LA INTELIGENCIA ARTIFICIAL COMO TECNOLOGÍA EMERGENTE EN LA EVALUACIÓN ELECTROCARDIOGRÁFICA: UNA REVISIÓN EXPLORATORIA
DOI:
https://doi.org/10.21873/vol13n4202624Palabras clave:
Inteligencia Artificial, Electrocardiograma, Salud CardiovascularResumen
Introducción: Las enfermedades cardiovasculares son la principal causa de muerte, destacando el infarto agudo de miocardio, que muestra un aumento de más del 50% en las hospitalizaciones. La electrocardiografía (ECG) es el primer examen que se realiza para identificar anomalías; sin embargo, el 74% de los profesionales de la salud no logra identificar correctamente los ritmos cardíacos más complejos. Objetivo: Analizar el impacto del uso de la Inteligencia Artificial como tecnología emergente en la interpretación y evaluación de patrones electrocardiográficos. Metodología:: Se trata de una revisión exploratoria siguiendo la metodología del JBI y las directrices PRISMA-ScR 2020. Se realizaron búsquedas en las plataformas LILACS y MEDLINE a través de BVS, así como en PubMed, BDTD y RCAAP. La búsqueda inicial localizó 3965 estudios; después de excluir duplicados y leer el título, el resumen y el texto completo, quedaron 38 artículos para la muestra final. Resultados y discusión: La inteligencia artificial ha demostrado su eficacia para predecir, diagnosticar y asistir en la toma de decisiones sobre eventos cardiovasculares, mejorando así los resultados clínicos. Sin embargo, aún presenta desafíos, como las implicaciones éticas de la privacidad y la aceptación por parte de los profesionales. Consideraciones finales: A pesar de los desafíos que aún existen, la inteligencia artificial aplicada a la electrocardiografía se presenta como una tecnología emergente prometedora en la práctica clínica, que asiste a los profesionales y favorece los resultados clínicos del paciente.
Citas
ADEDINSEWO, D. et al. Artificial intelligence-enabled ECG algorithm to identify patients with left ventricular systolic dysfunction presenting to the emergency department with dyspnea. Circulation: Arrhythmia and Electrophysiology, v. 13, n. 8, p. e008437, 2020. Disponível em: https://doi.org/10.1161/CIRCEP.120.008437. Acesso em: 01 de outubro de 2025.
ALALWAN M. A. et al. Electrocardiographic interpretation by emergency medical services professionals in Saudi Arabia: A cross sectional study. PLoS One. 2023. Disponível em: https://doi.org/10.1371/journal.pone.0292868. Acesso em: 12 de outubro de 2025.
ANJEWIERDEN, S. et al. Detection of Right and Left Ventricular Dysfunction in Pediatric Patients Using Artificial Intelligence–Enabled ECGs. Journal of the American Heart Association, v. 13, n. 21, p. e035201, 2024. Disponível em: https://doi.org/10.1161/JAHA.124.035201. Acesso em: 09 de outubro de 2025.
ATTIA, Z. I. et al. Application of artificial intelligence to the electrocardiogram. European heart journal, v. 42, n. 46, p. 4717-4730, 2021. Disponível em: https://doi.org/10.1093/eurheartj/ehab649. Acesso em: 05 de outubro de 2025.
ATTIA, Z. I. et al. Artificial intelligence ECG to detect left ventricular dysfunction in COVID-19: a case series. In: Mayo clinic proceedings, p. 2464-2466, 2020. Disponível em: https://doi.org/10.1016/j.mayocp.2020.09.020. Acesso em: 06 de outubro de 2025.
BAEK, Y. et al. Artificial intelligence-enhanced electrocardiography for early assessment of coronavirus disease 2019 severity. Scientific Reports, v. 13, n. 1, p. 15187, 2023. Disponível em: https://doi.org/10.1038/s41598-023-42252-5. Acesso em: 04 de outubro de 2025.
BJERKÉN, L. V. et al. Artificial intelligence enabled ECG screening for left ventricular systolic dysfunction: a systematic review. Heart Failure Reviews, v. 28, n. 2, p. 419-430, 2023. Disponível em: https://doi.org/10.1007/s10741-022-10283-1. Acesso em: 02 de outubro de 2025.
CHANG, S. et al. An artificial intelligence-enabled ECG algorithm for identifying ventricular premature contraction during sinus rhythm. European journal of medical research, v. 27, n. 1, p. 289, 2022. Disponível em: https://doi.org/10.1186/s40001-022-00929-z. Acesso em: 30 de setembro de 2025.
CHO, Y. et al. Artificial intelligence algorithm for detecting myocardial infarction using six-lead electrocardiography. Scientific reports, v. 10, n. 1, p. 20495, 2020. Disponível em: https:// doi.org/10.1038/s41598-020-77599-6. Acesso em: 07 de outubro de 2025.
CHO, Y. et al. Artificial intelligence–based electrocardiographic biomarker for outcome prediction in patients with acute heart failure: prospective cohort study. Journal of medical Internet research, v. 26, p. e52139, 2024. Disponível em: https://doi.org/10.2196/52139. Acesso em: 11 de outubro de 2025.
CHOW, B. J. W. et al. Interpreting wide-complex tachycardia with the use of artificial intelligence. Canadian Journal of Cardiology, v. 40, n. 10, p. 1965-1973, 2024. Disponível em: https://doi.org/10.1016/j.cjca.2024.03.027. Acesso em: 08 de outubro de 2025.
DIB, C. C. A inteligência artificial na saúde: caminhos para sua regulação. Revista de Direito Sanitário, v. 24, n. 1, 2024. Disponível em: https://doi.org/10.11606/issn.2316-9044.rdisan.2024.207653. Acesso em: 27 de março de 2025.
DUBROCK, H. M. et al. An electrocardiogram-based AI algorithm for early detection of pulmonary hypertension. European Respiratory Journal, v. 64, n. 1, 2024. Disponível em: https://doi.org/10.1183/13993003.00192-2024. Acesso em: 10 de outubro de 2025.
GRUWEZ, H. et al. Detecting paroxysmal atrial fibrillation from an electrocardiogram in sinus rhythm: external validation of the AI approach. Clinical Electrophysiology, v. 9, n. 8_Part_3, p. 1771-1782, 2023. Disponível em: https://www.jacc.org/doi/10.1016/j.jacep.2023.04.008. Acesso em: 11 de outubro de 2025.
HARMON, D. M.; MALIK, A.; NISHIMURA, R. Progression of calcific aortic stenosis detected by artificial intelligence electrocardiogram. In: Mayo Clinic Proceedings, p. 1211-1212, 2022. Disponível em: https://doi.org/10.1016/j.mayocp.2022.04.004. Acesso em: 06 de outubro de 2025.
HAVERKAMP, W.; STRODTHOFF, N.; ISRAEL, C. Diagnóstico de ECG com inteligência artificial: situação atual e perspectivas futuras – Parte 2. Terapia com marcapasso + Eletrofisiologia, v. 33, n. 3, pp. 305–311, 2022. Disponível em: https://doi.org/10.1007/s00399-022-00855-x. Acesso em: 30 de setembro de 2025.
JACOBS, J. E. J. et al. Artificial intelligence electrocardiogram as a novel screening tool to detect a newly abnormal left ventricular ejection fraction after anthracycline-based cancer therapy. European Journal of Preventive Cardiology, v. 31, n. 5, p. 560-566, 2024. Disponível em: https://doi.org/10.1093/eurjpc/zwad348. Acesso em: 03 de outubro de 2025.
JANG, J. et al. Use of artificial intelligence-powered ECG to differentiate between cardiac and pulmonary pathologies in patients with acute dyspnoea in the emergency department. Open Heart, v. 11, n. 2, p. e002924, 2024. Disponível em: https://doi.org/10.1136/openhrt-2024-002924. Acesso em: 09 de outubro de 2025.
JENTZER, J. C. et al. Mortality risk stratification using artificial intelligence-augmented electrocardiogram in cardiac intensive care unit patients. European Heart Journal Acute Cardiovascular Care, v. 10, n. 5, p. 532-541, 2021. Disponível em: https://doi.org/10.1093/ehjacc/zuaa021. Acesso em: 10 de outubro de 2025.
JESUS, B. L. S. de et al. The importance of the nurse in the interpretation of electrocardiogram: quality care. Revista Uningá , v. 58, 2021. Disponível em: https://doi.org/10.46311/2318-0579.58.eUJ3986. Acesso em: 25 de março de 2025.
JOHNSON, L. S. et al. Artificial intelligence for direct-to-physician reporting of ambulatory electrocardiography. Nature Medicine, v. 31, n. 3, p. 925-931, 2025. Disponível em: https://doi.org/10.1038/s41591-025-03516-x. Acesso em: 08 de outubro de 2025.
JÚNIOR, W. B. de S. et al. Use of Artificial Intelligence Applied to Electrocardiogram for Diagnosis of Left Ventricular Systolic Dysfunction. Arquivos Brasileiros de Cardiologia, v. 122, p. e20240740, 2025. Disponível em: https://doi.org/10.36660/abc.20240740. Acesso em: 01 de outubro de 2025.
KANAJI, Y. et al. Predictive value of artificial intelligence‐enabled electrocardiography in patients with Takotsubo cardiomyopathy. Journal of the American Heart Association, v. 13, n. 5, p. e031859, 2024. Disponível em: https://doi.org/10.1161/JAHA.123.031859. Acesso em: 02 de outubro de 2025.
KASHOU, A. H. et al. Artificial intelligence–augmented electrocardiogram detection of left ventricular systolic dysfunction in the general population. In: Mayo Clinic Proceedings, p. 2576-2586, 2021. Disponível em: https://doi.org/10.1016/j.mayocp.2021.02.029. Acesso em: 01 de outubro de 2025.
KLUMPP, M. et al. Artificial Intelligence for Hospital Health Care: Application Cases and Answers to Challenges in European Hospitals. Healthcare, v. 9, n. 8, p. 961, 2021. Disponível em: https://doi.org/10.3390/healthcare9080961. Acesso em: 26 de março de 2025.
LEONEL, J. S. et al. Inteligência artificial: desafios éticos e futuros. Revista Bioética, v. 32, 2024. Disponível em: https://doi.org/10.1590/1983-803420243739PT. Acesso em: 27 de março de 2025.
LIN, Y. et al. Comprehensive clinical application analysis of artificial intelligence-enabled electrocardiograms for screening multiple valvular heart diseases. Aging (Albany NY), v. 16, n. 10, p. 8717, 2024. Disponível em: https://doi.org/10.18632/aging.205835. Acesso em: 30 de setembro de 2025.
LIU, C. et al. Artificial intelligence–enabled model for early detection of left ventricular hypertrophy and mortality prediction in young to middle-aged adults. Circulation: Cardiovascular Quality and Outcomes, v. 15, n. 8, p. e008360, 2022. Disponível em: https://doi.org/10.1161/CIRCOUTCOMES.121.008360. Acesso em: 06 de outubro de 2025.
MUZAMMIL, M. A. et al. Artificial intelligence-enhanced electrocardiography for accurate diagnosis and management of cardiovascular diseases. Journal of electrocardiology, v. 83, p. 30-40, 2024. Disponível em: https://doi.org/10.1016/j.jelectrocard.2024.01.006. Acesso em: 09 de outubro de 2025.
OLIVEIRA, G. M. M. De et al. Estatística Cardiovascular – Brasil 2023. Estatística Cardiovascular – Brasil 2023. Arquivos Brasileiros de Cardiologia, v. 121, n. 2, 2024. Disponível em: https://doi.org/10.36660/abc.20240079 Acesso em: 26 de março de 2025.
ORDINE, L. et al. Artificial intelligence-driven electrocardiography: Innovations in hypertrophic cardiomyopathy management. Trends in Cardiovascular Medicine, v. 35, n. 2, p. 126-134, 2025. Disponível em: https://doi.org/10.1016/j.tcm.2024.08.002. Acesso em: 08 de outubro de 2025.
PASERO, E. et al. Artificial intelligence ECG analysis in patients with short QT syndrome to predict life-threatening arrhythmic events. Sensors, v. 23, n. 21, p. 8900, 2023. Disponível em: https://doi.org/10.3390/s23218900. Acesso em: 10 de outubro de 2025.
POSAN, E.; RICHIE, R. Unlocking Hidden Risks: Harnessing Artificial Intelligence (AI) to Detect Subclinical Conditions from an Electrocardiogram (ECG). Journal of Insurance Medicine, v. 51, n. 2, p. 64-76, 2024. Disponível em: https://doi.org/10.17849/insm-51-2-64-76.1. Acesso em: 10 de outubro de 2025.
RUSHLOW, D. R. et al. Clinician Adoption of an Artificial Intelligence Algorithm to Detect Left Ventricular Systolic Dysfunction in Primary Care. In: Mayo Clinic Proceedings, p. 2076-2085, 2022. Disponível em: https://doi.org/10.1016/j.mayocp.2022.04.008. Acesso em: 11 de outubro de 2025.
SALVADOR, P. T. C. O. et al. Avanços no desenvolvimento das tecnologias em saúde: novas tecnologias, inteligência artificial e o bom uso dos dados. Desenvolvimento de Tecnologias em Pesquisa e Saúde: da Teoria à Prática, p. 150–165, 2022. Disponível em: https://doi.org/10.37885/220408595. Acesso em: 27 de março de 2025.
SATTAR, Y.; CHHABRA L. Electrocardiogram. StatPearls [Internet]. Publicação StatPearls, 2023. Disponível em: https://www.ncbi.nlm.nih.gov/books/NBK549803/. Acesso em: 26 de março de 2025.
SAWANO, S. et al. Deep learning model to detect significant aortic regurgitation using electrocardiography. Journal of cardiology, v. 79, n. 3, p. 334-341, 2022. Disponível em: https://doi.org/10.1016/j.jjcc.2021.08.029. Acesso em: 30 de setembro de 2025.
SCHOELS, M. et al. Artificial intelligence for prediction of atrial fibrillation in the stroke unit: a retrospective derivation validation cohort study. EBioMedicine, v. 118, 2025. Disponível em: https://doi.org/10.1016/j.ebiom.2025.105869. Acesso em: 02 de outubro de 2025.
SHAFFER, B. C. et al. Artificial intelligence enabled interpretation of ECG images to predict hematopoietic cell transplantation toxicity. Blood Advances, v. 8, n. 21, p. 5603-5611, 2024. Disponível em: https://doi.org/10.1182/bloodadvances.2024013636. Acesso em: 05 de outubro de 2025.
SICHMAN, J. S. Inteligência Artificial e sociedade: avanços e riscos. Estudos Avançados, v. 35, n. 101, p. 37-50, 2021. Disponível em: https://doi.org/10.1590/s0103-4014.2021.35101.004 . Acesso em: 27 de março de 2025.
SILVA, A. et al. Mapeamento do Conhecimento em Revisões de Escopo: um Guia para Pesquisadores e Acadêmicos de Enfermagem. Texto & Contexto - Enfermagem, v 33, 2024. Disponível em: https://doi.org/10.1590/1980-265X-TCE-2024-0074pt. Acesso em: 31 de maio de 2025.
SINGH, S. et al. Meta-analysis of the performance of AI-driven ECG interpretation in the diagnosis of valvular heart diseases. The American journal of cardiology, v. 213, p. 126-131, 2023. Disponível em: https://doi.org/10.1016/j.amjcard.2023.12.015. Acesso em: 03 de outubro de 2025.
SIONTIS, K. C. et al. Artificial intelligence-enhanced electrocardiography in cardiovascular disease management. Nature Reviews Cardiology, v. 18, n. 7, p. 465-478, 2021. Disponível em: https://doi.org/10.1038/s41569-020-00503-2. Acesso em: 01 de outubro de 2025.
VERBRUGGE, F. H. et al. Detection of left atrial myopathy using artificial intelligence–enabled electrocardiography. Circulation: Heart Failure, v. 15, n. 1, p. e008176, 2022. Disponível em: https://doi.org/10.1161/CIRCHEARTFAILURE.120.008176. Acesso em: 03 de outubro de 2025.
WEIL, E. L. et al. Artificial intelligence–enabled electrocardiogram for atrial fibrillation identifies cognitive decline risk and cerebral infarcts. In: Mayo Clinic Proceedings. Elsevier, 2022. p. 871-880. Disponível em: https://doi.org/10.1016/j.mayocp.2022.01.026. Acesso em: 04 de outubro de 2025.
YIĞIT, Y. et al. Evaluating GPT-4’s role in critical patient management in emergency departments. Plos one, v. 20, n. 7, p. e0327584, 2025. Disponível em: https://doi.org/10.1371/journal.pone.0327584. Acesso em: 09 de outubro de 2025.
ZAVER, H. B. et al. Utility of an Artificial Intelligence Enabled Electrocardiogram for Risk Assessment in Liver Transplant Candidates. Digestive diseases and sciences, v. 68, n. 6, p. 2379-2388, 2023. Disponível em: https://doi.org/10.1007/s10620-023-07928-y. Acesso em: 03 de outubro de 2025.
ZHANG, Y. et al. Robust Artificial Intelligence Tool for Atrial Fibrillation Diagnosis: Novel Development Approach Incorporating Both Atrial Electrograms and Surface ECG and Evaluation by Head‐to‐Head Comparison With Hospital‐Based Physician ECG Readers. Journal of the American Heart Association, v. 13, n. 3, p. e032100, 2024. Disponível em: https://doi.org/10.1161/JAHA.123.032100. Acesso em: 11 de outubro de 2025.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Emanuele Isabel Araújo do Nascimento, Josivan Soares Alves Júnior, Taynara de Araújo Ribeiro Tabosa, Thayse Mota Alves, Debora Regina Alves Raposo, Maria Luiza Pereira Marques, Cosme Michael Santos Farias
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Autores que publicam nesta revista concordam com os seguintes termos:
1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Creative Commons Attribution License (CC BY-NC 4.0), permitindo o compartilhamento do trabalho com reconhecimento da autoria do trabalho e publicação inicial nesta revista.
2. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto posterior ao processo editorial.
4. Além disso, o AUTOR é informado e consente com a revista que, portanto, seu artigo pode ser incorporado pela DESAFIOS em bases e sistemas de informação científica existentes (indexadores e bancos de dados atuais) ou a existir no futuro (indexadores e bancos de dados futuros), nas condições definidas por este último em todos os momentos, que envolverá, pelo menos, a possibilidade de que os titulares desses bancos de dados possam executar as seguintes ações sobre o artigo:
a. Reproduzir, transmitir e distribuir o artigo, no todo ou em parte sob qualquer forma ou meio de transmissão eletrônica existente ou desenvolvida no futuro, incluindo a transmissão eletrônica para fins de pesquisa, visualização e impressão;
b. Reproduzir e distribuir, no todo ou em parte, o artigo na impressão.
c. Capacidade de traduzir certas partes do artigo.
d. Extrair figuras, tabelas, ilustrações e outros objetos gráficos e capturar metadados, legendas e artigo relacionado para fins de pesquisa, visualização e impressão.
e. Transmissão, distribuição e reprodução por agentes ou autorizada pelos proprietários de distribuidoras de bases de dados.
f. A preparação de citações bibliográficas, sumários e índices e referências de captura relacionados de partes selecionadas do artigo.
g. Digitalizar e / ou armazenar imagens e texto de artigo eletrônico.
