.png){kind=logo}
As doenças cardiovasculares causam milhões de mortes e custos elevados; A IA identifica pacientes de alto risco, melhorando o atendimento e reduzindo
As doenças cardiovasculares (DCV) abrangem um amplo espectro de distúrbios que afetam o coração e os vasos sanguíneos, incluindo doença arterial coronariana, derrame, insuficiência cardíaca e doença arterial periférica. Essas condições coletivamente são a principal causa de mortalidade em todo o mundo, superando as mortes por todos os cânceres e doenças crônicas do trato respiratório inferior combinadas (1) (2). Somente nos Estados Unidos, as doenças cardiovasculares ceifam anualmente aproximadamente 19 milhões de vidas. O impacto econômico é substancial, com essas doenças custando à economia dos EUA cerca de 378 bilhões de dólares em 2018, abrangendo custos diretos de saúde, perdas de produtividade e morte prematura (3) (4). A prevalência de doenças cardiovasculares entre adultos americanos é impressionante, com uma estimativa de 126,9 milhões de indivíduos afetados. Os principais fatores de risco, como hipertensão, colesterol alto, diabetes, obesidade, inatividade física, tabagismo e hábitos alimentares não saudáveis, contribuem significativamente para o início e progressão das doenças cardiovasculares (5) (6). Além disso, disparidades no acesso à saúde e fatores socioeconômicos exacerbam a carga, afetando desproporcionalmente populações carentes e comunidades minoritárias (7).
CardiorisKai: um modelo de IA que prevê o risco de doenças cardiovasculares usando dados do paciente, integrando idade, sexo, pressão arterial, níveis de colesterol e fatores de estilo de vida para identificar precocemente as pessoas em risco e personalizar as intervenções.
Foi usado um conjunto de dados de doenças cardíacas, de um hospital multiespecializado na Índia e disponível no Kaggle, que abrange recursos essenciais para pesquisa e detecção precoce de doenças cardíacas. Com dados de 1000 indivíduos e 12 atributos principais, incluindo idade, sexo, pressão arterial em repouso, níveis séricos de colesterol e vários indicadores clínicos.
As doenças cardiovasculares (DCV) abrangem um amplo espectro de distúrbios que afetam o coração e os vasos sanguíneos, incluindo doença arterial coronariana, derrame, insuficiência cardíaca e doença arterial periférica. Essas condições coletivamente são a principal causa de mortalidade em todo o mundo, superando as mortes por todos os cânceres e doenças crônicas do trato respiratório inferior combinadas (1) (2). Somente nos Estados Unidos, as doenças cardiovasculares ceifam anualmente aproximadamente 19 milhões de vidas. O impacto econômico é substancial, com essas doenças custando à economia dos EUA cerca de 378 bilhões de dólares em 2018, abrangendo custos diretos de saúde, perdas de produtividade e morte prematura (3) (4). A prevalência de doenças cardiovasculares entre adultos americanos é impressionante, com uma estimativa de 126,9 milhões de indivíduos afetados. Os principais fatores de risco, como hipertensão, colesterol alto, diabetes, obesidade, inatividade física, tabagismo e hábitos alimentares não saudáveis, contribuem significativamente para o início e progressão das doenças cardiovasculares (5) (6). Além disso, disparidades no acesso à saúde e fatores socioeconômicos exacerbam a carga, afetando desproporcionalmente populações carentes e comunidades minoritárias (7).
CardiorisKai: um modelo de IA que prevê o risco de doenças cardiovasculares usando dados do paciente, integrando idade, sexo, pressão arterial, níveis de colesterol e fatores de estilo de vida para identificar precocemente as pessoas em risco e personalizar as intervenções.
The cost of CVD is substantial. In Latin America, the cost of CVD in terms of healthcare and lost productivity is approximately 8.4 trillion dollars annually [1].
Early detection could reduce this cost, as prevention and early treatment of cardiovascular diseases lower hospitalizations and severe complications.
A study in the United States suggests that using AI tools to predict cardiovascular risk could reduce healthcare costs by 20% through improved management of high-risk patients [5].
Adopting an AI-based predictive model has the potential to save lives and improve the quality of life for millions of people by enabling earlier detection and more personalized treatment. It could also significantly reduce the costs associated with CVD, enhancing healthcare system efficiency. For instance, AI adoption in cardiology in Latin America could reduce hospitalizations for CVD by 15% (Sanofi, 2023). This approach could transform how CVD is managed, shifting from a reactive to a proactive and preventive model.
Foi usado um conjunto de dados de doenças cardíacas, de um hospital multiespecializado na Índia e disponível no Kaggle, que abrange recursos essenciais para pesquisa e detecção precoce de doenças cardíacas. Com dados de 1000 indivíduos e 12 atributos principais, incluindo idade, sexo, pressão arterial em repouso, níveis séricos de colesterol e vários indicadores clínicos.
