IA em cardiologia (ECG e ecocardiograma)

Algoritmos de aprendizado de máquina têm desempenho clínico aceitável para prever hipotensão intraoperatória?

Resposta

A hipotensão intraoperatória é um dos efeitos adversos cirúrgicos mais comuns e costuma se associar a dano orgânico e complicações no pós-operatório. Nesse contexto, métodos não invasivos capazes de antecipar a queda pressórica durante a cirurgia poderiam reduzir essas complicações. A meta-análise reuniu evidências sobre o desempenho clínico de algoritmos de aprendizado de máquina para essa predição.

A busca sistemática abrangeu PubMed, Scopus, Web of Science e Google Scholar até agosto de 2024. Dois pesquisadores independentes selecionaram estudos observacionais de acurácia e também identificaram ensaios clínicos randomizados de manejo intraoperatório guiado por inteligência artificial. A síntese quantitativa incluiu os estudos observacionais que relatavam métricas de acurácia diagnóstica ou prognóstica, após avaliação da qualidade metodológica.

Foram incluídos cinco estudos observacionais, com um total de 42.509 participantes. Quatro estudos foram conduzidos na Coreia do Sul e um em Taiwan. Os algoritmos aplicados utilizaram eletrocardiografia e pressão arterial sistólica e diastólica basais, com desempenho avaliado por sensibilidade, especificidade e área sob a curva ROC (AUROC).

O efeito global, representado em forest plot, mostrou especificidade de 0,73 (IC 95%: 0,67-0,79), sensibilidade de 0,75 (IC 95%: 0,71-0,79) e AUROC de 0,83 (IC 95%: 0,77-0,89). Os autores concluem que os algoritmos demonstram desempenho aceitável e vantagens na predição de hipotensão intraoperatória, com potencial benefício futuro para reduzir complicações cirúrgicas.

Para o médico, esses achados indicam uma tecnologia promissora, mas ainda em estágio de validação observacional. A interpretação deve considerar que o resumo não detalha os modelos específicos, os limiares de decisão nem o impacto clínico de desfechos duros, o que limita a transposição imediata para a rotina.

O que o estudo mostrou

Meta-análise de estudos observacionais de acurácia, com busca sistemática em quatro bases até agosto de 2024. Foram incluídos cinco estudos observacionais, totalizando 42.509 participantes, quatro na Coreia do Sul e um em Taiwan. Os algoritmos usaram eletrocardiografia e pressão arterial sistólica e diastólica basais. O desempenho agregado foi: especificidade de 0,73 (IC 95%: 0,67-0,79), sensibilidade de 0,75 (IC 95%: 0,71-0,79) e AUROC de 0,83 (IC 95%: 0,77-0,89).

Limitações

O resumo não informa detalhes sobre os modelos de aprendizado de máquina, os limiares de decisão, a heterogeneidade entre os estudos nem a qualidade metodológica individual. Todos os estudos observacionais incluídos foram realizados em dois países asiáticos, o que limita a generalização. Os ensaios clínicos randomizados identificados não entraram na síntese quantitativa por endpoints heterogêneos, e o resumo não informa desfechos clínicos duros.

Aplicação no consultório

Os achados apoiam a discussão sobre incorporar ferramentas preditivas de hipotensão intraoperatória em serviços cirúrgicos, mas não justificam adoção rotineira sem validação local. Na gestão do consultório e do centro cirúrgico, o médico pode acompanhar a literatura e avaliar custo, integração com sistemas de prontuário e necessidade de treinamento da equipe. A decisão deve considerar que a evidência disponível é observacional e que o resumo não demonstra redução de complicações.

Estudo citado

Clinical performance of machine-learning algorithms to predict intraoperative hypotension: a meta-analysis. BMC surgery, 2025.
Autores: Faraji M, Norouzkhani N, Pour AB, Ghanad P, Bayani M, Bafrani MA, Alizadeh A, Seyedipour S, Deravi N, Noroozi M, Ebrahimi MA.
DOI: 10.1186/s12893-025-03412-8 · PubMed: PMID 41408529

Perguntas para aprofundar

• Qual é o desempenho de algoritmos de aprendizado de máquina na predição de hipotensão intraoperatória em diferentes populações cirúrgicas?
• Os ensaios clínicos randomizados de manejo guiado por inteligência artificial mostram redução de complicações pós-operatórias?
• Como integrar ferramentas preditivas de hipotensão ao fluxo do centro cirúrgico sem aumentar alarmes falsos?

Mais sobre IA em cardiologia (ECG e ecocardiograma)

• Modelos de aprendizado de máquina aplicados ao ECG têm acurácia diagnóstica suficiente para identificar cardiomiopatia hipertrófica na prática clínica?
• Algoritmos de aprendizado de máquina aplicados à interpretação do eletrocardiograma são viáveis e válidos para diagnosticar fibrilação atrial e síndrome do QT longo?
• Aprendizado de máquina detecta fibrilação atrial com mais acurácia que especialistas clínicos?
• Modelos de inteligência artificial aplicados a dispositivos vestíveis são eficazes na detecção de doenças cardiovasculares?
• Um sistema de rede neural profunda pode reduzir a carga de trabalho na triagem de revisões sistemáticas para diretrizes clínicas?

Todas as perguntas sobre IA em cardiologia (ECG e ecocardiograma) · Todos os temas · Versão em markdown