Emerging Topics in Heart Failure: The Future of Heart Failure: Telemonitoring, Wearables, Artificial Intelligence and Learning in the Post-Pandemic Era.

Telemonitoramento na Insuficiência Cardíaca (IC) e Manejo Remoto

O telemonitoramento consiste no monitoramento e suporte à distância (TMO) do paciente com IC crônica. O TMO pode ser não invasivo (TMONI) ou invasivo (TMOI). O TMONI compreende ligações telefônicas, orientações periódicas por meio de material instrutivo, controle e monitoramento do peso corporal, vídeo – chamadas e teleconsultas.[1 , 2] O TMOI envolve uma série de dispositivos implantáveis que transmitem, a um servidor à distância, informações hemodinâmicas e impedância intratorácica.[3 , 4]

Ensaios clínicos de TMONI costumam ter resultados conflitantes. No entanto, metanálises envolvendo estudos observacionais e randomizados de TMOI e TMONI têm mostrado impacto positivo no prognóstico de pacientes com IC. A redução na mortalidade geral pode variar de 19 a 31% com o TMOI ou TMIONI em pacientes com IC,[5 , 6] enquanto a redução na frequência de internação hospitalar por IC varia de 27 a 39%, principalmente em pacientes em classe funcional III/IV.[7 - 9]

O TMOI com evidências mais convincentes na IC é o CardioMEMS,[7] um dispositivo implantado via percutânea na artéria pulmonar, que transmite os valores pressóricos centrais para um servidor seguro e orienta o ajuste nas doses de diuréticos e vasodilatadores.

Wearables na IC: Ferramentas de Monitoramento ou Gadget Eletrônico?

Wearables são ferramentas computacionais “vestíveis”. Podem ser um relógio, uma camisa, uma lente de contato ou um sapato, por exemplo. Esses aparelhos contêm sensores que podem obter dados em tempo real e transmiti-los para uma nuvem ou para outro dispositivo, permitindo análises de uma enorme quantidade de dados, bem como a sua disponibilização para decisões diagnósticas e terapêuticas. Tudo isso é permitido graças à evolução da tecnologia de transmissão de dados, com o advento do 5G.

Assim, a Internet das coisas (IoT) realmente se tornará progressivamente uma realidade em diversos países. Com a Internet das coisas médicas (IoMT), não será diferente. Com o progressivo barateamento dessas tecnologias, vencendo-se a barreira do custo-efetividade, teremos a oportunidade de testar uma infinidade de wearables que poderão permitir o acesso precoce da equipe de saúde a dados de telemonitoramento de variáveis como pressão arterial, pulso, saturação de oxigênio, análise postural, queda, frequência respiratória, temperatura, glicemia capilar, entre outros.

Isso poderá impactar em desfechos clinicamente relevantes, como hospitalizações, custos diretos e indiretos e até mortalidade, ao mesmo tempo em que se poderá direcionar o manejo dos pacientes com IC para uma medicina de precisão mais personalizada – um novo paradigma. Indubitavelmente, há a necessidade de validação de cada gadget que se proponha a trazer estes benefícios, levando em consideração as principais barreiras para sua implementação, mas definitivamente os wearables chegaram para ficar.[8 , 9]

Inteligência Artificial e Big Data na IC

Sistemas computacionais capazes de realizar tarefas que originalmente exigiam atuação humana constituem a base da inteligência artificial (IA). Esses sistemas surgiram pela necessidade de interpretação de grande volume de dados ( big data ). Os sistemas devem ser capazes de analisar dados simples ou complexos, de forma veloz e com acurácia, além de se adaptarem a eles, sem uma programação estática.[10] Machine learning (ML) e deep learning (DL) são extensões da IA. O ML é a prática de usar algoritmos para coletar dados, aprender com eles e então fazer a determinação ou predição de alguma coisa, de pessoas ou mesmo de pacientes. Para ser útil e fidedigno, precisa ser constantemente alimentado por dados reais. Além disso, o DL, que é o extremo da interação e adaptação de aprendizado, pode estabelecer conexões neurais e diversidade para integrar diferentes bases de dados.[11]

A IA, a ML e o DL já apresentam aplicações em estudo para IC, seja como diagnóstico, avaliação de prognóstico, TMO ou ainda para selecionar pacientes com maior benefício para diversas terapias. Isso pode ser feito, por exemplo, na distinção de fenótipos, alocando pacientes em diferentes perfis de assinatura de doença;[12] na melhor acurácia para o diagnóstico de IC aguda em relação ao médico;[13] e no eventual direcionamento para terapias novas ou já estabelecidas, como análise adicional do ECG basal para identificar paciente melhor respondedor à TRC.[14]

Ensino Médico em IC nos Novos Tempos

Um dos grandes desafios dos estudos e pesquisa clínica é a sua capacidade de traduzi seus resultados científicos para a prática clínica. São vários os fatores envolvidos nesse processo; um importante fator é, particularmente, a capacidade de transmissão e aplicação efetiva em menor intervalo de tempo desse conhecimento para um maior número de profissionais.

As mudanças em ensino médico e, consequentemente, no tema IC, passam por uma revolução.[15] O que há pouco tempo se resumia quase que exclusivamente a aulas expositivas, há anos, através de técnicas de metodologia ativa de ensino e mais recentemente por modelos híbridos sincrônicos ou assíncronos digitais, o ensino é aperfeiçoado, aprimorando o processo de aprendizagem e, consequentemente, o cuidado com o paciente.[16]

O modelo atual de ensino deve oferecer o conceito de andragogia,[17] associado ao modelo de ensino AGES. Esse modelo engloba a construção de processos expositivos de aprendizagem curtos, que mantêm a atenção do expectador ou de alunos, associado à capacidade de geração de motivos intrínsecos que tragam significado na aprendizagem. Ou seja, envolve emoções que possam fortalecer o aprendizado, de forma que este seja construído em várias etapas ( Spaced ). Quando incorporados, todos estes pontos formam uma aprendizagem mais profunda e efetiva, levando ao médico e ao profissional de saúde a possibilidade de adquirir e aplicar na prática os cuidados em IC.[18]

Lista de Participantes do Heart Failure Summit Brazil 2020 / Departamento de Insuficiência Cardíaca - DEIC/SBC

Aguinaldo Freitas Junior, Andréia Biolo, Antonio Carlos Pereira Barretto, Antônio Lagoeiro Jorge, Bruno Biselli, Carlos Eduardo Montenegro, Denilson Campos de Albuquerque, Dirceu Rodrigues de Almeida, Edimar Alcides Bocchi, Edval Gomes dos Santos Júnior, Estêvão Lanna Figueiredo, Evandro Tinoco Mesquita, Fabiana G. Marcondes-Braga, Fábio Fernandes, Fabio Serra Silveira, Felix José Alvarez Ramires, Fernando Atik, Fernando Bacal, Flávio de Souza Brito, Germano Emilio Conceição Souza, Gustavo Calado de Aguiar Ribeiro, Humberto Villacorta Jr., Jefferson Luis Vieira, João David de Souza Neto, João Manoel Rossi Neto, José Albuquerque de Figueiredo Neto, Lídia Ana Zytynski Moura, Livia Adams Goldraich, Luís Beck-da- Silva, Luís Eduardo Paim Rohde, Luiz Claudio Danzmann, Manoel Fernandes Canesin, Marcelo Bittencourt, Marcelo Westerlund Montera, Marcely Gimenes Bonatto, Marcus Vinicius Simões, Maria da Consolação Vieira Moreira, Miguel Morita Fernandes da Silva, Monica Samuel Avila, Mucio Tavares de Oliveira Junior, Nadine Clausell, Odilson Marcos Silvestre, Otavio Rizzi Coelho Filho, Pedro Vellosa Schwartzmann, Reinaldo Bulgarelli Bestetti, Ricardo Mourilhe Rocha, Sabrina Bernadez Pereira, Salvador Rassi, Sandrigo Mangini, Silvia Marinho Martins, Silvia Moreira Ayub Ferreira, Victor Sarli Issa.

Telemonitoring in Heart Failure and Remote Management

Telemonitoring consists of monitoring and remote support for chronic heart failure (HF) patients. Telemonitoring can be non-invasive or invasive. Non-invasive telemonitoring includes telephone calls, periodic guidance through instructional material, control and monitoring of body weight, video calls and teleconsultations.[1 , 2] Invasive telemonitoring involves implantable devices that transmit hemodynamic and intrathoracic impedance data to a remote server.[3 , 4]

Clinical trials of non-invasive telemonitoring often show conflicting results. However, meta-analyses of observational and randomized studies on invasive and non-invasive telemonitoring have shown that they have a positive impact on HF prognosis. The reduction in overall mortality in HF patients can vary from 19 to 31% with invasive or non-invasive telemonitoring,[5 , 6] while reduction in the frequency of hospitalization for HF varies from 27 to 39%, mainly in functional class III/IV patients.[7 - 9]

Among invasive telemonitoring systems, CardioMEMS[7] has the most convincing evidence in HF. This device is implanted percutaneously in the pulmonary artery and transmits central blood pressure values to a secure server, guiding adjustments in diuretic and vasodilator dosage.

Wearables in HF: Monitoring Tools or More Electronic Gadgets?

Wearables are computational tools that can be worn on the body. They could be a watch, a shirt, a contact lens, or a shoe, for example. These devices contain sensors that obtain real-time data and transmit it to a cloud or another device, allowing analysis of an enormous amount of data, as well as facilitating diagnostic and therapeutic decision making. All of this has been made possible by the evolution of data transmission technology, particularly the advent of 5G networks.

Thus, the Internet of things will eventually become a reality in a number of countries. The Internet of medical things will be no different. The progressive cheapening of these technologies will overcome the cost-effectiveness barrier, and we will have the opportunity to test a multitude of wearables that can provide the health team with early access to telemonitoring data for variables such as blood pressure, pulse, blood oxygen, postural analysis, fall, respiratory rate, temperature, capillary blood glucose, etc.

This could have an impact on clinically relevant outcomes, such as hospitalizations, direct and indirect costs and even mortality. At the same time, the management of HF patients can be directed towards more personalized precision medicine - a new paradigm. Despite the fact that each gadget promising such benefits must undoubtedly be validated (considering the main barriers to its implementation), it seems clear that wearables are here to stay.[8 , 9]

Artificial Intelligence and Big Data in HF

Computer systems capable of carrying out tasks that originally required human performance are the basis of artificial intelligence. These systems were developed out of the need to interpret ‘big data’. Systems must be able to quickly and accurately analyze simple or complex data, as well as adapt to the data without static programming.[10] Machine learning and deep learning are extensions of artificial intelligence. Machine learning uses algorithms to collect data, learn from them and then make predictions about things or even patients. To be useful and reliable, machine learning systems must be constantly fed real data. In addition, deep learning, which is the vanguard of interaction and adaptive learning, can involve neural connections and diversity to integrate different databases.[11]

Artificial intelligence, machine learning and deep learning applications are already being studied for HF with respect to diagnosis, prognosis assessment, telemonitoring or even the selection of patients with the greatest projected benefit from various therapies. This can occur, for example, by distinguishing phenotypes, allocating patients with different disease profiles;[12] by determining the best acute HF diagnostic accuracy in relation to the doctor;[13] and by targeting new or already established therapies, such as additional analysis of baseline electrocardiograms to identify the best patients for cardiac-resynchronization therapy.[14]

Medical Education About HF in These New Times

One of the greatest challenges for studies and clinical research is translating scientific results into clinical practice. Although there are several factors involved in this process, one particularly important factor is the ability to effectively transmit and apply knowledge to the greatest number of professionals in the least possible time.

Medical education and, consequently, the subject of HF, are undergoing a revolution.[15] For a long time, HF had been reduced almost exclusively to expository classes. However, in recent years, active teaching methodologies and synchronous hybrid models or digital asynchronous models have improved the teaching and learning process and, consequently, patient care.[16]

The current teaching model must offer the concept of andragogy,[17] which is associated with the AGES teaching model. This model involves short expository learning processes, which maintain viewer/student attention, and produces intrinsic motives that bring meaning to learning. That is, it involves emotions that can strengthen learning, so that learning is spaced over several stages. When incorporated, these approaches lead to more profound and effective learning, enabling doctors and health professionals to absorb and apply the best HF care practices.