Introdução
A análise de eletrocardiogramas (ECG) é essencial na estratificação de risco cardiovascular, porém, limitações na interpretação humana podem levar a diagnósticos imprecisos. A inteligência artificial (IA) vem sendo utilizada para aprimorar essa análise, permitindo a identificação precoce de arritmias, infarto agudo do miocárdio (IAM) e risco cardiovascular aumentado. Algoritmos baseados em aprendizado de máquina e redes neurais têm demonstrado elevada sensibilidade e especificidade na detecção de padrões sutis no ECG, otimizando a estratificação de risco e auxiliando na tomada de decisões clínicas.
Métodos
Foi realizada uma revisão narrativa baseada em estudos publicados entre 2018 e 2024 nas bases PubMed, SciELO e ResearchGate, incluindo ensaios clínicos e revisões sistemáticas sobre a aplicação da IA na análise de ECGs. Foram comparados algoritmos de aprendizado de máquina e redes neurais com a interpretação convencional por médicos, considerando métricas de acurácia diagnóstica.
Análise estatística
Os valores de sensibilidade e especificidade foram extraídos dos estudos analisados e comparados entre ECG convencional, interpretação médica e IA associada ao ECG. A significância estatística foi considerada para p<0,05.
Resultados
A IA demonstrou superioridade na análise de ECGs quando comparada à interpretação médica isolada. A sensibilidade do ECG convencional foi 75%, aumentando para 85% quando interpretado por médicos e atingindo 95% quando combinado à IA. A especificidade apresentou um comportamento semelhante, evoluindo de 78% para 88% e alcançando 97% com IA. O uso de algoritmos preditivos mostrou capacidade de estratificar o risco de IAM e identificar pacientes com predisposição a eventos cardiovasculares mesmo sem alterações evidentes no ECG tradicional.
Conclusão
A incorporação da inteligência artificial na análise de eletrocardiogramas representa um avanço significativo na estratificação de risco cardiovascular. A combinação de IA e ECG pode aprimorar a acurácia diagnóstica, permitindo intervenções mais precoces e personalizadas, reduzindo complicações e otimizando os desfechos clínicos.
