Dispositivos Wearables Associados à Inteligência Artificial no Diagnóstico de Arritmias Cardíacas: Uma Revisão Integrativa
DOI:
https://doi.org/10.36557/2674-8169.2026v8n3p773-785Palavras-chave:
Dispositivos Vestíveis; Inteligência Artificial; Arritmias Cardíacas.Resumo
As arritmias cardíacas constituem um importante problema de saúde pública global, sendo responsáveis por elevada morbimortalidade, particularmente em indivíduos com doenças cardiovasculares subjacentes. O desenvolvimento de dispositivos vestíveis (wearables) capazes de realizar monitoramento contínuo de parâmetros fisiológicos, aliado à aplicação de algoritmos de inteligência artificial, tem ampliado significativamente as possibilidades diagnósticas no campo da cardiologia digital. Esses sistemas permitem a análise automatizada de sinais cardíacos coletados em ambientes extra-hospitalares, favorecendo a detecção precoce de arritmias, especialmente fibrilação atrial. Nesse contexto, a presente revisão integrativa teve como objetivo analisar criticamente a literatura científica recente acerca da utilização de dispositivos wearables associados à inteligência artificial no diagnóstico de arritmias cardíacas. Para tanto, realizou-se busca sistematizada nas bases de dados PubMed, Scopus, Web of Science e Google Scholar, considerando publicações entre 2020 e 2024. Os resultados evidenciam que algoritmos baseados em aprendizado de máquina e redes neurais profundas aplicados a sinais eletrocardiográficos e fotopletismográficos apresentam elevada sensibilidade e especificidade para detecção de arritmias. Além disso, tais tecnologias demonstram potencial para monitoramento remoto de pacientes e rastreamento populacional em larga escala. Entretanto, desafios relacionados à validação clínica, padronização metodológica, regulação tecnológica e segurança de dados ainda limitam sua plena incorporação na prática clínica. Conclui-se que a integração entre dispositivos wearables e inteligência artificial representa uma estratégia promissora para o diagnóstico precoce e monitoramento contínuo de arritmias cardíacas, podendo contribuir significativamente para a evolução da medicina digital e da cardiologia preventiva.
Downloads
Referências
BUSIA, Paolo et al. Tiny transformer for low-power arrhythmia classification on microcontrollers. IEEE Access, v. 12, p. 1–12, 2024.
CHEN, Jian; TIAN, Feng; YANG, Jian; SAWAN, Mohamad. Event-driven neuromorphic system for cardiac arrhythmia detection. IEEE Transactions on Biomedical Circuits and Systems, v. 16, n. 2, p. 346–356, 2022.
DING, Eric Y. et al. Smartwatch-based detection of cardiac arrhythmias. Circulation, v. 143, n. 6, p. 563–565, 2021.
GUO, Yutao et al. Mobile photoplethysmographic technology to detect atrial fibrillation. Journal of the American College of Cardiology, v. 74, n. 19, p. 2365–2375, 2020.
INGOLFSSON, Thor M. et al. ECG-TCN: Wearable cardiac arrhythmia detection with temporal convolutional networks. IEEE Journal of Biomedical and Health Informatics, v. 25, n. 10, p. 3902–3912, 2021.
ISAKADZE, Nino; MARTIN, Seth S. How useful is smartwatch detection of atrial fibrillation? Trends in Cardiovascular Medicine, v. 33, n. 2, p. 86–92, 2023.
KWON, Jae-Min et al. Artificial intelligence for detecting arrhythmias using wearable devices. European Heart Journal – Digital Health, v. 5, n. 1, p. 1–10, 2024.
PASSMAN, Rod S. et al. Smartwatch-based atrial fibrillation monitoring after ablation. Circulation: Arrhythmia and Electrophysiology, v. 15, n. 3, e010758, 2022.
PEREZ, Marco V. et al. Large-scale assessment of a smartwatch to identify atrial fibrillation. Nature Medicine, v. 26, n. 3, p. 408–414, 2020.
RAZA, A.; TRAN, K. P.; KOEHL, L.; LI, S. Explainable artificial intelligence for ECG-based arrhythmia classification. IEEE Access, v. 9, p. 146376–146388, 2021.
SANGEETHA, R. G. et al. Cardiac arrhythmia detection using artificial neural networks. Heliyon, v. 10, n. 1, e23945, 2024.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Maria José Bezerra de Morais, Luíza Fricks Cabellino, Pedro Guilherme Santos Nunes, Nicoli Viana Alves, Luiza Guimarães de Almeida, Rafael Silva Paulon , Gabriel Lobato Cardoso Costa, Artur Damião Lopes Gomes, Fábio Carvalho Pelicioni
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.
