Revolucionando o Diagnóstico Cardíaco: A Eficácia da Inteligência Artificial na Interpretação de Eletrocardiogramas

Autores

  • Raíssa Corrêa Torres Faculdade São Leopoldo Mandic (FSLMandic)
  • Victor Gabriel Moreira Viana Universidade Federal do Paraná (UFPR)
  • Larissa Albuquerque Oliveira Centro Universitário Christus (UNICHRISTUS)
  • Bárbara Souto Villela Universidade Federal de Juiz de Fora (UFJF)
  • Régia Freitas Universidade de Volta Redonda (UniFOA)
  • Sâmia Quirino da Silva Centro Universitário Christus (UNICHRISTUS)
  • Luann Joviniano Chagas Universidade Vila Velha (UVV)
  • Júlia Silva Costa Afya Faculdade de Ciências Médicas de Ipatinga
  • Matheus de Oliveira Perobelli Faculdade de Ciências Médicas e da Saude de Juiz de Fora (SUPREMA)
  • Evelyn Odete Quintão Zacarias Siqueira Afya Faculdade de Ciências Médicas de Ipatinga (AFCMI)
  • Luciano Cortes Drubi Centro Universitário de Belo Horizonte (UNIBH)
  • Lucas do Couto Tonholo Faculdade de Medicina de Barbacena (FAME/FUNJOBE)

DOI:

https://doi.org/10.36557/2674-8169.2024v6n8p1588-1595

Palavras-chave:

Inteligência Artificial; Eletrocardiograma; Diagnóstico Cardíaco.

Resumo

A inteligência artificial (IA) tem revolucionado a cardiologia, especialmente através da integração com o eletrocardiograma (ECG). Este estudo visa avaliar a eficácia da IA na interpretação de ECGs para o diagnóstico de doenças cardíacas. A revisão bibliográfica narrativa abrange artigos publicados entre 2020 e 2024, focando em pesquisas que aplicam IA e aprendizado de máquina (ML) na análise de ECGs. Os resultado mostram que a IA pode transformar o ECG em uma ferramenta eficaz de triagem e predição, identificando padrões subclínicos muitas vezes imperceptíveis. Destacam a necessidade de alfabetização em IA/ML para a implementação clínica eficaz. Reforçam o potencial da IA em aprimorar o ECG, transformando-o em um biomarcador poderoso, e apontam que a análise assistida por IA pode superar as limitações dos métodos clássicos, ampliando a funcionalidade do ECG. Embora a IA no ECG apresente desafios relacionados à validação, privacidade dos dados e compreensão dos algoritmos, continua a prometer melhorias significativas na detecção precoce e intervenção preventiva em doenças cardíacas.

Downloads

Não há dados estatísticos.

Referências

ATTIA, Z. I.; HARMON, D. M.; BEHR, E. R.; FRIEDMAN, P. A. Application of artificial intelligence to the electrocardiogram. Eur Heart J., v. 42, n. 46, p. 4717-4730, 2021.

NAGARAJAN, V. D.; LEE, S. L.; ROBERTUS, J. L.; NIENABER, C. A.; TRAYANOVA, N. A.; ERNST, S. Artificial intelligence in the diagnosis and management of arrhythmias. Eur Heart J., v. 42, n. 38, p. 3904-3916, 2021.

FEENY, A. K.; CHUNG, M. K.; MADABHUSHI, A.; et al. Artificial Intelligence and Machine Learning in Arrhythmias and Cardiac Electrophysiology. Circ Arrhythm Electrophysiol., v. 13, n. 8, p. e007952, 2020.

SIONTIS, K. C.; NOSEWORTHY, P. A.; ATTIA, Z. I.; FRIEDMAN, P. A. Artificial intelligence-enhanced electrocardiography in cardiovascular disease management. Nat Rev Cardiol., v. 18, n. 7, p. 465-478, 2021.

HAVERKAMP, W.; STRODTHOFF, N.; ISRAEL, C. EKG-Diagnostik mit Hilfe künstlicher Intelligenz: aktueller Stand und zukünftige Perspektiven – Teil 2 : Aktuelle Studienlage und Ausblick. Herzschrittmacherther Elektrophysiol., v. 33, n. 3, p. 305-311, 2022.

SAFDAR, M. F.; NOWAK, R. M.; PAŁKA, P. Pre-Processing techniques and artificial intelligence algorithms for electrocardiogram (ECG) signals analysis: A comprehensive review. Comput Biol Med., v. 170, p. 107908, 2024.

MARTÍNEZ-SELLÉS, M.; MARINA-BREYSSE, M. Current and Future Use of Artificial Intelligence in Electrocardiography. J Cardiovasc Dev Dis., v. 10, n. 4, p. 175, 2023.

KASHOU, A. H.; MAY, A. M.; NOSEWORTHY, P. A. Artificial Intelligence-Enabled ECG: a Modern Lens on an Old Technology. Curr Cardiol Rep., v. 22, n. 8, p. 57., 2020.

Downloads

Publicado

2024-08-22

Como Citar

Corrêa Torres, R., Moreira Viana, V. G., Albuquerque Oliveira, L., Souto Villela , B., Freitas, R., Quirino da Silva, S., Joviniano Chagas, L., Silva Costa, J., de Oliveira Perobelli, M., Quintão Zacarias Siqueira, E. O., Cortes Drubi, L., & do Couto Tonholo, L. (2024). Revolucionando o Diagnóstico Cardíaco: A Eficácia da Inteligência Artificial na Interpretação de Eletrocardiogramas. Brazilian Journal of Implantology and Health Sciences, 6(8), 1588–1595. https://doi.org/10.36557/2674-8169.2024v6n8p1588-1595

Edição

v. 6 n. 8 (2024): BJIHS QUALIS B3 - FATOR DE IMPACTO SJIF 5.807

Seção

Revisão Sistemática

Licença

Copyright (c) 2024 Raíssa Corrêa Torres, Victor Gabriel Moreira Viana, Larissa Albuquerque Oliveira, Bárbara Souto Villela , Régia Freitas, Sâmia Quirino da Silva, Luann Joviniano Chagas, Júlia Silva Costa, Matheus de Oliveira Perobelli, Evelyn Odete Quintão Zacarias Siqueira, Luciano Cortes Drubi, Lucas do Couto Tonholo

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Os autores são detentores dos direitos autorais mediante uma licença CCBY 4.0.