# Algoritmos de aprendizado de máquina conseguem prever o sucesso da desfibrilação na parada cardíaca?

> Uma revisão sistemática com 15 estudos observacionais (n = 5680) indica que algoritmos de aprendizado de máquina, especialmente redes neurais, têm potencial para prever o sucesso da desfibrilação com alta sensibilidade e especificidade. O melhor modelo atingiu acurácia de 98.6% com intervalos de ECG de 4 segundos. Heterogeneidade e alto risco de viés impedem concluir qual algoritmo é ótimo.

Estudo citado: Sem M, Mastrangelo E, Lightfoot D, Aves T, Lin S, Mohindra R. The ability of machine learning algorithms to predict defibrillation success during cardiac arrest: A systematic review. Resuscitation. 2023. DOI: https://doi.org/10.1016/j.resuscitation.2023.109755. PubMed: https://pubmed.ncbi.nlm.nih.gov/36842672/

## Resposta

A revisão sistemática reuniu a literatura disponível sobre o uso de aprendizado de máquina para prever o sucesso da desfibrilação em parada cardíaca intra e extra-hospitalar. Foram incluídos estudos que avaliaram retorno da circulação espontânea, sobrevida à alta hospitalar ou estado neurológico na alta como desfechos de sucesso.

Os achados apontam que algoritmos de aprendizado de máquina, em particular redes neurais, demonstraram potencial para essa predição com alta sensibilidade e especificidade. O melhor modelo apresentou acurácia de 98.6 (98.5 - 98.7)% utilizando intervalos de ECG de 4 segundos, e um algoritmo que incorporou CO2 expirado final relatou acurácia de 83.3%, sem intervalo de confiança informado.

Apesar desses resultados, a heterogeneidade entre os estudos foi marcante, incluindo diferenças de desenho, definições de retorno da circulação espontânea e características das populações. Por isso, os autores não realizaram meta-análise e concluíram que é difícil determinar qual algoritmo, se algum, seria o ideal.

O resumo também destaca relato inconsistente e alto risco de viés como limitações relevantes. A conclusão é que novos estudos clínicos são necessários, com relato padronizado de características dos pacientes, desfechos e validação adequada dos algoritmos, antes que essas ferramentas possam ser incorporadas de forma confiável à prática.

## O que o estudo mostrou

Trata-se de revisão sistemática com buscas em MEDLINE, Embase, CINAHL e Scopus até agosto de 2022. De 2399 estudos identificados, 107 textos completos foram revisados e 15 estudos observacionais (n = 5680) entraram na análise final. Foram avaliadas 29 características de onda de ECG em 15 combinações diferentes de aprendizado de máquina. O melhor modelo teve acurácia de 98.6 (98.5 - 98.7)% com intervalos de ECG de 4 segundos; um algoritmo com CO2 expirado final relatou acurácia de 83.3%, sem intervalo de confiança informado. Não houve meta-análise devido à heterogeneidade.

## Limitações

O resumo informa heterogeneidade de desenho dos estudos, definições de retorno da circulação espontânea e características, além de relato inconsistente e alto risco de viés avaliado pelo PROBAST. Esses fatores impediram a meta-análise e não permitem concluir qual algoritmo é o ideal. O resumo não detalha amostra por estudo nem validação externa dos modelos.

## Aplicação no consultório

Para o médico, o estudo ainda não fornece base para adotar um algoritmo específico na decisão de desfibrilar; trata-se de sinal promissor, não de ferramenta validada. Na gestão do consultório e de serviços de emergência, o achado reforça a necessidade de aguardar estudos com relato padronizado e validação adequada antes de incorporar essas tecnologias a protocolos assistenciais ou a sistemas de apoio à decisão.

## Perguntas para aprofundar

- Redes neurais são superiores a outros algoritmos de aprendizado de máquina na predição do sucesso da desfibrilação?
- Quais características do ECG são mais úteis para prever o retorno da circulação espontânea após a desfibrilação?
- Como padronizar desfechos e características dos pacientes em futuros estudos de aprendizado de máquina na parada cardíaca?

Tema: IA em cardiologia (ECG e ecocardiograma). Página: https://alphadoctor.com.br/ciencia/ia-cardiologia/algoritmos-de-aprendizado-de-maquina-conseguem-prever-o-sucesso-da/

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