A Inteligência Artificial Pode Detectar os Sinais Mais Precoces de Doença Cardíaca? O Que um Grande Estudo de Angiotomografia Computadorizada Revela Sobre Placas Coronarianas Minúsculas

Índice

• Pontos-Chave
• Por Que Esta Pesquisa é Importante: O Problema da Aterosclerose Precoce
• Métodos do Estudo: Como a Pesquisa Foi Conduzida
• Principais Achados: O Que Aconteceu com as Pequenas Placas
• O Papel das Estatinas nas Alterações da Placa
• Implicações Clínicas: O Que Isso Significa para os Pacientes
• Limitações do Estudo: O Que Esta Pesquisa Não Pôde Provar
• Recomendações: Conselhos Práticos para Pacientes
• Perguntas Frequentes
• Informações da Fonte

Pontos-Chave

• Em um estudo com 99 pacientes, a avaliação quantitativa da aterosclerose por tomografia computadorizada com IA detectou placas coronarianas minúsculas que os observadores humanos frequentemente não percebem.
• 87% das pequenas placas persistiram no mesmo local nas tomografias de acompanhamento após cerca de 3,8 anos.
• O volume mediano da placa triplicou de 7,1 mm³ para 18,9 mm³ nas placas persistentes.
• As estatinas aumentaram a calcificação da placa, potencialmente estabilizando a placa mole, mas não reduziram o volume total.
• Nenhum desfecho clínico foi acompanhado; estudos maiores são necessários para confirmar os achados.

Por Que Esta Pesquisa é Importante: O Problema da Aterosclerose Precoce

A aterosclerose — o acúmulo de placas de gordura no interior das paredes arteriais — continua sendo a principal causa de morte cardiovascular em todo o mundo. Somente a doença arterial coronariana (DAC) afeta quase 200 milhões de pessoas globalmente e causa mais de 9 milhões de mortes a cada ano. Ela também contribui para aproximadamente 182 milhões de anos de vida ajustados por incapacidade, uma medida de vida saudável perdida por doença e incapacidade.

As notícias não são totalmente ruins. Declínios anteriores nas mortes por doenças cardíacas haviam sido uma história de sucesso em saúde pública. Mas esses ganhos agora estão sendo ameaçados pelas taxas crescentes de obesidade e diabetes, que impulsionam o desenvolvimento da aterosclerose.

Uma das descobertas mais importantes da cardiologia recente é que você não precisa ter uma artéria gravemente bloqueada para estar em risco. Estudos demonstraram de forma convincente que a placa aterosclerótica não obstrutiva — placa que estreita a artéria em menos de 50% — desempenha um papel importante na causa de infartos do miocárdio e morte cardiovascular. Em média, pacientes com doença arterial coronariana não obstrutiva têm uma taxa anual de eventos 8 vezes maior em comparação com pacientes que não apresentam nenhuma aterosclerose coronariana. Mesmo após o ajuste para outros fatores de risco, a razão de riscos para eventos cardiovasculares adversos maiores varia de 1,5 a 7,2 ao comparar pacientes com doença arterial coronariana não obstrutiva com aqueles sem DAC. Isso significa que esses pacientes têm de 50% a mais de 7 vezes mais probabilidade de sofrer um infarto do miocárdio, acidente vascular cerebral ou morte cardíaca.

Mas uma questão crítica permaneceu sem resposta: esses riscos também se aplicam a placas extremamente pequenas que são pouco visíveis nos exames de imagem? E existe um limiar de volume abaixo do qual o risco ainda não começou a aumentar?

Houve um grande obstáculo para responder a essas perguntas. Placas pequenas e não calcificadas são notoriamente difíceis de serem identificadas por observadores humanos na angiotomografia computadorizada coronariana (CCTA). Elas podem parecer quase idênticas aos tecidos moles que circundam as artérias coronárias, a outras estruturas de tecidos moles ou simplesmente a ruídos e artefatos de imagem. Devido a essa incerteza, essas placas minúsculas frequentemente não são relatadas.

É aqui que a inteligência artificial entra em cena. Uma nova tecnologia chamada avaliação quantitativa da aterosclerose por tomografia computadorizada (AI-QCT) usa aprendizado de máquina para detectar, medir e caracterizar automaticamente a placa em toda a árvore coronariana. Na prática clínica, a AI-QCT frequentemente identifica pequenas placas que os observadores humanos não detectam. Mas antes que as placas minúsculas detectadas por IA possam ser usadas para orientar o cuidado do paciente, os pesquisadores precisavam verificar se essas detecções representam aterosclerose real e não apenas artefatos de software.

Métodos do Estudo: Como a Pesquisa Foi Conduzida

Os pesquisadores recorreram ao estudo PARADIGM (Progressão da Placa Aterosclerótica Determinada por Angiografia por Tomografia Computadorizada), um grande registro internacional que incluiu 2.252 pacientes de 7 países e 13 locais diferentes. Todos os participantes foram submetidos a exames seriados (repetidos) de CCTA para doença arterial coronariana conhecida ou suspeita. Os pacientes foram incluídos entre 2003 e 2015.

Para esta análise específica, a equipe de pesquisa restringiu a inclusão aos primeiros 99 pacientes que realizaram CCTA na coorte. Esse número foi deliberadamente escolhido como um estudo de viabilidade, sem análise formal de poder estatístico para qualquer desfecho específico. Outros 2 pacientes foram triados, mas excluídos porque não apresentavam placas pequenas qualificadas.

Cada paciente foi submetido a um exame inicial (CCTA-1) e a um exame de acompanhamento (CCTA-2) com pelo menos 2 anos de intervalo. Os exames foram realizados de acordo com as diretrizes da Society of Cardiovascular Computed Tomography, usando tomógrafos com 64 fileiras de detectores ou mais recentes, com tecnologia de fonte única ou dupla.

A inovação principal estava na forma como os exames foram analisados. Um software de IA aprovado pela FDA disponível comercialmente (Cleerly Lab, Cleerly, Denver, CO) realizou a análise automatizada usando modelos validados de redes neurais convolucionais. O sistema de IA automaticamente:

• Segmentou as artérias coronárias
• Identificou os contornos do vaso e do lúmen
• Rotulou cada segmento coronariano
• Calculou a porcentagem de estenose em diâmetro
• Caracterizou as placas por tipo

As placas foram classificadas usando medições de densidade em unidades Hounsfield (UH), uma escala que quantifica a densidade aparente de um tecido na TC:

• Placa calcificada: densidade superior a 350 UH
• Placa não calcificada: densidade entre 30 e 350 UH
• Placa não calcificada de baixa densidade: densidade inferior a 30 UH

É importante ressaltar que todos os resultados da IA foram verificados por um observador experiente com formação de nível III — o nível mais alto de certificação em angiotomografia computadorizada — que não sabia se cada exame era o estudo inicial ou de acompanhamento. Esse mascaramento foi um elemento crítico do desenho do estudo para evitar viés.

Placas pequenas foram definidas como aquelas com um volume total de placa de 0,1 a 50 mm³. Para contextualizar, 50 mm³ é aproximadamente o tamanho de um pequeno grão de arroz.

Os pesquisadores examinaram três questões específicas:

1. Qual proporção de placas pequenas identificadas no exame inicial também estava presente no mesmo local no exame de acompanhamento? Isso forneceu uma medida da confiabilidade do software — placas que persistiram no mesmo local provavelmente representam aterosclerose verdadeira, enquanto aquelas que desapareceram podem representar regressão verdadeira ou detecção falso-positiva no primeiro exame.
2. Quais são as características das placas pequenas, incluindo seus componentes calcificados, não calcificados e não calcificados de baixa densidade?
3. Quais características estão associadas à progressão das placas pequenas ao longo do tempo?

A análise estatística foi minuciosa. A equipe usou testes t de Student e testes U de Mann-Whitney para dados contínuos, testes de postos sinalizados de Wilcoxon para características pareadas da angiotomografia computadorizada e testes qui-quadrado ou exato de Fisher para dados categóricos. A regressão logística foi usada para modelar quais placas desapareceram versus persistiram, e a regressão linear foi usada para avaliar o impacto do tratamento com estatinas nas mudanças do volume da placa aterosclerótica. Todos os testes foram bicaudais, com significância estatística definida como valores de p abaixo de 0,05.

Principais Achados: O Que Aconteceu com as Placas Pequenas

Um total de 99 pacientes com 502 placas pequenas foi incluído na análise. As características dos participantes retratam uma população típica de meia-idade em risco:

• Idade mediana: 61 anos (intervalo interquartil 54–67)
• Sexo masculino: 63%
• Hipertensão: 55,6%
• Tabagismo atual ou prévio: 40,4%
• Histórico familiar de doença arterial coronariana: 33,4%
• Hipercolesterolemia (colesterol alto): 31,3%
• Diabetes: 12,1%
• Índice de massa corporal (IMC): mediana 25,2 kg/m² (23,9–27,6)
• Uso de estatinas no início do estudo: 44,4%

No momento do exame inicial, o volume total de placa mediano era de 6,8 mm³ (intervalo interquartil 3,5–13,9 mm³). A esmagadora maioria era de placa não calcificada, com um volume mediano não calcificado de 6,2 mm³ (2,9–12,3 mm³). O volume de placas calcificadas era essencialmente zero na maioria dos pacientes.

O tempo médio entre os exames inicial e de acompanhamento foi de 3,8 ± 1,6 anos. O que aconteceu com essas placas minúsculas durante esse período é o achado central do estudo:

Constatação nº 1: 87% das placas pequenas persistiram no mesmo local.

Na imagem de acompanhamento, 437 de 502 placas (87%) foram encontradas exatamente no mesmo local do exame inicial. Entre as placas persistentes, 72% haviam aumentado de tamanho, enquanto 15% tiveram redução de volume.

Constatação nº 2: O volume das placas pequenas triplicou em aproximadamente 4 anos.

Para as placas que persistiram, a mediana do volume total de placa aumentou drasticamente de 7,1 mm³ (IIQ 3,8–15,4 mm³) no início do estudo para 18,9 mm³ (IIQ 8,3–45,2 mm³) no exame de acompanhamento. Isso representa quase um aumento de 3 vezes. O componente não calcificado cresceu de 6,7 mm³ para 13,8 mm³, e o volume de placas calcificadas aumentou de 0 mm³ para 2,5 mm³. A estenose em diâmetro (a porcentagem da artéria bloqueada) também aumentou de uma mediana de 6% para 13%.

Constatação nº 3: Placas menores tinham menor probabilidade de persistir.

Placas com volume inferior a 2 mm³ no início do estudo persistiram em apenas 41 de 62 casos (66%). Em contraste, placas maiores que 2 mm³ no início do estudo persistiram em 395 de 439 casos (90%). Isso sugere que placas extremamente pequenas são mais difíceis de distinguir do ruído da imagem, embora, mesmo entre elas, dois terços tenham sido confirmados como aterosclerose real.

Constatação nº 4: As placas que "desapareceram" tinham características distintas.

As 65 placas (13%) que foram observadas no exame inicial, mas não no acompanhamento, eram significativamente diferentes daquelas que persistiram (todos os valores de p < 0,05):

• Menor volume total de placa: 3,9 mm³ vs. 7,0 mm³
• Menor comprimento da placa: 4,5 mm vs. 6,0 mm
• Localização mais distal (mais distante da abertura da artéria): 21,8 mm vs. 12,6 mm do óstio
• Menor probabilidade de ter um componente calcificado
• Estenose em diâmetro menos grave: 3% vs. 6%

Curiosamente, nenhum dos fatores relacionados ao paciente — idade, sexo, hipertensão, histórico de tabagismo, IMC, histórico familiar, hipercolesterolemia, diabetes ou uso de estatinas no início do estudo — previu se uma placa persistiria ou desapareceria. Da mesma forma, os parâmetros relacionados ao equipamento de imagem (fabricante, corrente do tubo, voltagem do tubo) não fizeram diferença. No modelo multivariável, apenas o menor volume total de placa permaneceu como preditor independente da ausência da placa no acompanhamento.

O Papel das Estatinas nas Alterações da Placa

O uso de estatinas aumentou significativamente durante o período do estudo. No início do estudo, 48% dos pacientes estavam tomando estatinas. No exame de acompanhamento, esse número havia subido para 68% (p < 0,001).

Entre 429 placas pequenas com dados disponíveis sobre o uso de estatinas, 145 placas (33,8%) ocorreram em pacientes que ainda não estavam tomando estatinas no momento da angiotomografia computadorizada de acompanhamento.

Os pesquisadores compararam os volumes das placas entre usuários e não usuários de estatinas no acompanhamento:

• Volume total de placa: 19,4 mm³ em usuários de estatinas vs. 18,15 mm³ em não usuários — não estatisticamente significativo (p = 0,21)
• Volume de placas não calcificadas: 12,8 mm³ vs. 14,35 mm³ — não significativo (p = 0,68)
• Volume de placas calcificadas: 3,9 mm³ em usuários de estatinas vs. 0,2 mm³ em não usuários — altamente significativo (p < 0,001)

Este achado está alinhado com um efeito biológico bem estabelecido das estatinas: elas estabilizam a placa aterosclerótica ao promover a calcificação. Um crescente corpo de pesquisas mostra que o tratamento com estatinas aumenta o conteúdo de cálcio da placa aterosclerótica, o que, paradoxalmente, torna a placa mais calcificada, porém menos perigosa. O fato de os usuários de estatinas apresentarem volume de placas calcificadas significativamente maior corrobora a conclusão de que os achados da AI-QCT representam aterosclerose biológica verdadeira, e não artefatos de imagem.

Na análise de regressão, o uso de estatinas no acompanhamento foi significativamente associado a alterações no volume de placas calcificadas (p < 0,001), mas não a alterações no volume total de placa (p = 0,30), no volume de placas não calcificadas (p = 0,70) ou no volume de placas não calcificadas de baixa densidade (p = 0,68).

Implicações Clínicas: O Que Isso Significa para os Pacientes

Este estudo traz várias mensagens importantes para os pacientes e seus médicos.

Primeiro, a IA pode detectar aterosclerose real em estágios notavelmente precoces. O fato de 87% das pequenas placas identificadas pela AI-QCT terem sido confirmadas no mesmo local anos depois — e muitas vezes terem crescido substancialmente — demonstra que esses pequenos achados representam doença genuína, não erros de software. Para os pacientes, isso significa que as tomografias computadorizadas aprimoradas por IA podem ser capazes de identificar doenças cardíacas anos ou até décadas antes de causarem sintomas.

Segundo, placas muito pequenas não são "inofensivas" — elas tendem a crescer. O achado de que o volume mediano da placa triplicou ao longo de uma média de 3,8 anos é um poderoso lembrete de que a aterosclerose é uma doença progressiva. Uma placa que começa como um ponto de 7 mm³ pode se tornar uma placa de 19 mm³ em poucos anos. Embora este estudo não tenha acompanhado desfechos clínicos, a literatura mais ampla mostra que a carga total de placa aterosclerótica é o principal preditor independente de eventos cardiovasculares adversos maiores.

Terceiro, as estatinas parecem alterar a composição da placa, mesmo quando não a reduzem. O volume de placas calcificadas significativamente maior em usuários de estatinas sugere que esses medicamentos ajudam a converter a placa mole perigosa em placa calcificada mais estável. Isso é consistente com a forma como os cardiologistas entendem as estatinas: elas estabilizam as placas do tipo "bomba-relógio", que têm maior probabilidade de se romper e causar infartos do miocárdio.

O estudo também destaca uma tendência mais ampla na cardiologia preventiva. Pesquisas anteriores em uma coorte de quase 24.000 pacientes sintomáticos encaminhados para tomografia computadorizada cardíaca descobriram que a doença arterial coronariana obstrutiva não estava associada a maior risco do que a placa aterosclerótica não obstrutiva quando os pacientes eram estratificados pela carga total de placa calcificada. Em outras palavras, não se trata apenas de saber se uma artéria está bloqueada — trata-se de quanta placa você tem em toda a sua árvore coronariana. Dados recentes também sugerem que mesmo pequenos volumes de placa (>0–250 mm³) aumentam a incidência em 10 anos de eventos cardiovasculares adversos maiores em comparação com a ausência total de placa.

Limitações do Estudo: O Que Esta Pesquisa Não Pôde Provar

É importante entender o que este estudo não pôde demonstrar.

O tamanho da amostra foi pequeno. Apenas 99 pacientes foram incluídos, e o estudo foi explicitamente projetado como um estudo de viabilidade, sem cálculo formal de poder estatístico para qualquer desfecho específico. Estudos maiores serão necessários para confirmar esses achados.

Nenhum desfecho clínico foi acompanhado. O estudo mediu a progressão da placa aterosclerótica por imagem, não infartos do miocárdio, acidentes vasculares cerebrais ou mortes. Embora o crescimento da placa seja um marcador substituto bem estabelecido para o risco, o estudo não prova diretamente que pequenas placas detectadas por IA predizem eventos clínicos futuros.

A questão do "padrão-ouro" permanece. Atualmente, não existe um padrão-ouro não invasivo para distinguir pequenas placas verdadeiras de artefatos de imagem. Os pesquisadores usaram a CCTA de acompanhamento como referência — raciocinando que uma placa presente no mesmo local anos depois deve ter sido real no início do estudo. Essa é uma abordagem inteligente, mas não consegue distinguir completamente entre a regressão verdadeira da placa e a detecção falso-positiva no exame inicial para os 13% das placas que desapareceram.

A variabilidade entre observadores humanos é um desafio conhecido. Pesquisas anteriores citadas neste artigo constataram que o coeficiente kappa — uma medida estatística de concordância entre observadores — foi de apenas 0,52 (IC de 95% 0,49–0,55) para concordância intraobservador e 0,46 (IC de 95% 0,43–0,49) para concordância interobservador ao classificar a CCTA como sem doença, leve, moderada ou grave. Os autores observam que a concordância provavelmente seria ainda menor para distinguir pequenas placas da ausência de placa, o que ressalta o valor potencial da assistência da IA.

A população do estudo pode não representar todos os pacientes. Os participantes foram recrutados em 7 países, mas eram predominantemente de meia-idade, e a distribuição por sexo foi de 63% homens. Os resultados podem ser diferentes em pacientes mais jovens, mulheres ou populações mais diversas.

Recomendações: Conselhos Práticos para Pacientes

Com base nesta pesquisa e na literatura médica mais ampla, aqui estão medidas práticas que os pacientes podem considerar:

1. Conheça sua carga de placa aterosclerótica, não apenas seus números de colesterol. Se você tem fatores de risco para doenças cardíacas, converse com seu médico sobre se uma angiotomografia computadorizada coronariana ou um escore de cálcio coronariano é apropriado para você. A quantidade total de placa em suas artérias coronárias é um poderoso preditor de risco.
2. Não ignore achados "leves". Se uma tomografia computadorizada mostrar placa aterosclerótica não obstrutiva ou mesmo placas muito pequenas, isso não é um atestado de saúde. Os dados são claros: mesmo a placa aterosclerótica não obstrutiva aumenta o risco de infarto do miocárdio em comparação com a ausência total de placa.
3. Considere o tratamento com estatinas se o seu médico recomendar. Este estudo reforça que as estatinas alteram a composição da placa de maneiras favoráveis — aumentando o conteúdo de cálcio e estabilizando a placa mole perigosa — mesmo quando não reduzem drasticamente o volume total de placa. A decisão de iniciar uma estatina deve ser individualizada, mas pacientes com placa coronariana documentada são frequentemente excelentes candidatos.
4. Aborde todos os fatores de risco modificáveis. Neste estudo, 55,6% dos participantes tinham hipertensão, 40,4% tinham histórico de tabagismo e 31,3% tinham colesterol alto. Controlar a pressão arterial, parar de fumar, controlar o colesterol, manter um peso saudável e controlar o diabetes continuam sendo os pilares da prevenção da progressão da aterosclerose.
5. Pergunte sobre exames de imagem aprimorados por IA. Se você for submetido a uma TC cardíaca, pergunte se a análise de placa baseada em IA está disponível. Este estudo sugere que o software de IA pode detectar placas muito pequenas que os observadores humanos podem não perceber, fornecendo um quadro mais completo do seu risco cardiovascular.
6. Lembre-se de que a detecção precoce abre a porta para a prevenção. O fato de que pequenas placas podem ser detectadas de forma confiável — e que crescem com o tempo — significa que existe uma janela de oportunidade para intervir com mudanças no estilo de vida e medicação antes que a placa se torne extensa.

A mensagem principal é esperançosa. A capacidade de detectar a aterosclerose em seus estágios mais iniciais, quando uma placa tem apenas alguns milímetros cúbicos de tamanho, representa um avanço genuíno na cardiologia preventiva. Com ferramentas como o AI-QCT, os médicos podem em breve conseguir identificar pacientes em risco anos mais cedo do que antes era possível — e intervir com estatinas, mudanças no estilo de vida e controle dos fatores de risco enquanto a doença ainda está em seus primórdios.

Perguntas Frequentes

O que é AI-QCT e como ela detecta pequenas placas coronarianas?

AI-QCT (avaliação quantitativa da aterosclerose por tomografia computadorizada) é um software de inteligência artificial aprovado pela FDA que detecta, mede e caracteriza automaticamente a placa em todas as artérias coronárias. Em um estudo de viabilidade com 99 pacientes, identificou placas minúsculas, tão pequenas quanto uma fração de milímetro cúbico, que os observadores humanos frequentemente não percebem. Todos os resultados foram verificados por um observador experiente com formação de nível III.

Placas coronarianas muito pequenas são perigosas ou propensas a crescer?

Em um estudo com 99 pacientes acompanhados por cerca de 3,8 anos, 87% das pequenas placas persistiram no mesmo local e, entre as placas persistentes, 72% aumentaram de tamanho. O volume mediano da placa triplicou de 7,1 mm³ para 18,9 mm³. Isso mostra que mesmo placas extremamente pequenas tendem a progredir com o tempo.

Devo pedir ao meu médico uma angiotomografia computadorizada coronariana aprimorada por IA?

Se você tem fatores de risco para doença cardíaca, converse com seu médico sobre se uma TC coronariana ou um escore de cálcio é apropriado. Este estudo sugere que a análise baseada em IA pode detectar placas muito pequenas que os observadores humanos podem não perceber, fornecendo um quadro mais completo do risco. No entanto, a decisão deve ser individualizada.

Quais são as limitações deste estudo sobre detecção de placa por IA?

Este foi um pequeno estudo de viabilidade com apenas 99 pacientes, e nenhum desfecho clínico, como infarto do miocárdio, foi acompanhado. O padrão de referência foi a TC de acompanhamento, não um padrão-ouro. Os resultados podem diferir em pacientes mais jovens, mulheres ou populações mais diversas, portanto, estudos maiores são necessários para confirmar os achados.

Minha TC encontrou pequenas placas coronarianas que meu médico diz serem pequenas demais para importar. Devo obter uma segunda opinião sobre pequenas placas coronarianas detectadas por IA?

Uma segunda opinião pode ser valiosa porque mesmo placas muito pequenas, tão pequenas quanto uma fração de milímetro cúbico, demonstraram persistir e crescer com o tempo. Em um estudo com 99 pacientes, 87% das pequenas placas permaneceram no mesmo local após cerca de 3,8 anos, e seu volume triplicou. Isso sugere que placas minúsculas podem representar aterosclerose precoce, não um achado inofensivo. Uma segunda opinião pode ajudar a confirmar a interpretação da imagem e esclarecer se um controle mais agressivo dos fatores de risco ou monitoramento é apropriado. A Diagnostic Detectives Network fornece segundas opiniões independentes de especialistas.

Informações da Fonte

Este artigo voltado para pacientes é baseado em pesquisa revisada por pares publicada no Journal of Cardiovascular Computed Tomography, volume 17 (2023), páginas 407–412.

Original article title: How early can atherosclerosis be detected by coronary CT angiography - Cleerly James Min

Authors: Rhanderson Cardoso, Andrew D. Choi, Arthur Shiyovich, Stephanie A. Besser, James K. Min, James Earls, Daniele Andreini, Mouaz H. Al-Mallah, Matthew J. Budoff, Filippo Cademartiri, Kavitha Chinnaiyan, Jung Hyun Choi, Eun Ju Chun, Edoardo Conte, Ilan Gottlieb, Martin Hadamitzky, Yong-Jin Kim, Byoung Kwon Lee, Jonathon A. Leipsic, Erica Maffei, Hugo Marques, Pedro de Araújo Gonçalves, Gianluca Pontone, Sang-Eun Lee, Ji Min Sung, Renu Virmani, Habib Samady, Fay Y. Lin, Peter H. Stone, Daniel S. Berman, Jagat Narula, Leslee J. Shaw, Jeroen J. Bax, Hyuk-Jae Chang, and Ron Blankstein

DOI: 10.1016/j.jcct.2023.08.012

Funding and disclosures: Several authors are affiliated with Cleerly Inc., the company that manufactures the AI-QCT software used in this study. The research was an open-access article published under the CC BY-NC-ND license. This patient summary was created by a medical writer and is intended for educational purposes only. It does not constitute medical advice. Patients should discuss their individual cardiovascular risk and treatment options with their healthcare provider.