ABC | Volume 114, Nº3, Março 2020

Artigo Original Sousa et al. Software: análise de curvas de deformação cardíaca Arq Bras Cardiol. 2020; 114(3):496-506 basal da parede inferolateral e/ou anterolateral no início da sístole, bem como movimentos erráticos médio e telessistólicos do septo após o característico " septal flash ". Ambos podem resultar no surgimento de picos positivos. Enquanto o D-Station considera como o systolic peak o valor mais negativo, independentemente do pico positivo ou menos positivo em caso de curvas exclusivamente positivas, o EchoPAC utiliza como regra de pico sistólico ( peak systolic strain ), o pico positivo quando este supera 75% do valor modular do pico sistólico negativo, como detalhado anteriormente na Figura 4. Ademais, no EchoPAC, é comum utilizar ajustes manuais nesses casos, porém optamos por não incluir estes ajustes visando maior rigor metodológico. Em suma, a divergência na definição do systolic peak reduz a reprodutibilidade do GLS entre os softwares nos pacientes com dissincronia tipo bloqueio de ramo esquerdo. Essa questão deve ser abordada em estudos subsequentes. Tais discrepâncias, contudo, não têm impacto significativo, especialmente quando consideramos a variabilidade intraexaminador do GLS reportada na literatura (estimada em 5,2%), 16 bem como as divergências entre softwares pertinentes aos algoritmos de filtragem ( speckle filtering and tracking ). 17-19 Assim, as análises dos dados apresentados validam o D-Station como alternativa ao EchoPAC. Potenciais aplicações do software D-Station As possibilidades de utilização do software são diversas: a avaliação simultânea de diferentes câmaras permite estudar a interação entre as deformações entre ventrículos esquerdo e direito, e entre ventrículo esquerdo e átrio esquerdo, o que pode ser relevante nos contextos de insuficiência cardíaca com fração de ejeção preservada, pericardiopatias e dissincronia interventricular. A interface do D-Station com o modelo Circadapt associado ao MultiPatch Module permite formulação de hipóteses e comparação com sinais de pacientes reais como já realizado previamente. 12-14 Isso gera recursos de ensino da fisiopatologia da deformação cardíaca, além de potencialmente reduzir o tempo da escolha das variáveis de interesse e poupar recursos com elaboração de modelos animais em alguns cenários de pesquisa. A aplicação de Machine Learning pode ser configurada para processamento de uma grande quantidade de sinais, identificar variáveis de interesse por meio da mineração de dados ( data mining ), além de permitir o uso de todos os pontos da curva de strain /SR como o descrito por Tabassian et al. 15 Esse raciocínio pode ter desdobramentos em como extrair mais dados relevantes a partir do estudo deformação cardíaca potencializada pelas técnicas de machine learning , sobretudo com a chegada iminente do " High Frame Rate Speckle Tracking. 20 " Figura 11 – Diferenças e médias dos valores de global longitudinal strain (GLS) obtidos pelo EchoPAC e pelo D-station. Diferenças no GLS [GLS_EchoPAC - GLS_D.Station] Médias no GLS [GLS_EchoPAC & GLS_EchoPAC] Mean - 1.96SD Mean + 1.96SD Bias = –0.03 504