Quais biomarcadores digitais e algoritmos têm sido usados para detectar fibrilação atrial em eletrocardiogramas de superfície, e o que a revisão sistemática recomenda?
Resposta curta: A revisão identificou 130 artigos após triagem e mostra aumento do número de métodos e da complexidade dos classificadores. As características descritas dividem-se em atriais, ventriculares e de sinal; apenas 22% dos métodos usam características atriais. Desenvolver métodos focados em atividade atrial pode gerar classificadores precisos sem perder transparência.
Resposta
A detecção automatizada de fibrilação atrial em registros contínuos de ritmo é considerada essencial para prevenir complicações e otimizar o tratamento. Com base nessa premissa, a revisão sistemática buscou organizar os biomarcadores digitais e algoritmos disponíveis para detecção de fibrilação atrial em eletrocardiogramas de superfície, além de formular recomendações para pesquisas futuras.
A busca foi realizada na base PubMed, com termos relacionados a fibrilação atrial, eletrocardiografia e algoritmos. Foram excluídos artigos dedicados exclusivamente à diferenciação entre tipos de distúrbios de ritmo ou à predição de término da fibrilação atrial. A triagem inicial resultou em 451 artigos, dos quais 130 permaneceram após a avaliação do texto completo.
Os resultados mostram não apenas aumento da quantidade de pesquisas sobre métodos de detecção de fibrilação atrial ao longo dos anos, mas também uma tendência a métodos de classificação mais complexos. As características utilizadas foram agrupadas em três tipos: atriais, ventriculares e de sinal. Apesar de a fibrilação atrial ser uma doença atrial, somente 22% dos métodos descritos empregam características atriais.
A conclusão destaca que cada vez mais estudos buscam melhorar a acurácia dos métodos de classificação em eletrocardiogramas. Como consequência, os algoritmos tornam-se progressivamente mais complexos e menos interpretáveis. Poucos estudos concentram-se na detecção de atividade atrial no eletrocardiograma, e métodos inovadores com esse foco podem oferecer classificadores acurados sem comprometer a transparência.
O que o estudo mostrou
Trata-se de revisão sistemática com busca na PubMed em 14 de setembro de 2020, usando os termos Atrial Fibrillation, Electrocardiography e Algorithms. A busca resultou em 451 artigos, dos quais 130 permaneceram após triagem do texto completo. Houve aumento das pesquisas e tendência a métodos mais complexos. As características foram classificadas em atriais, ventriculares e de sinal; apenas 22% dos métodos usam características atriais.
Limitações
O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre heterogeneidade entre populações, sensores ou critérios de referência para fibrilação atrial. Também não descreve métricas de desempenho dos algoritmos. A busca restringiu-se à PubMed e a uma data específica, e o resumo não informa análise de risco de viés.
Aplicação no consultório
Para a prática clínica e a gestão do consultório, a revisão reforça que a detecção automatizada em registros contínuos de ritmo é relevante para prevenir complicações e otimizar tratamento. Ao avaliar ou adotar ferramentas de apoio à interpretação de eletrocardiogramas, o médico deve considerar que algoritmos mais complexos podem ser menos interpretáveis. Priorizar soluções com características atriais e maior transparência pode facilitar a incorporação na rotina e a comunicação dos resultados.
Estudo citado
Digital biomarkers and algorithms for detection of atrial fibrillation using surface electrocardiograms: A systematic review. Computers in biology and medicine, 2021.
Autores: Wesselius FJ, van Schie MS, De Groot NMS, Hendriks RC.
DOI: 10.1016/j.compbiomed.2021.104404 · PubMed: PMID 33951551
Perguntas para aprofundar
- Como características atriais podem tornar os algoritmos de detecção de fibrilação atrial mais interpretáveis na prática clínica?
- Quais características ventriculares e de sinal são usadas pelos métodos de classificação descritos na revisão?
- O que a revisão recomenda para pesquisas futuras sobre detecção automatizada de fibrilação atrial em eletrocardiogramas?
Mais sobre IA em cardiologia (ECG e ecocardiograma)
- 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?
- A inteligência artificial consegue identificar fibrilação atrial a partir de um ECG de ritmo sinusal basal?
- É possível prever a terminação espontânea da fibrilação atrial usando eletrocardiograma de superfície padrão?
- Dispositivos vestíveis com ECG e PPG são confiáveis para detectar e rastrear fibrilação atrial na prática clínica?
Todas as perguntas sobre IA em cardiologia (ECG e ecocardiograma) · Todos os temas · Versão em markdown