Acesso livre
Acesso livre

Tecnologia e Inovação

Ensaio Clínico de Fase 2: Terapia Baseada em CRISPR Reduz Crises de Angioedema Hereditário

28 Dez, 2024 | 14:22h

O estudo “Terapia Baseada em CRISPR para Angioedema Hereditário” investigou o uso de uma nova estratégia de edição gênica, denominada NTLA-2002, em pacientes com angioedema hereditário. O angioedema hereditário é uma condição genética rara, caracterizada por episódios de inchaço graves e imprevisíveis, muitas vezes com risco de obstrução de vias aéreas. Pesquisas anteriores já apontavam para o potencial de direcionar a via da calicreína plasmática como forma de prevenir esses ataques, mas as terapias disponíveis, embora efetivas, geralmente exigem uso contínuo.

O objetivo central deste ensaio clínico de fase 1–2 foi avaliar se a administração de dose única de NTLA-2002 – uma abordagem baseada em CRISPR-Cas9 para inativar o gene KLKB1 (responsável pela produção de calicreína plasmática) – poderia reduzir a frequência de ataques de angioedema, assim como verificar a segurança e a durabilidade do efeito ao longo do tempo. Na fase 2, descrita neste artigo, 27 adultos com angioedema hereditário foram randomizados para receber dose única de 25 mg ou 50 mg de NTLA-2002, ou placebo, em um desenho 2:2:1. A maior parte dos participantes tinha histórico frequente de ataques, e não estavam utilizando profilaxia de longo prazo durante o período principal de observação (16 semanas).

Os métodos envolveram o monitoramento dos ataques por meio de um diário eletrônico e medições seriadas de parâmetros laboratoriais. A principal análise avaliou o número médio mensal de ataques do início até a semana 16, comparando os grupos de dose baixa (25 mg) e alta (50 mg) de NTLA-2002 com o placebo. Também foram observadas variáveis de segurança, farmacodinâmica (mudança nos níveis de calicreína plasmática) e qualidade de vida.

Os resultados indicaram que, dos 21 pacientes que receberam NTLA-2002 (10 com 25 mg e 11 com 50 mg), ocorreu redução substancial na frequência de ataques em comparação ao placebo (redução média de 75% e 77%, respectivamente). Aproximadamente 40% dos participantes no grupo de 25 mg e 73% no grupo de 50 mg ficaram completamente livres de ataques nas 16 semanas iniciais, enquanto ninguém no grupo placebo obteve esse resultado. Em termos de segurança, os efeitos adversos mais comuns foram leves a moderados (cefaleia, fadiga, nasofaringite), e não houve eventos adversos graves relacionados ao produto ativo. Um destaque adicional foi a redução robusta e sustentada nos níveis de calicreína plasmática, sugerindo que uma única dose de NTLA-2002 pode ter efeito duradouro.

As conclusões apontam para o potencial de uma “cura funcional” do angioedema hereditário, pois vários participantes seguiram sem retomar profilaxia após o término do período principal. Entretanto, mantém-se a necessidade de cautela e observação de longo prazo, sobretudo considerando-se que novas terapias gênicas podem apresentar custo elevado e efeitos ainda não totalmente conhecidos em populações maiores.

As implicações para a prática clínica são promissoras, pois o NTLA-2002 pode oferecer maior comodidade ao eliminar a necessidade de tratamentos contínuos. Contudo, ainda é essencial ponderar os riscos e benefícios de uma intervenção gênica irreversível, além de custos e disponibilidade. Entre os pontos fortes do estudo, destacam-se o desenho controlado e a persistência do efeito terapêutico após dose única. Já as limitações incluem um número pequeno de participantes, curto período de observação controlada (16 semanas) e ausência de avaliação em ampla diversidade populacional.

Pesquisas futuras devem centrar-se em um estudo de fase 3, de maior escala e maior duração, a fim de confirmar eficácia, segurança e impacto de longo prazo na qualidade de vida. Além disso, estudos adicionais poderão esclarecer se doses ajustadas ou abordagens combinadas podem beneficiar pacientes que apresentem resposta parcial à terapia, bem como investigar potenciais marcadores que possam indicar melhor resposta individualizada.

Referência:
Cohn DM, Gurugama P, Magerl M, Katelaris CH, Launay D, Bouillet L, Petersen RS, et al. “CRISPR-Based Therapy for Hereditary Angioedema.” New England Journal of Medicine. Publicado em 24 de outubro de 2024. DOI: http://doi.org/10.1056/NEJMoa2405734

  • Editorial:
    Musunuru K. “A Milestone for Gene-Editing Therapies.” New England Journal of Medicine. Publicado em 24 de outubro de 2024. DOI: http://doi.org/10.1056/NEJMe2412176

 


Revisão de Escopo de Ensaios Controlados Randomizados sobre o Uso de Inteligência Artificial na Prática Clínica

27 Dez, 2024 | 21:08h

Este estudo investigou o panorama dos ensaios controlados randomizados (ECRs) que avaliam sistemas de Inteligência Artificial (IA) em aplicação clínica. A motivação para a pesquisa decorre do crescente número de algoritmos de IA que têm mostrado bom desempenho em testes retrospectivos, porém com evidências ainda limitadas em cenários reais de cuidado ao paciente. O objetivo central foi examinar a distribuição geográfica e por especialidade dos ECRs, suas características metodológicas e o tipo de desfechos medidos, além de discutir implicações clínicas e tendências futuras.

Os autores conduziram uma busca sistemática em bases como PubMed, SCOPUS, CENTRAL e plataformas de registros de ensaios entre janeiro de 2018 e novembro de 2023, período em que modelos avançados de IA ganharam maior relevância. Foram incluídos apenas estudos que efetivamente integrassem algoritmos de IA (baseados em computação não linear) na condução do cuidado ao paciente. Também foram excluídos trabalhos envolvendo apenas modelos lineares, estudos secundários ou aqueles que não apresentaram resultados em texto completo revisado por pares. Após seleção e análise detalhada, 86 ECRs atenderam aos critérios de inclusão.

Os resultados mostraram que a maioria dos ECRs ocorreu em centro único (63%) e se concentrou em especialidades como Gastroenterologia e Radiologia, em particular no uso de IA para análise de imagens ou vídeos (especialmente endoscopia). Dois países lideram o cenário: EUA e China. Cerca de 81% dos ECRs relataram resultados primários positivos, evidenciando principalmente melhorias em métricas de desempenho diagnóstico (taxa de detecção, acurácia etc.), além de efeitos promissores no manejo clínico, adesão do paciente a tratamentos e eficiência de tomadas de decisão. Entretanto, parcela relevante dos estudos não descreveu em profundidade dados demográficos de raça e etnia, o que limita a generalização. Além disso, 60% dos ECRs avaliaram tempos de operação clínica, com achados heterogêneos: alguns estudos apontaram redução no tempo de procedimento, enquanto outros sugeriram aumento ou ausência de mudança significativa.

As conclusões indicam que, embora a IA apresente benefícios potenciais em múltiplos cenários, ainda há incertezas quanto à representatividade dos estudos (principalmente por serem, em grande parte, de centro único) e à aplicabilidade no mundo real. Publicações tendem a enfatizar desfechos de desempenho diagnóstico, mas a real relevância clínica pode requerer estudos mais amplos, multicêntricos e com desfechos mais voltados ao paciente, como qualidade de vida e sobrevida.

Em termos de implicações para a prática, as tecnologias de IA parecem prontas para contribuir no suporte a decisões clínicas e aprimorar alguns desfechos imediatos, sobretudo em Gastroenterologia e Radiologia. Contudo, os profissionais devem manter cautela antes de adotar amplamente tais sistemas, dada a escassez de dados robustos sobre impacto em longo prazo e diversidade populacional. Além disso, a implementação de ferramentas de IA exige infraestrutura tecnológica, treinamento adequado e vigilância contínua para evitar possíveis erros e desigualdades no atendimento.

Entre os pontos fortes do estudo destacam-se a atualização de dados até o fim de 2023 e a inclusão de novos critérios que exigem intervenções efetivamente integradas ao cuidado. Já as limitações incluem a predominância de pesquisas realizadas em único país ou único centro, com notável falta de diversidade populacional. Também chama atenção a possibilidade de viés de publicação, dado que muitas pesquisas negativas ou inconclusivas podem não ter sido publicadas.

Pesquisas futuras devem priorizar ensaios multicêntricos com amostras mais heterogêneas e desfechos centrados no paciente para melhor captar o impacto clínico real. Também se faz necessária maior adesão a diretrizes de relato como o CONSORT-AI, visando garantir transparência metodológica e facilitar a comparação entre estudos.

Referência: Han R, Acosta JN, Shakeri Z, Ioannidis JPA, Topol EJ, Rajpurkar P, et al. Randomised controlled trials evaluating artificial intelligence in clinical practice: a scoping review. The Lancet Digital Health. 2024;6(5). DOI: http://doi.org/10.1016/S2589-7500(24)00047-5

 


Estudo sugere que práticas de Atenção Primária com maior uso de telessaúde podem reduzir alguns cuidados de baixo valor

2 Jan, 2025 | 08:00h

O estudo, conduzido entre 2019 e 2022, envolveu 577.928 beneficiários do Medicare em Michigan, todos vinculados a 2.552 práticas de Atenção Primária, classificadas em três níveis de uso de telessaúde (baixo, médio e alto). Com base em uma coorte retrospectiva os pesquisadores buscaram esclarecer se a adoção mais intensa de telessaúde nas práticas médicas influenciaria o fornecimento de serviços de baixo valor, definidos como intervenções com pouco ou nenhum benefício clínico, capazes de acarretar custos desnecessários ou até causar danos aos pacientes.

Os resultados indicaram que práticas com nível alto de telessaúde apresentaram redução na taxa de rastreamento de câncer de colo do útero em mulheres acima de 65 anos e nos testes de tireoide de baixo valor, em comparação com práticas de uso baixo de telessaúde. Esses dois procedimentos são considerados “baseados em consultório” (no caso do exame de Papanicolaou) ou requerem coleta laboratorial que pode ser menos frequente quando as consultas são virtuais (caso dos testes de tireoide). Por outro lado, não houve diferença significativa entre práticas de uso alto versus baixo de telessaúde para a maioria das demais modalidades de baixo valor, como exames de imagem para dores lombares não complicadas ou rastreamento de câncer colorretal em indivíduos acima de 85 anos. Em alguns serviços, houve até um aumento modesto, embora sem associação clara com o uso de telessaúde.

Esses achados sugerem que a telessaúde, por si só, não está vinculada a um crescimento do cuidado de baixo valor na Atenção Primária, trazendo certo alento aos formuladores de políticas que temiam maior volume de procedimentos desnecessários pela conveniência das consultas virtuais. Pelo contrário, o menor número de visitas presenciais pode ter reduzido a oportunidade de realizar certos exames de pouca utilidade, como o de câncer cervical acima de 65 anos ou alguns testes de tireoide. Ainda assim, mais estudos são necessários para avaliar possíveis efeitos sobre outros tipos de intervenções, incluindo prescrições de medicamentos potencialmente ineficazes ou desnecessários.

Do ponto de vista clínico, as práticas podem se beneficiar da integração da telessaúde, desde que mantenham a avaliação criteriosa de quais exames e procedimentos são realmente indicados. Ao mesmo tempo, é importante ressaltar que algumas limitações do método incluem a impossibilidade de avaliar todos os tipos de cuidados de baixo valor (por exemplo, prescrições de antibióticos sem necessidade) e o fato de a análise englobar apenas beneficiários do Medicare no estado de Michigan. Entre os pontos fortes, destaca-se o uso de dados amplos, de longa duração (2019-2022), o que permitiu compreender melhor o impacto real da telessaúde após o auge da pandemia.

Pesquisas futuras poderiam aprofundar a análise do impacto da telessaúde em outros contextos, como a prescrição de antibióticos ou a indicação de procedimentos invasivos, bem como explorar grupos populacionais diferentes, de modo a confirmar se as mesmas tendências se mantêm. No cenário atual, os resultados trazem subsídios importantes para embasar políticas de reembolso e regulação da telessaúde, evidenciando que a prática, quando bem utilizada, não necessariamente induz a mais gastos supérfluos e pode até evitar certos procedimentos dispensáveis.

Referência
Liu T, Zhu Z, Thompson MP, et al. Primary Care Practice Telehealth Use and Low-Value Care Services. JAMA Netw Open. 2024;7(11):e2445436. DOI: http://doi.org/10.1001/jamanetworkopen.2024.45436

 


VisionFM: uma IA generalista que supera modelos de única modalidade em diagnósticos oftalmológicos

25 Dez, 2024 | 10:56h

O estudo apresenta o VisionFM, um modelo de inteligência artificial desenvolvido para lidar com múltiplas doenças oftalmológicas e diversas modalidades de imagem, incluindo fotografias de fundo de olho, tomografia de coerência óptica (OCT), angiografia, ultrassom e ressonância magnética. A pesquisa surge do desafio de existirem modelos restritos a tarefas ou doenças específicas, que acabam tendo utilidade clínica limitada e pouca adaptabilidade a novas situações. Assim, o objetivo central foi criar e validar um modelo que pudesse diagnosticar, prever e segmentar estruturas oculares, incorporando diferentes tipos de imagens e cenários clínicos.

Para isso, foram utilizados 3,4 milhões de imagens de mais de 500 mil pacientes, abrangendo variadas doenças oculares, dispositivos de imagem e cenários clínicos, em um processo de pré-treinamento profundo. O VisionFM foi então testado em múltiplas aplicações: rastreamento e detecção de doenças, predição de prognósticos, segmentação de lesões e anatomia ocular, além de comparação com oftalmologistas de diferentes níveis de experiência. Os resultados demonstraram desempenho robusto em diagnósticos de doenças como retinopatia diabética, degeneração macular relacionada à idade, glaucoma, catarata, entre outras, com acurácia comparável à de oftalmologistas intermediários.

As conclusões apontam para a utilidade de um modelo que possa agregar diferentes necessidades em oftalmologia, desde a triagem de pacientes até a previsão de evolução clínica, como no glaucoma. Além disso, a flexibilidade do VisionFM permite incorporar dados de novas doenças e modalidades de imagem, possibilitando ampliações futuras sem necessidade de recomeçar o treinamento. Esse tipo de abordagem geral, porém ajustável, pode acelerar a adoção de IA em regiões com escassez de especialistas e apoiar práticas em locais onde a demanda por exames oftalmológicos é crescente.

Na prática clínica, o VisionFM traz potencial para reduzir custos e tempo na triagem de doenças oculares, especialmente em ambientes com poucos recursos. Contudo, é fundamental manter a cautela, pois o diagnóstico médico não se limita a imagens: informações clínicas complementares seguem indispensáveis. Como pontos fortes, destacam-se a abrangência do banco de dados de pré-treinamento e a habilidade de generalização em diferentes cenários. Entre as limitações, há o predomínio de dados provenientes da população chinesa e a necessidade de validação adicional para tarefas mais complexas, como detecção de tumores intracranianos apenas via imagens de fundo de olho. Além disso, alguns biomarcadores sistêmicos ainda exigem estudos maiores para confirmar a viabilidade do uso em rotina clínica.

Para pesquisas futuras, sugere-se ampliar a diversidade demográfica da base de pré-treinamento, validar o modelo em larga escala em outros países e incorporar novas modalidades de imagem e doenças raras. O VisionFM também poderá evoluir com integrações a modelos de linguagem, tornando-se uma ferramenta ainda mais completa no suporte ao diagnóstico.

Referência
Qiu J, Wu J, Wei H, et al. Development and Validation of a Multimodal Multitask Vision Foundation Model for Generalist Ophthalmic Artificial Intelligence. NEJM AI 2024;1(12). DOI: http://doi.org/10.1056/AIoa2300221

 


Grandes Modelos de Linguagem para Relatórios Estruturados em Radiologia: Passado, Presente e Futuro

21 Dez, 2024 | 11:15h

Contexto: Os relatórios estruturados (RS) têm sido discutidos há décadas como uma forma de padronizar e melhorar a qualidade dos laudos radiológicos. Embora existam evidências de que essa abordagem reduz erros e melhora a aderência a diretrizes, sua adoção ampla ainda é limitada. Modelos de linguagem de grande porte (LLMs, do inglês Large Language Models), baseados em transformadores e treinados em grandes quantidades de dados textuais, emergem como uma solução promissora para automatizar e facilitar a elaboração de relatórios estruturados na radiologia. Este artigo de revisão narrativa apresenta um panorama do uso de LLMs para RS, discutindo ainda limitações, desafios regulatórios e aplicações futuras.

Pontos-Chave:

  1. Uso de LLMs em Relatórios Estruturados (RS): Os estudos avaliados concentram-se em modelos como GPT-3.5 e GPT-4, demonstrando resultados promissores na conversão de texto livre em relatórios estruturados, inclusive em múltiplos idiomas.
  2. Principais Benefícios:
    • Padronização e melhoria da consistência dos relatórios.
    • Possibilidade de reduzir erros e aumentar a abrangência das informações.
    • Viabilização do uso de templates e formatações pré-definidas.
  3. Multilinguismo e Tradução: Pesquisas mostram que vários LLMs podem processar relatórios em diferentes idiomas, facilitando o intercâmbio de informações em escala global.
  4. Limitações Técnicas: Hallucination (informações inventadas), inconsistências terminológicas e lacunas na interpretação de dados ainda representam obstáculos para uma adoção integral em larga escala.
  5. Desafios Regulatórios e de Privacidade: A falta de transparência de modelos proprietários e a escassez de processos regulamentados dificultam a incorporação segura e confiável desses sistemas na prática clínica.

Implicações para a Prática:

  • Automação e Eficácia: A adoção de LLMs pode otimizar a elaboração de relatórios, reduzir o tempo de digitação e padronizar descrições, trazendo ganhos de eficiência.
  • Integração de Sistemas: A incorporação de LLMs em sistemas de Radiologia (PACS, RIS) pode auxiliar na documentação e na formatação do texto, facilitando a comunicação entre equipes.
  • Perspectiva Clínica Ampliada: Relatórios mais padronizados podem melhorar a troca de informações e, potencialmente, a segurança do paciente, especialmente em contextos de cuidado multidisciplinar.

Limitações/Considerações:

  • Hallucination: Mesmo modelos avançados podem gerar conteúdo errôneo ou fictício sem base na evidência.
  • Falta de Transparência: Alguns modelos proprietários não divulgam claramente seus dados de treinamento e algoritmos, dificultando a validação externa.
  • Regulamentação em Evolução: A União Europeia e outros países trabalham em leis específicas para IA. Para o uso clínico, será fundamental atender às exigências de segurança, confiabilidade e transparência.
  • Disponibilidade de Modelos Abertos: Modelos de código aberto podem oferecer mais flexibilidade regulatória, mas ainda demandam maior validação e refinamento para uso clínico.

Conclusão: A aplicação de LLMs na radiologia tem potencial de transformar a forma como relatórios estruturados são produzidos, trazendo benefícios como maior eficiência e acurácia. Entretanto, questões regulatórias, a falta de transparência de alguns modelos e as limitações técnicas atuais devem ser superadas para que esses modelos sejam incorporados de forma segura e efetiva à prática clínica. Futuras pesquisas devem avaliar a aceitação clínica desses relatórios, compará-los aos produzidos por radiologistas e explorar mecanismos de integração com sistemas existentes.

Fontes e Links:

 


Aprimorando a interpretabilidade e a precisão de modelos de IA em saúde: revisão abrangente sobre desafios e perspectivas futuras

16 Dez, 2024 | 08:03h

Introdução: A Inteligência Artificial (IA) vem se destacando no suporte ao diagnóstico clínico, previsão de desfechos e tomada de decisão terapêutica, frequentemente superando a capacidade humana em tarefas específicas. Entretanto, a falta de interpretabilidade em modelos de IA, especialmente os de aprendizado profundo, levanta preocupações quanto à segurança do paciente, confiabilidade e aplicabilidade clínica. Esta revisão sistemática avalia o estado da arte em aplicações de IA na área da saúde, enfatizando a relação entre interpretabilidade e precisão, bem como desafios de generalização e aplicabilidade prática. O objetivo é oferecer subsídios para o desenvolvimento de soluções de IA mais transparentes e seguras, capazes de orientar profissionais de saúde em tomadas de decisão baseadas em evidências.

Principais Recomendações:

  1. Diagnóstico e Triagem Automatizados: O uso da IA em diagnósticos por imagem, como detecção de tumores e doenças infecciosas, demonstra alta acurácia. Contudo, recomenda-se integrar modelos interpretáveis, como mapas de calor e técnicas baseadas em importância de recursos (LIME, SHAP, Grad-CAM), garantindo que o profissional compreenda as razões do diagnóstico automatizado.
  2. Tomada de Decisão Terapêutica: Os modelos de IA podem auxiliar na prescrição de tratamentos, como terapia antibiótica e radioterapia. Sugere-se incorporar modelos interpretáveis e quantificação de incertezas para reforçar a confiança do clínico, assegurando que o raciocínio do sistema seja transparente e ajustável às necessidades individuais do paciente.
  3. Modelos Híbridos e Equilíbrio Precisão–Interpretabilidade: Devido ao paradoxo entre alta acurácia e interpretabilidade limitada, recomenda-se desenvolver modelos híbridos que aliem técnicas de deep learning a abordagens estatísticas ou de aprendizado de máquina interpretáveis, garantindo clareza na compreensão do raciocínio e adequação a diferentes contextos clínicos.
  4. Generalização e Dados Multimodais: Estimular o uso de dados heterogêneos (como imagens, históricos clínicos, dados genéticos) e estratégias de validação externa aprimorará a capacidade de generalização dos modelos, evitando vieses e garantindo um desempenho consistente em populações diversas.
  5. Projeto Centrado no Usuário e Colaboração Clínica: A participação ativa de profissionais de saúde no desenvolvimento de modelos de IA é fundamental. Adotar abordagens centradas no usuário, incorporando feedback clínico, facilita a construção de sistemas mais intuitivos, interpretáveis e clinicamente relevantes.

Conclusão: Superar a natureza “caixa-preta” de muitos modelos de IA é essencial para garantir sua adoção clínica. A integração de métodos interpretáveis, validação rigorosa, incorporação de incertezas e uso de dados multimodais é recomendada para aumentar a confiabilidade, segurança e impacto dos sistemas de IA na prática médica. Ao seguir essas recomendações, espera-se aprimorar o cuidado ao paciente, fortalecer a tomada de decisão médica baseada em evidências e acelerar a adoção responsável da IA em saúde.

Referência: Ennab M, Mcheick H. Enhancing interpretability and accuracy of AI models in healthcare: a comprehensive review on challenges and future directions. Frontiers in Robotics and AI. 2024;11:Article 1444763. DOI: https://doi.org/10.3389/frobt.2024.1444763

 


ChatGPT e o futuro da literatura médica (este artigo foi escrito pelo próprio ChatGPT)

7 Fev, 2023 | 15:40h

ChatGPT and the Future of Medical Writing – Radiology

Editoriais:

ChatGPT Is Shaping the Future of Medical Writing but Still Requires Human Judgment – Radiology

ChatGPT and Other Large Language Models Are Double-edged Swords – Radiology

Comentários:

AI program ChatGPT now has a published article in Radiology—is it any good? – Health Imaging

Peer-Reviewed Journal Publishes Paper Written Almost Entirely by ChatGPT— It required close editing, human co-author said – MedPage Today (necessário cadastro gratuito)

Conteúdos relacionados:

ChatGPT: five priorities for research – Nature

The path forward for ChatGPT in academia – Lumo’s Newsletter

Nonhuman “Authors” and Implications for the Integrity of Scientific Publication and Medical Knowledge – JAMA

ChatGPT is fun, but not an author – Science

Tools such as ChatGPT threaten transparent science; here are our ground rules for their use – Nature

ChatGPT listed as author on research papers: many scientists disapprove – Nature

Abstracts written by ChatGPT fool scientists

 


ChatGPT: 5 prioridades para a pesquisa

7 Fev, 2023 | 15:36h

ChatGPT: five priorities for research – Nature

Conteúdos relacionados:

ChatGPT and the Future of Medical Writing – Radiology

Nonhuman “Authors” and Implications for the Integrity of Scientific Publication and Medical Knowledge – JAMA

The path forward for ChatGPT in academia – Lumo’s Newsletter

ChatGPT is fun, but not an author – Science

Tools such as ChatGPT threaten transparent science; here are our ground rules for their use – Nature

ChatGPT listed as author on research papers: many scientists disapprove – Nature

Abstracts written by ChatGPT fool scientists

 


Detecção precoce de comprometimento visual em crianças usando um sistema de deep learning (aprendizado profundo) baseado em smartphone

31 Jan, 2023 | 12:37h

Early detection of visual impairment in young children using a smartphone-based deep learning system – Nature Medicine

 

Comentário no Twitter

 


Estudo de coorte | Vasculometria de retina habilitada por inteligência artificial para predição de doenças cardiovasculares.

6 Out, 2022 | 12:55h

Artificial intelligence-enabled retinal vasculometry for prediction of circulatory mortality, myocardial infarction and stroke – British Journal of Ophthalmology

Editorial: The eyes as a window to the heart: looking beyond the horizon – British Journal of Ophthalmology

Comentário: AI eye checks can predict heart disease risk in less than minute, finds study – The Guardian

Conteúdos relacionados:

Retinal photograph-based deep learning predicts biological age, and stratifies morbidity and mortality risk.

An artificial intelligence system can help predict myocardial infarction through retinal scans and minimal personal information.

Study shows that the retinal age gap might be a potential biomarker of aging linked to increased mortality risk.

 


Mantenha-se atualizado em sua especialidade

 

Escolha quantas especialidades quiser.