IBM Avança com IA que Simula Função Cardíaca em Minutos

Visão Geral

• Um novo método usa algoritmos de computação de alto desempenho para melhorar simulações de Reserva de Fluxo Fracionária virtual (vFFR).
• O algoritmo é baseado em machine learning e método de aceleração de deep learning chamado regressão de Processo Gaussiano.
• Ele pode simular perfeitamente o que acontece dentro do coração em 1-2 minutos.

A maioria dos modelos multi-escala de mecânica cardíaca parece promissora, mas quando se trata de diagnóstico e tratamento, suas capacidades são bastante limitadas. Como não são capazes de lidar eficientemente com dados clínicos, restringir variáveis não fixas e lidar com complexidade computacional, eles não podem fornecer assistência efetiva com decisões clínicas e cuidados médicos.

O tipo mais comum de doença cardíaca é a Doença Arterial Coronariana (DAC), que afeta quase 16,5 milhões de adultos americanos. Também é a principal causa de morte tanto de mulheres quanto de homens nos EUA. Segundo a Cleveland Clinic, alguém nos EUA tem um ataque cardíaco a cada 40 segundos.

É uma condição em que as artérias coronárias ficam bloqueadas (ou estreitadas) devido ao acúmulo de depósitos gordurosos e de colesterol (conhecidos como placas) nas paredes internas das artérias. Estas placas restringem o fluxo de sangue, o que pode levar a ataque cardíaco.

Simulando Fluxo Sanguíneo nas Artérias

Para melhorar o diagnóstico de tais doenças, pesquisadores estão explorando novos métodos para examinar bloqueio em artérias usando uma técnica chamada Reserva de Fluxo Fracionária virtual (vFFR). Ela utiliza Dinâmica de Fluidos Computacional e angiografias de raios X para investigar movimentos de fluidos e simular o fluxo de sangue em artérias coronárias.

Para observar a placa dentro das artérias, um paciente precisa passar por injeções de agente hiperêmico. No entanto, este tipo de simulações elimina a necessidade de um cateter de fio de pressão.

Simulações vFFR existentes baseadas em algoritmos de dinâmica de fluidos computacional frequentemente levam mais de um dia para gerar uma simulação completa. Para utilizar efetivamente o método vFFR, é necessário melhorar os algoritmos nos quais eles rodam, sem reduzir a precisão diagnóstica. Deve ser capaz de computar uma simulação completa em minutos, fornecendo uma visão de faixa mais ampla de artérias bloqueadas.

Para atender a esses requisitos, pesquisadores da IBM desenvolveram um novo método que usa algoritmos de computação de alto desempenho para melhorar simulações vFFR. O algoritmo é baseado em machine learning e método de aceleração de deep learning chamado regressão de Processo Gaussiano. Ele pode ser usado para auxiliar algoritmos de otimização, mesmo em cenários complicados onde funcionais objetivos não podem ser facilmente diferenciados.

Referência: Frontiers Physiology | doi:10.3389/fphys.2018.01002 | IBM

O algoritmo recebe tamanho, localização e profundidade transmural do infarto como variáveis de entrada e modela mudanças computadas em simulações. Ele pode executar 40 simulações de infarto em locais e formas variados. Após treinamento nos resultados de simulações de elementos finitos, o algoritmo fornece uma representação útil para investigar efeitos complexos.

As simulações hemodinâmicas para diagnóstico baseado em vFFR executam dentro de 1-2 minutos em sistemas POWER9 com GPUs NVIDIA Tesla V100. Segundo os pesquisadores, esta é a primeira simulação de seu tipo a ser executada em quase tempo real.

As simulações rápidas do modelo podem reduzir o trabalho manual e ajudar os clínicos a examinar rapidamente condições cardíacas, aliviando a carga mental para pacientes esperando relatórios de exames.

Leia: Google Desenvolve IA que Prevê Doença Cardíaca Escaneando Seus Olhos

Este estudo faz parte do trabalho da IBM para construir uma imagem mais completa e precisa dos mecanismos internos do coração com inteligência artificial e modelos biofísicos. Eles publicaram novas técnicas para visualizar o que está acontecendo dentro do coração em nível celular e anatômico.