Avaliação do Valor Incremental das Características do ECG Derivado de IA Além dos Relatórios Automáticos de ECG e Dados Clínicos para Mortalidade de 30 Dias: Estudo de Coorte MIMIC-IV

O que aconteceu

Informações/Aims Características do eletrocardiograma derivado de inteligência artificial (AI) (ECG) podem melhorar a predição de risco de mortalidade, mas relatórios automatizados de ECG e registros clínicos já contêm informações prognósticas. A questão relevante é o que a IA acrescenta além dessas fontes, se essa vantagem persiste em populações e condições, e como ela altera quais pacientes são priorizados quando a revisão clínica é limitada. Métodos Utilizando dados do MIMIC-IV, comparamos 15 medidas de morfologia pré-especificada do ECG com características do D-BETA, modelo de ECG de aprendizagem profunda previamente treinado, para mortalidade por todas as causas em 30 dias nos mesmos pacientes mantidos, sem e com informações clínicas básicas. Análises pré-especificadas do ECG examinaram 5% e 10% de capacidade de revisão. Análises post hoc compararam as características derivadas de IA com 21 medidas automatizadas de ECG e o relatório de ECG automatizado expandido, avaliaram a adição de características derivadas de IA a um modelo já contendo o relatório expandido e informações clínicas básicas, e examinaram listas de revisão ajustadas ao contexto. Avaliamos a variação entre os grupos de pacientes, a mortalidade em um ano na coorte brasileira de telessaúde CODE-15% (não utilizada no treinamento de ECG mais precoce do modelo) e o treinamento prévio de ECG sob disponibilidade completa versus restrita de rótulo de desfecho. Simulamos o processamento seletivo de IA. Resultados Entre 25.430 pacientes com ambas as características do ECG disponíveis, 924 morreram em 30 dias. As características derivadas de IA alcançaram uma área sob a curva característica de operação do receptor (AUROC) de 0,812 versus 0,737 com medidas de morfologia (diferença +0,075; IC 95% +0,059 a +0,091), e uma vantagem de +0,053 (+0,039 a +0,067) com informações clínicas básicas. Contra o laudo de ECG automatizado expandido com informações clínicas básicas mantidas constantes, a diferença foi de +0,0037 (-0,0053 a +0,0126); adicionando características de IA a um modelo já contendo o laudo expandido e informações clínicas básicas obtiveram +0,0075 (-0,0005 a +0,0151). Ambos os intervalos incluíram zero. A vantagem variou entre os grupos de pacientes. No teste travado brasileiro, modelos treinados em MIMIC inalterados mantiveram uma vantagem AUROC de +0,027 (+0,002 a +0,052) para mortalidade em um ano, um horizonte de desfecho diferente. O treinamento prévio de ECG adicionou pouca discriminação média com rótulos de desfecho completos e informações clínicas básicas, porém maiores ganhos com rótulos restritos em análises post hoc. Numa hipotética capacidade de revisão de 5%, a comparação pré-especificada ECG identificou 236 versus 163 óbitos subsequentes para características derivadas de IA versus 15 medidas morfológicas. Após a adição de informações clínicas básicas, a correspondente comparação post hoc identificou 262 versus 221. Em uma comparação post hoc separada com o relatório de ECG automatizado expandido, com modelos restaurados separadamente, as listas de revisão baseadas em IA e baseadas em relatórios capturaram 262 e 261 óbitos subsequentes, respectivamente; essa diferença é descritiva e não tem intervalo pareado. O roteamento simulado de 19,8% dos ECGs para análise de IA identificou 242 versus 236 óbitos subsequentes sob IA universal; a lista roteada perdeu 47 óbitos que a IA universal identificou. Conclusões As características do ECG derivado de IA melhoraram o ranking de risco de mortalidade em 30 dias em comparação com medidas limitadas de morfologia do ECG. Seu desempenho incremental foi menor e incerto quando comparado com o relatório de ECG automatizado expandido e informações clínicas básicas. Na mesma carga de trabalho de revisão, modelos priorizaram diferentes pacientes que posteriormente faleceram; capturaram a medida de priorização dos óbitos lista de revisão, não preveniram a mortalidade. A análise de processamento seletivo foi simulada; os efeitos clínicos e a economia de recursos realizada permanecem para serem avaliados.