# A inteligência artificial tem bom desempenho diagnóstico na avaliação da regurgitação tricúspide?

> Sim, a inteligência artificial mostra acurácia diagnóstica promissora para regurgitação tricúspide, com AUROC agrupada de 0,89. Modelos baseados em ecocardiografia tiveram sensibilidade de 0,87 e especificidade de 0,88, enquanto modelos com ECG tiveram AUROC de 0,805. A heterogeneidade foi substancial e a certeza da evidência moderada, exigindo validação externa.

Estudo citado: Eini P, Serpoush H, Rezayee M, Kassulke M. "Diagnostic Performance of Artificial Intelligence in Evaluating Tricuspid Regurgitation: A Systematic Review and Meta-Analysis". Clinical cardiology. 2026. DOI: https://doi.org/10.1002/clc.70366. PubMed: https://pubmed.ncbi.nlm.nih.gov/42244453/

## Resposta

A regurgitação tricúspide é uma valvulopatia comum, com prevalência que aumenta com a idade, e está associada a pior prognóstico. O diagnóstico depende da ecocardiografia, que é operador-dependente e sujeita a variabilidade. Nesse contexto, ferramentas de inteligência artificial (IA) podem padronizar a detecção e melhorar a sensibilidade.

Esta revisão sistemática e meta-análise avaliou o desempenho diagnóstico da IA para regurgitação tricúspide. Foram incluídos oito estudos, com diferentes modalidades de IA, principalmente aprendizado de máquina e aprendizado profundo. A AUROC agrupada para detecção de regurgitação tricúspide foi de 0,89 (IC 95% 0,86-0,92), indicando boa acurácia discriminatória.

Modelos baseados em ecocardiografia apresentaram sensibilidade de 0,87 (IC 95% 0,81-0,90), especificidade de 0,88 (IC 95% 0,73-0,95) e AUROC de 0,92 (IC 95% 0,89-0,94). Já os modelos baseados em eletrocardiograma tiveram AUROC de 0,805. A heterogeneidade foi substancial (I2 > 90%), atribuída às diferentes modalidades e padrões de referência.

A certeza da evidência foi moderada, segundo o sistema GRADE, devido principalmente a desenhos retrospectivos e à limitada validação externa. Os autores concluem que a IA é promissora para padronizar a detecção precoce e a triagem, mas ressaltam a necessidade de estudos prospectivos e multicêntricos com relato padronizado, como o TRIPOD-AI, para confirmar a utilidade clínica.

Para o médico, esses achados sugerem que a IA pode auxiliar na identificação de regurgitação tricúspide, especialmente em contextos de triagem, mas ainda não substitui a avaliação clínica e ecocardiográfica. A implementação na prática deve considerar as limitações metodológicas e a necessidade de validação local antes de incorporar essas ferramentas na rotina do consultório.

## O que o estudo mostrou

Revisão sistemática e meta-análise com oito estudos, seguindo diretrizes PRISMA, que avaliou o desempenho diagnóstico da inteligência artificial para regurgitação tricúspide. A AUROC agrupada foi de 0,89 (IC 95% 0,86-0,92). Modelos baseados em ecocardiografia mostraram sensibilidade de 0,87, especificidade de 0,88 e AUROC de 0,92; modelos com ECG tiveram AUROC de 0,805. Houve heterogeneidade substancial (I2 > 90%) e certeza moderada pelo GRADE.

## Limitações

O resumo não informa o número total de pacientes ou características da amostra. Os estudos incluídos eram em sua maioria retrospectivos, com limitada validação externa, e houve heterogeneidade substancial devido a diferentes modalidades de IA e padrões de referência. A certeza da evidência foi moderada, e os resultados podem não ser generalizáveis para todas as populações ou contextos clínicos.

## Aplicação no consultório

Os achados indicam que a IA pode ser uma ferramenta adjuvante na triagem e detecção precoce da regurgitação tricúspide, especialmente em serviços com grande volume de exames. No consultório, o médico pode considerar o uso futuro dessas ferramentas para padronizar laudos e reduzir a variabilidade interobservador, mas deve aguardar validação prospectiva e multicêntrica antes de incorporá-las à rotina. A gestão do consultório pode se beneficiar de fluxos de trabalho que integrem IA para priorizar casos suspeitos, sempre com supervisão médica.

## Perguntas para aprofundar

- Qual é a acurácia da inteligência artificial baseada em eletrocardiograma para detectar regurgitação tricúspide?
- Quais são as limitações metodológicas dos estudos sobre IA na avaliação de valvopatias?
- Como implementar ferramentas de IA para triagem de regurgitação tricúspide na prática clínica?

Tema: IA em cardiologia (ECG e ecocardiograma). Página: https://alphadoctor.com.br/ciencia/ia-cardiologia/a-inteligencia-artificial-tem-bom-desempenho-diagnostico-na-avaliacao-da/

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