IA no ECG já não significa apenas automatizar a interpretação de um eletrocardiograma. Estudos recentes apontam para algo mais amplo.
Algoritmos começam a identificar no sinal elétrico padrões associados a arritmias, disfunção ventricular e características estruturais que nem sempre são evidentes na interpretação convencional.
Isso não transforma o eletrocardiograma em substituto do ecocardiograma, da avaliação clínica ou de outros métodos diagnósticos.
Entretanto, amplia uma pergunta importante para a cardiologia.
Quanto de informação existe em um ECG além daquilo que conseguimos reconhecer visualmente no traçado?
Durante décadas, a evolução da eletrocardiografia esteve ligada à qualidade do registro, padronização da interpretação e disponibilidade do exame.
Agora, uma nova camada começa a ganhar espaço.
Redes neurais conseguem analisar milhares de características do sinal simultaneamente. Assim, podem identificar associações que seriam difíceis de perceber pela análise humana isolada.
Ao mesmo tempo, telemedicina, dispositivos conectados e monitorização prolongada estão produzindo volumes cada vez maiores de ECGs.
No artigo anterior do Diagnóstico Ideal, discutimos justamente essa transformação. (O coração não espera a hora do exame: por que a monitorização cardíaca prolongada ganha espaço na cardiologia conectada)
Quando o sintoma é intermitente, ampliar o tempo de observação pode aumentar a possibilidade de registrar o evento.
Porém, quanto mais dados produzimos, surge um segundo desafio.
Como transformar milhões de registros em informação clinicamente relevante?
É nesse ponto que a inteligência artificial começa a ocupar uma posição cada vez mais interessante na cardiologia digital.
IA no ECG começa a revelar o invisível
Um estudo publicado em setembro de 2026 no European Heart Journal – Digital Health ajuda a entender essa mudança.
Os pesquisadores avaliaram 8.147 pacientes que realizaram ECG e ecocardiograma em intervalo máximo de três dias.
Em seguida, aplicaram aos eletrocardiogramas um modelo de inteligência artificial desenvolvido para identificar sinais associados à insuficiência cardíaca.
O objetivo, entretanto, não era apenas verificar se o algoritmo reconhecia pacientes com maior probabilidade de insuficiência cardíaca.
Os pesquisadores quiseram entender o que o algoritmo poderia estar identificando no coração.
Para isso, compararam o escore produzido pela IA com diferentes parâmetros ecocardiográficos.
O resultado é particularmente interessante.
Entre as variáveis analisadas, a associação mais forte ocorreu com o global longitudinal strain, ou GLS, com correlação de 0,57.
Depois apareceram o deslocamento sistólico do plano do anel mitral, conhecido como MAPSE, e a fração de ejeção do ventrículo esquerdo. A correlação com a fração de ejeção foi de -0,45.
Além disso, os pesquisadores observaram associações relevantes mesmo entre pacientes com fração de ejeção igual ou superior a 50%. Nesse grupo, o escore de AI-ECG continuou relacionado ao GLS, ao MAPSE e a parâmetros associados à função diastólica.
Posteriormente, parte dos resultados foi replicada em uma população independente.
Essa validação utilizou 36.286 pares de ECG e ecocardiograma provenientes do Columbia University Irving Medical Center.
Os resultados não significam que o ECG com inteligência artificial substitua a avaliação ecocardiográfica.
Porém, sugerem algo importante.
A inteligência artificial pode estar identificando características fisiológicas e estruturais refletidas indiretamente no sinal elétrico.
Assim, o ECG começa a ser estudado não apenas como registro do ritmo e da condução.
Ele também passa a ser investigado como uma possível fonte de biomarcadores digitais cardiovasculares.
Essa mudança de perspectiva é relevante.
A IA deixa de representar somente uma ferramenta capaz de classificar um ECG como normal ou alterado.
Ela começa a explorar informações que podem estar presentes no sinal, mas não fazem parte da interpretação eletrocardiográfica convencional.
Ainda assim, esse potencial precisa ser interpretado com cautela.
Uma associação encontrada por um algoritmo não equivale automaticamente a um diagnóstico.
Além disso, modelos precisam demonstrar desempenho consistente em diferentes populações antes da incorporação ampla na prática clínica.
IA no ECG ganha escala com dados brasileiros
O desenvolvimento desses algoritmos depende de um componente fundamental: dados.
Não basta reunir milhões de eletrocardiogramas.
Os registros precisam ter qualidade, padronização e classificações clínicas confiáveis.
Nesse cenário, o Brasil tem uma contribuição científica importante.
Em maio de 2026, a npj Digital Medicine publicou o estudo CODE-II.
O projeto utiliza dados da Rede de Teleassistência de Minas Gerais e representa uma das grandes bases de ECG do mundo real disponíveis para pesquisa.
Após procedimentos de controle de qualidade, o CODE-II reuniu:
2.735.269 ECGs de 12 derivações.
Os exames pertenciam a 2.093.807 pacientes adultos.
Além da escala, existe outro ponto relevante.
Cada eletrocardiograma foi associado a classes diagnósticas padronizadas e revisadas por cardiologistas.
Ao todo, o banco utiliza 66 classes clinicamente relevantes.
Entre elas estão arritmias, distúrbios de condução, hipertrofias, alterações relacionadas à isquemia e outras condições eletrocardiográficas.
Além disso, o projeto disponibilizou uma base aberta com 15 mil pacientes.
Também criou um conjunto de teste separado, com 8.475 exames avaliados por múltiplos cardiologistas.
Portanto, o valor do CODE-II não está apenas no tamanho.
Está também na estrutura utilizada para transformar milhões de registros em informação adequada para treinamento e validação de algoritmos.
O contexto brasileiro torna o estudo ainda mais interessante.
Segundo os autores, a Rede de Teleassistência de Minas Gerais atualmente realiza mais de 8 mil laudos de ECG por dia.
O serviço atende mais de 1.400 municípios em 14 estados brasileiros.
Além disso, mais de 11 milhões de ECGs digitais já foram realizados dentro dessa estrutura.
Isso demonstra como telecardiologia e inteligência artificial podem estar profundamente relacionadas.
Primeiro, uma rede digital permite realizar exames em grande escala.
Depois, essa operação gera dados estruturados.
Quando os dados possuem qualidade clínica, eles podem contribuir para desenvolver e avaliar novos modelos de inteligência artificial.
Por fim, esses próprios modelos podem retornar ao fluxo assistencial como ferramentas de apoio.
Forma-se, portanto, um ciclo entre telemedicina, dados, pesquisa e inovação clínica.
Outro estudo recente ajuda a mostrar como essa lógica pode avançar para dispositivos móveis.
Publicado em setembro de 2026 na Communications Medicine, o trabalho avaliou 3.566.626 registros de ECG de uma derivação.
Os dados foram produzidos por 84.242 usuários na China entre agosto de 2019 e maio de 2025.
O objetivo foi estudar um sistema móvel com inteligência artificial para detecção de taquicardia supraventricular.
A natureza intermitente dessa arritmia torna o problema especialmente relevante.
Um ECG convencional pode ser realizado fora do momento do episódio.
Da mesma maneira, períodos curtos de monitorização podem não coincidir com os sintomas.
Nesse estudo, o algoritmo apresentou área sob a curva ROC de 0,866 para identificação dos eventos avaliados.
Mais importante, porém, foi o cenário analisado.
Não eram alguns milhares de ECGs obtidos dentro de um protocolo experimental restrito.
Eram mais de 3,5 milhões de registros de uma derivação produzidos em utilização real.
Isso aproxima duas transformações que avançam simultaneamente.
De um lado, sensores e dispositivos móveis ampliam a capacidade de registrar o coração fora do ambiente tradicional.
Do outro, a inteligência artificial oferece ferramentas para organizar um volume de dados que seria inviável revisar manualmente da mesma forma.
Por isso, o próximo desafio da cardiologia conectada talvez não seja simplesmente coletar mais informação.
Será descobrir qual informação merece atenção, em qual momento e dentro de qual contexto clínico.
IA no ECG precisa de contexto clínico
A evolução é promissora. Porém, entusiasmo tecnológico não deve ser confundido com evidência clínica.
Um algoritmo pode apresentar excelente desempenho no banco utilizado para seu desenvolvimento.
Entretanto, pacientes, equipamentos, prevalência das doenças e condições de aquisição variam entre serviços e países.
Por isso, validação externa permanece essencial.
Também é necessário avaliar sensibilidade, especificidade, calibração, falsos positivos e impacto sobre o fluxo assistencial.
Além disso, existe uma diferença importante entre reconhecer um padrão estatístico e compreender seu significado para determinado paciente.
O cardiologista continua integrando sintomas, histórico, exame físico, outros métodos diagnósticos e contexto clínico.
A IA pode acrescentar informação a esse processo. Porém, não elimina a necessidade dessa integração.
Esse ponto se torna ainda mais relevante quando pensamos em monitorização cardíaca prolongada.
Um paciente monitorado por vários dias pode produzir uma quantidade muito maior de informação do que aquela gerada por um ECG de poucos segundos.
Consequentemente, o ganho tecnológico precisa vir acompanhado de capacidade de triagem. Caso contrário, ampliamos o tempo de monitorização, mas transferimos o problema para outra etapa.
Em vez da dificuldade de registrar o evento, passamos a enfrentar a dificuldade de localizar o evento relevante dentro de milhares de registros.
Nesse cenário, inteligência artificial pode ter um papel importante.
Ela pode ajudar a priorizar eventos, identificar padrões e organizar informações para posterior avaliação médica.
Ao mesmo tempo, o desenho do fluxo continua sendo fundamental.
Qualidade do sinal, indicação correta, validação do algoritmo e responsabilidade clínica precisam caminhar juntas.
Essa discussão chega em um momento especialmente oportuno para a cardiologia brasileira.
Entre 8 e 10 de outubro de 2026, o Rio de Janeiro receberá o 81º Congresso Brasileiro de Cardiologia, realizado em conjunto com o World Congress of Cardiology.
A programação científica já inclui temas como inteligência artificial, inovação tecnológica, saúde digital e medicina de precisão.
Há, inclusive, uma área dedicada a demonstrações práticas de inteligência artificial durante o congresso.
Portanto, a pergunta já não parece ser se a IA chegará à rotina cardiovascular. Em diferentes formatos, ela já está chegando.
A questão mais importante será entender onde ela realmente acrescenta valor clínico.
O ECG é um bom exemplo dessa transformação.
Por mais de um século, aprendemos a reconhecer ondas, intervalos, ritmos e padrões no traçado. Agora, algoritmos começam a investigar uma camada adicional de informação.
Talvez o futuro não esteja em substituir aquilo que o cardiologista enxerga. Talvez esteja em ajudá-lo a enxergar mais.
E, à medida que monitorização prolongada, telecardiologia e dispositivos conectados produzirem mais dados, essa capacidade poderá se tornar ainda mais relevante.
Na Cardio Web, acompanhamos essa evolução porque acreditamos que tecnologia só faz sentido quando melhora a qualidade da informação disponível ao profissional de saúde.
Mais dados, isoladamente, não resolvem o problema.
O objetivo continua sendo o mesmo: transformar sinais em informações úteis para apoiar uma decisão clínica mais segura e eficiente.
O Congresso Brasileiro de Cardiologia e o World Congress of Cardiology serão uma excelente oportunidade para acompanhar como essa discussão está avançando.
De 8 a 10 de outubro, no Riocentro, no Rio de Janeiro, pesquisadores e cardiologistas brasileiros e internacionais estarão reunidos para discutir os próximos caminhos da especialidade.
E inteligência artificial certamente estará entre eles.
Nota editorial: A Cardio Web utiliza recursos de inteligência artificial como apoio à organização, redação e revisão de conteúdos. Este artigo foi revisado pela nossa equipe antes da publicação, preservando nosso compromisso com qualidade, clareza e responsabilidade na informação em saúde.
Referências
- Stenhede E, Orstad EB, Omland T, Schirmer H, Ranjbar A. Associations between echocardiographic traits and artificial intelligence-enabled electrocardiography predictions of heart failure. European Heart Journal – Digital Health. Publicado em 11 de setembro de 2026. DOI: 10.1093/ehjdh/ztag141.
- Abreu PEOGB, Paixão GMM, Li J, et al. CODE-II: a large-scale dataset for artificial intelligence in ECG analysis. npj Digital Medicine. 2026;9:658. DOI: 10.1038/s41746-026-02704-4.
- Fan S, Zhang D, Huang S, et al. Real world study of opportunistic supraventricular tachycardia detection from three million single lead AI ECGs. Communications Medicine. Publicado em 1º de setembro de 2026. DOI: 10.1038/s43856-026-01892-0.
- Sociedade Brasileira de Cardiologia. 81º Congresso Brasileiro de Cardiologia divulga programação científica preliminar. Publicado em 10 de julho de 2026.