IA no ECG já vai além da classificação automática de ritmos e alterações do traçado. Pesquisadores investigam como algoritmos podem reconhecer sinais associados à função cardíaca e apoiar a análise de registros produzidos fora do consultório. O desafio é compreender o significado desses achados e seu lugar na decisão médica.
O eletrocardiograma continua sendo um exame de atividade elétrica. A inteligência artificial não o transforma em uma imagem do coração. Ela permite investigar relações entre características do sinal e condições clínicas que nem sempre são evidentes na leitura convencional.
Essa perspectiva se conecta à discussão do artigo anterior do Diagnóstico Ideal sobre monitorização cardíaca prolongada. Quando os sintomas são intermitentes, observar por mais tempo pode ajudar a registrar episódios ausentes em exames curtos. Com o aumento dos registros, cresce também a necessidade de selecionar o que merece avaliação.
Por isso, a pergunta não é apenas quanto tempo conseguimos monitorar um paciente. Precisamos saber como a informação coletada contribuirá para esclarecer uma dúvida clínica. Capturar um evento, reconhecer um padrão e decidir uma conduta são etapas relacionadas, mas diferentes.
IA no ECG começa a revelar o invisível
Em setembro de 2026, o European Heart Journal – Digital Health publicou uma análise de 8.147 pacientes. Todos fizeram ECG e ecocardiograma em um intervalo máximo de três dias. Os pesquisadores compararam um escore de IA voltado à insuficiência cardíaca com parâmetros ecocardiográficos.
A maior correlação ocorreu com o strain longitudinal global, ou GLS: 0,57. O MAPSE, medida do deslocamento sistólico do anel mitral, apresentou correlação de −0,49; a fração de ejeção ventricular esquerda, de −0,45.
Mesmo com fração de ejeção igual ou superior a 50%, persistiram associações com GLS, MAPSE e parâmetros relacionados à função diastólica. Parte das relações foi reproduzida em 36.286 pares de ECG e ecocardiograma do Columbia University Irving Medical Center.
Esses resultados sugerem que o escore se relaciona a diferentes características da função cardíaca. Não demonstram que a IA meça diretamente esses parâmetros ou substitua o ecocardiograma. Trata-se de uma análise retrospectiva de associações, não de comprovação de benefício assistencial.
A distinção orienta a leitura: encontrar uma relação estatística não basta para definir o que fazer com ela.
IA no ECG: dos dados brasileiros aos dispositivos móveis
Para investigar essas relações, precisamos de registros bem organizados e classificações confiáveis. Uma base extensa oferece oportunidades de pesquisa, mas o número de exames, sozinho, não descreve sua qualidade.
Publicado na npj Digital Medicine em maio de 2026, o CODE-II reuniu 2.735.269 ECGs de 12 derivações, provenientes de 2.093.807 pacientes adultos. Os dados vieram da Rede de Teleassistência de Minas Gerais, com anotações padronizadas e revisão por cardiologistas.
O projeto contempla 66 classes diagnósticas e inclui um subconjunto aberto de 15 mil pacientes. Também apresenta um conjunto separado de 8.475 exames, revisados por múltiplos cardiologistas, para avaliação dos modelos.
Segundo os autores, a rede produz mais de 8 mil laudos diários e atende mais de 1.400 municípios em 14 estados. A experiência ilustra como uma operação de telecardiologia pode sustentar pesquisa em larga escala.
O valor dessa estrutura está na ligação entre assistência, organização dos dados e avaliação científica. Não se trata apenas de armazenar traçados: é preciso permitir que pesquisadores compreendam o que cada registro representa.
Uma aplicação diferente aparece em estudo publicado na Communications Medicine em setembro de 2026. A pesquisa retrospectiva avaliou 3.566.626 registros de ECG de uma derivação, produzidos por 84.242 usuários na China entre 2019 e 2025.
O sistema combinava análise por IA e revisão especializada solicitada pelos usuários para investigar taquicardia supraventricular. O desempenho apresentou área sob a curva ROC de 0,866. Esse indicador descreve a capacidade de discriminação do modelo; não equivale a 86,6% de diagnósticos corretos.
O trabalho avaliou uma estratégia de detecção em uso cotidiano, com registros móveis e participação médica. Seus resultados não validam automaticamente outros dispositivos, algoritmos ou modalidades de monitorização.
Essas pesquisas abordam problemas diferentes. O CODE-II organiza exames de 12 derivações para desenvolver e testar modelos; o estudo chinês avalia uma aplicação móvel específica. Aproximá-los ajuda a compreender a diversidade da IA no ECG, sem tratar tecnologias distintas como equivalentes.
Na monitorização prolongada, essa distinção merece atenção: uma função disponível em determinado sistema não pode ser presumida em todos os demais. A avaliação precisa considerar o conjunto formado pelo dispositivo, pelo algoritmo e pelo uso pretendido.
IA no ECG precisa de contexto clínico
Um bom resultado de pesquisa é o começo da avaliação, não seu encerramento. Antes da adoção, precisamos entender como a ferramenta funciona com os pacientes, equipamentos e condições de aquisição do serviço. Também importa conhecer suas limitações e o que acontece quando ela erra.
Sensibilidade e especificidade ajudam a descrever o desempenho, mas não respondem sozinhas à pergunta sobre utilidade clínica. É necessário considerar falsos positivos, calibração, exames adicionais e impacto sobre o trabalho da equipe. Uma tecnologia pode reconhecer padrões e ainda exigir ajustes importantes para funcionar na rotina.
A avaliação também precisa alcançar a interação entre profissionais e tecnologia. Não basta observar o resultado do algoritmo isoladamente. É necessário acompanhar seu uso no fluxo assistencial e os possíveis efeitos sobre a segurança.
Em termos práticos, vale perguntar quem revisará os resultados, quando isso acontecerá e como os achados chegarão ao médico responsável. Também precisamos definir como lidar com registros inadequados e alertas discordantes da avaliação clínica. Essas perguntas ajudam a transformar uma possibilidade tecnológica em um processo assistencial bem definido.
Na monitorização prolongada, ampliar a observação sem organizar a revisão pode apenas deslocar a dificuldade. O serviço ganha mais registros, mas continua precisando localizar aqueles que respondem à pergunta do exame. O objetivo não deveria ser apresentar tudo com a mesma prioridade.
A IA pode ajudar nessa organização, enquanto o cardiologista relaciona os achados aos sintomas, ao histórico e aos demais exames. Um evento identificado pelo sistema precisa ser interpretado no contexto do paciente, não apenas exibido como uma classificação.
Na Cardio Web, esse é o critério que orienta nosso interesse pela cardiologia conectada: a tecnologia precisa melhorar a informação disponível ao profissional. Queremos discutir não só o que os algoritmos conseguem reconhecer, mas como seus resultados serão utilizados com responsabilidade.
O avanço mais útil não será necessariamente o que produzir mais alertas. Será aquele que ajudar a equipe a distinguir o que precisa de atenção e a compreender melhor o paciente.
Entre 8 e 10 de outubro de 2026, essa discussão encontrará espaço no 81º Congresso Brasileiro de Cardiologia, realizado com o World Congress of Cardiology. O encontro acontece no Riocentro, no Rio de Janeiro, e inclui inteligência artificial e inovação tecnológica na programação.
A Cardio Web acompanhará essas conversas. Para quem também estiver no congresso, será uma oportunidade de trocar experiências sobre ECG, monitorização e aplicação responsável da inteligência artificial.
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.
- Vasey B et al. Reporting guideline for the early stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI. BMJ. 2022;377:e070904. DOI: 10.1136/bmj-2022-070904.