ScienceMed®

Avaliação Ecocardiográfica Baseada em Inteligência Artificial da Disfunção Diastólica: Revisão Sistemática

Cardiologia
Imagem de arquivo, ilustrativa — não é do estudo. Músculo cardíaco em corte longitudinal, com os discos intercalares, ao microscópio óptico. Berkshire Community College Bioscience Image Library · CC0 · Wikimedia Commons

Revisão sistemáticaNível 1 · Evidência consolidadaEchocardiography (Mount Kisco, N.Y.)1 set 20260 citações

Salvar

O que aconteceu

A avaliação não invasiva precisa da disfunção diastólica do ventrículo esquerdo e das pressões de enchimento é central para o diagnóstico e manejo da insuficiência cardíaca, particularmente a insuficiência cardíaca com fração de ejeção preservada (FEPEP). Apesar do uso generalizado da ecocardiografia transtorácica, algoritmos baseados em diretrizes são frequentemente indeterminados, reprodutíveis variavelmente e de difícil aplicação consistente na prática rotineira. A inteligência artificial (IA) surgiu como uma estratégia potencial para padronizar a medição, integrar dados ecocardiográficos multiparamétricos e reduzir a incerteza diagnóstica. Realizamos uma revisão sistemática de estudos de acurácia diagnóstica avaliando as técnicas de IA ou machine-learning aplicadas ao ecocardiograma para avaliação automatizada da função diastólica ou estimativa das pressões de enchimento ventricular esquerdo. Os bancos de dados foram pesquisados desde o início até 7 de julho de 2026. Os padrões de referência incluíram hemodinâmica invasiva ou classificação diastólica baseada em diretrizes. O risco de viés e aplicabilidade foi avaliado por meio do QUADAS-3. Foram incluídos 14 estudos, com amostras de desenvolvimento e coortes de validação ou teste relatadas separadamente. A validação variou de pequenas coortes invasivas mantidas até grandes conjuntos de dados externos independentes. Contra os padrões de referência hemodinâmica invasiva, as AUCs relatadas variaram de 0,761 a 0,883, refletindo metas hemodinâmicas heterogêneas, limiares e desenhos de validação. Estudos que avaliaram concordância com classificações derivadas de diretrizes ou especialistas e replicação automatizada de parâmetros diastólicos individuais geralmente relataram alta discriminação, embora estes representem tarefas clínicas distintas e variassem substancialmente na independência e escala de validação. Vários estudos demonstraram validação externa ou prospectiva, mas a avaliação robusta contra hemodinâmica invasiva permaneceu limitada. Dada a substancial heterogeneidade metodológica e clínica, os achados foram sintetizados descritivamente e nenhuma estimativa sumária foi calculada. Apesar da promissora discriminação diagnóstica em estudos retrospectivos, a avaliação ecocardiográfica diastólica baseada em IA permanece limitada por padrões de referência heterogêneos, abordagens de validação variável e ausência de estudos prospectivos de impacto clínico intervencionista e validação prospectiva e multicêntrico limitada contra hemodinâmica invasiva, impossibilitando a implementação rotineira nesta fase.

Tradução automática do resumo original, publicado em Echocardiography (Mount Kisco, N.Y.) sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.

O estudo original

Artificial Intelligence-Based Echocardiographic Assessment of Diastolic Dysfunction: A Systematic Review

Cian P Murray, Hugo C Temperley, Rob S Doyle, Abdullahi Khair, Michal Jagiello, Amal John, Patrick O'Callaghan

Descritores MeSH

  • Artificial Intelligence
  • Echocardiography
  • Ventricular Dysfunction, Left
  • Heart Failure
  • Humans
  • Stroke Volume
  • Diastole
  • Reproducibility of Results

Veja também