Pular para o conteúdo
Alpha Doctor

IA na atenção primária

O uso de um dispositivo portátil de ECG melhora a detecção de fibrilação atrial após ablação?

Resposta curta: Sim. Em estudo randomizado com 218 pacientes, o monitor portátil BigThumb® detectou mais recorrências de fibrilação atrial que o acompanhamento tradicional (taxa de sobrevida livre de FA de 64,2% vs. 78,9%; P=0,0163) e aumentou a adesão à anticoagulação oral (P=0,0052). Algoritmo de inteligência artificial mostrou alta acurácia diagnóstica.

Resposta

A fibrilação atrial assintomática é comum após ablação, e estratégias de monitoramento mais sensíveis podem identificar recorrências que passariam despercebidas no seguimento convencional. O estudo comparou um monitor de ECG de derivação única (BigThumb®) com o acompanhamento tradicional em pacientes com fibrilação atrial não valvar submetidos a ablação por cateter.

Foram randomizados 218 pacientes (109 em cada grupo) e acompanhados por 345,4 ± 60,2 dias. A taxa de sobrevida livre de fibrilação atrial foi de 64,2% no grupo BigThumb e 78,9% no grupo de acompanhamento tradicional (P = 0,0163), indicando maior detecção de recorrências com o dispositivo. Além disso, a adesão à anticoagulação oral foi significativamente maior no grupo BigThumb (P = 0,0052).

No grupo BigThumb, foram registrados 26.133 ECGs, dos quais 3.299 (12,6%) foram diagnosticados como fibrilação atrial por revisão manual de cardiologistas. O algoritmo de inteligência artificial apresentou sensibilidade de 94,4% e especificidade de 98,5%, superiores ao algoritmo automatizado de detecção de fibrilação atrial (90,7% e 96,2%, respectivamente).

Os achados sugerem que o monitoramento com dispositivo portátil aumenta a detecção de recorrências de fibrilação atrial e pode influenciar positivamente a adesão ao tratamento anticoagulante. A inteligência artificial mostrou potencial para melhorar a acurácia diagnóstica e reduzir a necessidade de revisão manual dos traçados.

O resumo não informa detalhes sobre o desenho do estudo além de ser um ensaio clínico randomizado, nem sobre critérios de inclusão ou exclusão, cegamento ou análise estatística. Portanto, a interpretação dos resultados deve considerar essas limitações.

O que o estudo mostrou

Ensaio clínico randomizado com 218 pacientes (109 em cada grupo) com fibrilação atrial não valvar após ablação por cateter, comparando monitoramento com BigThumb® versus acompanhamento tradicional. Após seguimento de 345,4 ± 60,2 dias, a taxa de sobrevida livre de fibrilação atrial foi menor no grupo BigThumb (64,2% vs. 78,9%; P = 0,0163), com maior adesão à anticoagulação oral (P = 0,0052). No grupo BigThumb, 26.133 ECGs foram registrados, 3.299 (12,6%) diagnosticados como fibrilação atrial por revisão manual. O algoritmo de inteligência artificial teve sensibilidade de 94,4% e especificidade de 98,5%, superiores ao algoritmo automatizado (90,7% e 96,2%).

Limitações

O resumo não informa detalhes sobre o desenho do estudo além de ser um ensaio clínico randomizado, nem sobre critérios de inclusão e exclusão, cegamento dos avaliadores, ou análise estatística. Também não são descritas limitações específicas do estudo. Portanto, não é possível avaliar a qualidade metodológica completa ou a aplicabilidade dos resultados a diferentes populações.

Aplicação no consultório

Os resultados sugerem que o uso de dispositivos portáteis de ECG no seguimento pós-ablação pode aumentar a detecção de recorrências assintomáticas de fibrilação atrial e melhorar a adesão à anticoagulação oral. Na prática clínica, isso pode justificar a incorporação dessas tecnologias no acompanhamento de pacientes selecionados, desde que haja infraestrutura para análise dos traçados e manejo dos achados. A automação por inteligência artificial pode reduzir a carga de revisão manual, mas requer validação local. A gestão do consultório deve considerar custos, treinamento da equipe e fluxos de acompanhamento.

Estudo citado

Portable Device Improves the Detection of Atrial Fibrillation After Ablation. International heart journal, 2021.
Autores: Huang S, Zhao T, Liu C, Qin A, Dong S, Yuan B, Xing W, Guo Z, Huang X, Cha Y, Cao J.
DOI: 10.1536/ihj.21-067 · PubMed: PMID 34276021

Perguntas para aprofundar

Mais sobre IA na atenção primária

Todas as perguntas sobre IA na atenção primária · Todos os temas · Versão em markdown

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.