O machine learning é um ramo da computação o qual utiliza a Inteligência Artificial para aprender e reconhecer novos padrões que possam estabelecer previsões sobre acontecimentos futuros.
Há anos o machine learning vem sendo utilizado em aplicações digitais, como na filtragem de spams, em assistentes virtuais personalizados, em plataformas capazes de reconhecer faces, lugares ou objetos e mais recentemente, essa tecnologia chegou ao setor da saúde, com o intuito de mudar completamente a forma como diagnosticamos, tratamos realizamos o acompanhamento de pacientes.
Na cardiologia, o uso mais comum do machine learning é na predição de riscos, realizando a análise de dados como, ritmo cardíaco, uso de medicamentos, histórico de problemas cardiacos, hábitos de vida, idade, sexo, etnia e fatores risco como hipertensão e diabetes, por exemplo.
Após a análise desses dados, o machine learning é capaz de identificar preditores de desfechos clínicos como: morte por acidente vascular cerebral, acidentes vasculares cerebrais, doença cardiovascular, doença arterial coronariana, fibrilação atrial, insuficiência cardíaca, entre outros.
Um estudo publicado no Journal of Patient Preference and Adherence, demonstrou que técnicas de machine learning podem ser capazes de prever riscos cardiovasculares com uma acurácia de 98%, superando o tradicional escore de Framingham — um método que avalia o risco de doença cardiovascular de acordo com a presença ou não de certos fatores de risco.
Por fim, vale ressaltar o óbvio: a substituição total do médico pelos algoritmos não é viável (embora profissionais desatualizados sobre o funcionamento dessas ferramentas possam acabar ficando para trás). O machine learning reserva para o futuro da cardiologia é mais uma opção para que médicos possam diagnosticar, tratar e acompanhar seus pacientes, gerenciando riscos que possam acometê-los no futuro.
