IA em cardiologia (ECG e ecocardiograma)

Modelos de inteligência artificial aplicados ao eletrocardiograma são eficazes para prever insuficiência cardíaca?

Resposta

A insuficiência cardíaca é um desafio global de saúde, com prevalência crescente. A identificação precoce de indivíduos de alto risco e a implementação de intervenções podem prevenir ou retardar a progressão da doença. Nesse contexto, a aplicação de inteligência artificial (IA) ao eletrocardiograma (ECG) surge como estratégia promissora para predição precoce, mas sua efetividade e generalização precisam de avaliação sistemática.

Esta revisão sistemática com meta-análise, registrada no PROSPERO (CRD420251012231) e conduzida conforme as diretrizes PRISMA, buscou estudos publicados entre 2005 e 2025 em múltiplas bases de dados. Foram incluídos modelos de IA baseados em ECG que reportaram métricas de desempenho como AUROC/C-statistic. A meta-análise utilizou modelo de efeitos aleatórios para estimar a AUROC agrupada, com análise de heterogeneidade (I²) e comparações por subgrupos de etnia, além de avaliação de risco de viés com a ferramenta PROBAST + AI.

Foram incluídos cinco estudos, abrangendo 11 coortes e 1.728.134 participantes. A AUROC/C-statistic agrupada foi de 0,76 (IC 95%: 0,74-0,78; p < 0,001), indicando capacidade de discriminação moderada a boa. As análises de subgrupo mostraram desempenho consistente entre diferentes grupos étnicos, com AUROC variando de 0,77 a 0,79, comparável ao modelo tradicional que apresentou AUROC de 0,742 (IC 95%: 0,692-0,787, P = 0,575). Observou-se heterogeneidade significativa entre os estudos (I² = 89%, p < 0,01), possivelmente atribuída a diferenças sistemáticas nas características populacionais, desenho dos estudos e qualidade dos dados.

Os autores concluem que, teoricamente, os modelos de IA aplicados ao ECG (AI-ECG) demonstram aplicabilidade promissora para predizer insuficiência cardíaca; contudo, sua efetividade permanece incerta devido ao alto risco de viés e à ausência de estudos de validação clínica. Assim, a tradução desses achados para a prática clínica ainda requer cautela e investigações adicionais.

Para o médico, esses resultados sugerem que a IA-ECG pode, no futuro, auxiliar na estratificação de risco de insuficiência cardíaca, mas atualmente não há evidências suficientes para incorporá-la rotineiramente. A decisão de adotar tais ferramentas deve considerar a necessidade de validação local e a compreensão das limitações metodológicas dos estudos disponíveis.

O que o estudo mostrou

Revisão sistemática com meta-análise que incluiu cinco estudos, 11 coortes e 1.728.134 participantes, avaliando modelos de IA baseados em ECG para predição de insuficiência cardíaca. A AUROC/C-statistic agrupada foi de 0,76 (IC 95%: 0,74-0,78; p < 0,001), indicando discriminação moderada a boa. Subgrupos étnicos mostraram AUROC entre 0,77 e 0,79, comparável ao modelo tradicional (AUROC 0,742; IC 95%: 0,692-0,787; P = 0,575). Heterogeneidade significativa foi observada (I² = 89%, p < 0,01).

Limitações

O resumo não informa detalhes sobre as características dos estudos incluídos, como população exata, tipos de ECG ou algoritmos utilizados. A alta heterogeneidade (I² = 89%) e o alto risco de viés, conforme a ferramenta PROBAST + AI, limitam a generalização dos achados. Além disso, a ausência de estudos de validação clínica impede conclusões definitivas sobre a efetividade na prática.

Aplicação no consultório

Os achados indicam que a IA-ECG ainda não está pronta para uso rotineiro na predição de insuficiência cardíaca, devido ao alto risco de viés e falta de validação clínica. O médico deve manter cautela ao considerar tais ferramentas, priorizando métodos tradicionais de estratificação de risco. Para a gestão do consultório, investir em tecnologias de IA requer avaliação crítica da evidência e consideração de validação local antes da implementação.

Estudo citado

Artificial intelligence in electrocardiogram-based prediction of heart failure: a systematic review and meta-analysis. Frontiers in cardiovascular medicine, 2025.
Autores: Zhang S, Jiang J, Luo Y, Liu G, Hu S, Wan S, Luo C, Li H, Li N, Zhao L.
DOI: 10.3389/fcvm.2025.1659298 · PubMed: PMID 41552681

Perguntas para aprofundar

• Qual é o desempenho de modelos de IA baseados em ECG comparado a modelos tradicionais para predição de insuficiência cardíaca?
• Quais são as principais fontes de heterogeneidade entre estudos de IA-ECG para predição de insuficiência cardíaca?
• Quais critérios de validação clínica são necessários para incorporar a IA-ECG na prática cardiológica?

Mais sobre IA em cardiologia (ECG e ecocardiograma)

• Qual é a acurácia diagnóstica de algoritmos de eletrocardiograma baseados em inteligência artificial para estimar insuficiência cardíaca com fração de ejeção reduzida?
• A interpretação de eletrocardiograma por inteligência artificial é útil para detectar síndrome de Brugada na prática clínica?
• A inteligência artificial tem bom desempenho diagnóstico na avaliação da regurgitação tricúspide?
• Modelos de aprendizado de máquina aplicados ao ECG têm acurácia diagnóstica suficiente para identificar cardiomiopatia hipertrófica na prática clínica?
• A inteligência artificial aplicada ao ECG é eficaz no diagnóstico da síndrome de Brugada?

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