A IA pode prever o risco de hospitalização por insuficiência cardíaca usando dados de ECG gerados pelo paciente em smartwatches ?

Os smartwatches de consumo podem fornecer dados de ECG suficientemente precisos para antecipar hospitalizações por insuficiência cardíaca? A análise em tempo real destes sinais de dispositivos vestíveis poderia alertar os clínicos antes de a condição do paciente piorar, mas a fiabilidade de tais previsões depende da qualidade das gravações e do envolvimento sustentado do utilizador.

Background

Os doentes com insuficiência cardíaca exibem frequentemente arritmias premonitórias dias antes da descompensação, criando uma janela potencial para intervenção precoce. Os smartwatches de consumo podem captar traçados de ECG de derivação única, e vários estudos avaliaram se pipelines de deep learning treinados nestes sinais podem prever futuras hospitalizações por insuficiência cardíaca (IC). Os valores de discriminação relatados para modelos protótipos rondam os 70 % quando treinados apenas com dados do dispositivo, e não superaram os calculadores de risco tradicionais que incorporam variáveis clínicas e valores laboratoriais (Congresso da Sociedade Europeia de Cardiologia 2023, apresentação de Ciência Tardia “Deep learning from smartwatch ECGs to predict heart-failure hospitalization: the WATCH-HF pilot,” 12 de maio de 2026). Os esforços de investigação exploraram arquiteturas baseadas em transformadores que convertem ECG brutos dos relógios em incorporações de pontuação de risco, mas estas abordagens permanecem por validar externamente, carecem de aprovação regulatória para uso rotineiro e continuam limitadas por problemas prevalentes de qualidade dos dados—artefactos de movimento, mau contacto dos elétrodos e variabilidade da taxa de amostragem entre dispositivos—minando o desempenho consistente do modelo.