Editorial Fisacorp
Em uma emergência com suspeita de infarto, interpretar rapidamente o eletrocardiograma pode ajudar a orientar a avaliação médica. Um estudo com participação brasileira investiga como a inteligência artificial pode apoiar essa leitura. A proposta é promissora, mas ainda não demonstra benefício no atendimento real.
A inovação
Pesquisadores da Universidade de Uppsala, na Suécia, do Instituto do Coração (InCor) da USP e da UFMG desenvolveram um modelo de aprendizado profundo que combina dados do eletrocardiograma de 12 derivações com idade e sexo. O objetivo é reconhecer o infarto causado pelo bloqueio agudo total ou quase total de uma artéria coronária, chamado de infarto por oclusão, e indicar qual das principais artérias está comprometida.
O trabalho foi publicado na revista científica Nature Communications em 13 de maio de 2026 e ganhou nesta terça-feira, 27 de outubro, uma reportagem da Agência FAPESP que detalha a etapa de validação feita no Brasil. A participação brasileira teve apoio da FAPESP por meio do INCT de Medicina Assistida por Computação Científica.
Os números por trás do modelo
- Base de desenvolvimento: 540.372 eletrocardiogramas de 225.824 pacientes, divididos em conjuntos separados de treinamento, validação e testes. Nos casos de infarto, a classificação foi baseada no cateterismo.
- Casos raros, mas decisivos: apenas 1.583 desses exames eram de infarto por oclusão, o que mostra o desafio de ensinar uma máquina a reconhecer o que aparece pouco.
- Validação no Brasil: 401 exames do InCor, incluindo 165 casos de oclusão. Os testes externos usaram também PTB-XL e CODE-II, com rótulos e objetivos de avaliação diferentes.
- Desempenho: no InCor, a C-statistic foi 0,83 para distinguir oclusão dos controles; nos subgrupos com e sem supra-ST, 0,96 e 0,82. Essa medida de discriminação não equivale à porcentagem de diagnósticos corretos.
Por que importa
Parte dos infartos por oclusão não exibe o sinal que os protocolos tradicionais procuram no eletrocardiograma. Nesses casos, o diagnóstico pode atrasar, e tempo é o fator que mais pesa no tratamento. Um apoio que ajude a reconhecer esses quadros pode orientar mais cedo quem precisa de cateterismo urgente e evitar tratamentos de risco em quem não precisa.
Há também um ponto prático: o eletrocardiograma é um exame barato, rápido e disponível em ambulâncias e unidades de emergência. Extrair mais informação de algo que já existe na rotina tende a ser mais viável do que depender de equipamentos novos.
Os limites, ditos com clareza
A ferramenta ainda é experimental. A validação foi feita com dados retrospectivos, e a equipe pretende agora avaliar o desempenho em condições reais de atendimento. O uso clínico depende de aprovação da Anvisa. E o modelo não dá diagnóstico final: a decisão continua com o médico, que integra o resultado ao quadro clínico, à dosagem de troponina e a exames de imagem. A queda de desempenho nos casos sem o padrão clássico também lembra que a tecnologia é mais difícil justamente onde ela seria mais útil.
Que tendência isso sinaliza
O estudo ilustra três movimentos que se repetem em várias áreas. O primeiro é extrair mais valor de dados que as organizações já coletam. O segundo é a cooperação internacional, que permitiu treinar com uma base sueca e testar em pacientes brasileiros, com perfil e equipamentos diferentes. O terceiro é a validação externa como etapa obrigatória: um modelo só merece confiança quando funciona fora do ambiente em que foi criado.
Uma ideia para o gestor
Toda operação tem o seu "eletrocardiograma": um registro simples, coletado todos os dias, que é lido de forma superficial. Pode ser o histórico de chamados, os dados de manutenção ou os registros de atendimento. Como exercício, sugerido aqui como exemplo hipotético, vale escolher um desses registros e perguntar: que decisão urgente ele poderia antecipar se fosse lido com mais atenção? E, antes de confiar em qualquer modelo que prometa essa leitura, como ele foi testado com dados diferentes daqueles em que foi treinado?
Inovações como esta, construídas com rigor e transparência sobre os limites, interessam de perto à Fisacorp, que desenvolve soluções de tecnologia para gestão de frotas, gestão de pessoas, atendimento digital, condomínios e sustentabilidade e acompanha o que há de mais consistente em pesquisa para levar aos seus clientes.
Referências
- Agência FAPESP — Inteligência artificial detecta tipo mais grave de infarto e localiza artéria bloqueada com alta precisão (27/10/2026)
- Nature Communications — A deep learning ECG model for identification and localization of occlusion myocardial infarction (2026)
- Biblioteca Virtual FAPESP — INCT de Medicina Assistida por Computação Científica (INCT-MACC)
Fontes consultadas em 27 de outubro de 2026.