA não irá direccionar o tratamento. Offline, a precisão da previsão e o tempo estimado para a decisão de tratamento orientada por AA serão comparados com o tipo real de rearreste e o momento do tratamento. Estes resultados fornecerão resultados preliminares de segurança e precisão, estimativas do tamanho da amostra, e processos de recrutamento e consentimento informado para um futuro ensaio clínico controlado randomizado para testar tratamentos de rearreste orientados por AA.