Dados do Trabalho

Título

Eficácia Diagnóstica da Inteligência Artificial no Diagnóstico de Flutter Atrial: Uma Revisão Sistemática

Resumo

Introdução
O flutter atrial (FAL) é uma arritmia atrial que pode ser identificada no eletrocardiograma (ECG); porém, esse diagnóstico pode ser difícil e a tipificação do FAL também é outra dificuldade diagnóstica. Diante desse cenário, o uso da inteligência artificial (IA) na leitura e interpretação do ECG para o diagnóstico dessa patologia surge como uma possível ferramenta de auxílio.
Objetivo
Avaliar a eficácia diagnóstica de ferramentas de IA no flutter atrial.
Métodos
Uma revisão sistemática foi realizada de acordo com as diretrizes PRISMA em 10/04/2024 nas plataformas PubMed, Embase e Web of Science. A busca foi realizada com os descritores da plataforma MeSH unidos pelo operador “AND”: “Electrocardiogram”, “Artificial Intelligence” e “Atrial Flutter”. Os sinônimos cadastrados na plataforma MeSH de cada um dos descritores foram incluídos e unidos pelo operador “OR”. De início, obteve-se um total de 78 resultados, após a remoção dos duplicados, restaram 68 trabalhos, cujos resumos e títulos foram avaliados por dois revisores mascarados. O critério de inclusão foi: estudos com o emprego de modelos de IA na leitura de ECG para a detecção do FAL. Os critérios de exclusão foram: estudos com ausência de diferenciação entre fibrilação e flutter atriais, estudos em animais, trabalhos de revisão, resumos de congressos e estudos com menos de dez participantes. Após esses procedimentos, cinco estudos foram incluídos e analisados por três revisores.
Resultados
Ao todo, 8061 eletrocardiogramas foram utilizados para a testagem dos modelos. Quatro trabalhos avaliaram a eficácia na diferenciação do FAL de outros distúrbios atriais, o outro estudo, por sua vez, mediu a capacidade do modelo de diferenciar o mecanismo de flutter atrial: focal ou macroreentrada. Dos cinco artigos avaliados, quatro modelos apresentaram especificidade superior a 75% e os cinco modelos apresentaram sensibilidade superior a 80% no diagnóstico do FAL. Em apenas um dos trabalhos, os resultados do modelo foram comparados com a performance de cardiologistas, o modelo apresentou uma acurácia de 86% enquanto os eletrofisiologistas avaliados obtiveram uma acurácia mediana de 79%.
Conclusão
Diante das evidências analisadas, o emprego de ferramentas de IA no diagnóstico e na classificação dos mecanismos do FAL surge como um importante auxílio. Contudo, a quantidade de evidências e a grande heterogeneidade dos modelos são importantes barreiras para a translação dessas ferramentas no efetivo uso clínico.

Palavras Chave

Flutter atrial; Eletrocardiografia; Inteligência Artificial