Um modelo de aprendizagem profunda analisado em mais de 49 mil mulheres mostra que a mamografia pode ajudar a identificar, em simultâneo, risco de cancro da mama e eventos cardiovasculares.
Um algoritmo de aprendizagem profunda baseado em imagens de mamografia de rotina e na idade da paciente demonstrou capacidade para prever eventos cardiovasculares major em mulheres, com um índice de concordância de 0,72 — um desempenho comparável ao dos modelos tradicionais de predição de risco cardiovascular.
O estudo analisou 49.196 mulheres australianas ao longo de um seguimento mediano de 8,8 anos, identificando 3.392 eventos cardiovasculares major e sugerindo potencial para uma triagem cardiovascular “dois em um” durante o rastreio mamográfico de rotina.
Contexto
As doenças cardiovasculares causam 18 milhões de mortes anuais em todo o mundo e contribuem fortemente para morbilidade e redução da qualidade de vida. Os fatores de risco cardiovascular são frequentemente sub-reconhecidos e subtratados nas mulheres, e os algoritmos de predição de risco apresentam pior desempenho nessa população.
Na Austrália, as mulheres têm 12% menos probabilidade do que os homens de verem os seus fatores de risco cardiovascular avaliados nos cuidados de saúde primários e, em 2020, apenas 49% das mulheres elegíveis tinham fatores de risco suficientes registados para permitir uma avaliação de risco cardiovascular. Isto evidencia a necessidade de abordagens inovadoras para identificar mulheres em risco.
Na Austrália e a nível global, a mamografia de rastreio é oferecida gratuitamente através de programas nacionais como o Breast Screen Australia. Metade das mulheres elegíveis entre os 50 e os 74 anos participa no rastreio bianual, criando uma oportunidade única para integrar a triagem cardiovascular.
A calcificação arterial mamária demonstrou correlação com risco de eventos cardiovasculares e com fatores de risco como diabetes, hipertensão e hipercolesterolemia, mas não se associa à obesidade e apresenta associação inversa ao tabagismo — o que evidencia limitações no seu uso isolado como marcador de risco.
Outras características mamográficas, como microcalcificações e densidade mamária, também se relacionaram com risco cardiometabólico e mortalidade, mas nunca foram avaliadas em conjunto através de análise automatizada de aprendizagem profunda da arquitetura mamária completa.
Entre os desafios anteriores no uso da mamografia para prever risco cardiovascular estavam a ausência de avaliações padronizadas, o tempo exigido para avaliações manuais e a variabilidade entre leitores; mesmo métodos automatizados de quantificação da calcificação arterial mamária não conseguiam ultrapassar diferenças na composição mamária.
Metodologia
Os investigadores analisaram dados da coorte Lifepool, envolvendo 49.196 mulheres australianas sem doença cardiovascular prévia, recrutadas entre 2009 e 2020 em centros de rastreio em Victoria, com seguimento mediano de 8,8 anos (intervalo interquartil: 7,7–10,6 anos).
Foi desenvolvido um modelo de aprendizagem profunda baseado na arquitetura DeepSurv para prever eventos cardiovasculares major alargados (enfarte do miocárdio, acidente vascular cerebral, doença aterosclerótica, insuficiência cardíaca e morte cardiovascular) a partir de mamografias digitais bilaterais de rotina.
O algoritmo combinou características radiómicas extraídas por aprendizagem profunda com 196 características radiómicas convencionais, além da idade no momento da avaliação basal, utilizando validação cruzada aninhada.
Foram comparados três modelos:
- Modelo mamográfico: idade + dados radiómicos
- Modelo clínico: características clínicas sem dados radiómicos
- Modelo combinado: dados clínicos + dados radiómicos
As métricas incluíram índice de concordância dependente do tempo, escore de Brier integrado e log-verossimilhança binomial integrada.
O desfecho primário foram eventos cardiovasculares adversos major alargados, registados no Victorian Admitted Episodes Database (CID-10-AM) ou no National Death Index.
Principais Informações
- O modelo mamográfico (idade + radiómicos) apresentou, com desempenho estatisticamente comparável aos modelos tradicionais:
- Índice de concordância: 0,72 (IC 95%: 0,71–0,73)
- Escore de Brier integrado: 0,06 (IC 95%: 0,058–0,063)
- Log-verossimilhança binomial integrada: −0,21 (IC 95%: −0,22 a −0,20)
- O modelo clínico apresentou um índice de concordância de 0,73 (IC 95%: 0,72–0,74), enquanto o modelo combinado teve o melhor desempenho (0,75; IC 95%: 0,74–0,76).
- Durante o seguimento, ocorreram 3.392 eventos cardiovasculares major (7,6/1.000 pessoas-ano; IC 95%: 7,4–7,9):
- Doença aterosclerótica: 2.383
- Insuficiência cardíaca: 731
- Enfarte do miocárdio: 656
- AVC: 434
- O modelo mamográfico manteve desempenho robusto em subgrupos:
- IMC < 25 kg/m²: concordância 0,72 (IC 95%: 0,70–0,75)
- IMC ≥ 25 kg/m²: 0,71 (IC 95%: 0,70–0,73)
- Pré-menopausa: 0,75 (IC 95%: 0,71–0,79)
- Pós-menopausa: 0,71 (IC 95%: 0,69–0,73)
Na Prática
“Um algoritmo de aprendizagem profunda que utiliza mamografias de rotina e idade mostra potencial como ferramenta de predição de risco cardiovascular. A mamografia pode oferecer uma oportunidade económica ‘dois em um’ para rastrear mulheres tanto para cancro da mama como para risco cardiovascular, permitindo uma triagem mais ampla do que a realizada atualmente”, escreveram os autores.
Limitações
Os investigadores reconhecem que a normalização utilizada para gerir imagens de diferentes equipamentos pode ser insuficiente para garantir transferência perfeita dos modelos entre scanners, podendo comprometer detalhes subtis como calcificações ténues.
Os fatores de risco cardiovascular usados nos modelos comparadores foram autorreportados, impedindo a criação de modelos diretamente comparáveis a ferramentas externas.
Modelos de aprendizagem profunda dependem dos seus dados de treino, podendo necessitar de recalibração para validação externa em ambientes com equipamentos, práticas de rastreio ou perfis étnicos diferentes.
Os autores também não conseguiram comparar diretamente o seu algoritmo abrangente com um modelo baseado apenas em calcificação arterial mamária.
Por fim, a avaliação económica ficou fora do âmbito do estudo, sendo necessária antes de qualquer implementação clínica.
VOLTAR
Últimas Notícias
