INTRODUÇÃO: A insuficiência cardíaca (IC) é uma condição clínica prevalente, com significativo impacto na saúde pública, sendo uma das principais causas de hospitalizações e mortalidade. Nesse contexto, a inteligência artificial surge como um importante aliado do médico na identificação de anormalidades clínicas presentes nas imagens e na análise de padrões e previsões que podem auxiliar no prognóstico do paciente com base em seu prontuário. O presente estudo tem como objetivo avaliar sistematicamente o desempenho desses algoritmos no monitoramento da IC, quantificando sua capacidade de prever descompensações, analisar a redução de taxas de hospitalização e identificar o impacto na otimização de condutas terapêuticas. MÉTODOS: Foi realizada uma revisão sistemática de acordo com a diretriz PRISMA. A busca foi conduzida na base de dados PubMed, utilizando a seguinte estratégia de busca: ("artificial intelligence" AND "heart failure"), com os filtros "Clinical Trials" e "publicados nos últimos 5 anos". A seleção dos estudos ocorreu em duas etapas: inicialmente, a partir da análise de títulos e resumos, foram selecionados 33 artigos. Posteriormente, após a leitura completa dos textos, 12 estudos foram incluídos na revisão. RESULTADOS: A análise dos 12 estudos selecionados revelou um desempenho promissor no monitoramento da IC, com aplicações diversificadas em diagnóstico, prognóstico e otimização de terapias. Estudos com o modelo, Machine Learning, como Adaptive Lasso e Random Forest, alcançaram boa acurácia na previsão de resposta ao tratamento de ressincronização cardíaca. A IA também se mostrou eficaz na análise de imagens de ressonância magnética para prever desfechos cardiovasculares adversos, bem como os modelos baseados em Deep Learning aplicados à ecocardiografia reduziram taxas de mortalidade e re-hospitalização, melhorando a precisão diagnóstica. No entanto, desafios como viés nos modelos, e necessidade de validação externa e avaliação custo-eficácia permanecem. CONCLUSÃO: Os estudos evidenciaram que a inteligência artificial é promissora no diagnóstico e monitoramento da insuficiência cardíaca, otimizando a análise de imagens e reduzindo desfechos negativos. Modelos de Machine Learning e Deep Learning destacam-se na estimativa da resposta à terapia de ressincronização cardíaca, redução de mortalidade e internações repetidas. Porém, desafios como validação externa e avaliação custo-eficácia para pacientes com distúrbios diastólicos ainda precisam ser superados para garantir a implementação segura e eficaz da IA na prática clínica.
