Saúde
A ecocardiografia guiada por IA apresenta alto rendimento em estudos controlados

Pontos-chaveConfigurações controladas produziram 98,0% de ecocardiografia com qualidade…
Ver mais
- Configurações controladas produziram 98,0% de ecocardiografia com qualidade diagnóstica, enquanto estudos comunitários descentralizados agrupados resultaram em 63,7%.
- A comparação de configurações foi post hoc e confundida por treinamento de supervisão e seleção de pacientes, portanto a causalidade permanece não comprovada.
- A aquisição com qualidade diagnóstica não é diagnóstico preciso e nenhum estudo vinculou a orientação por IA a desfechos de pacientes.
Uma revisão sistemática e metanálise de Bijay Bastola e colaboradores, publicada em 16 de novembro de 2026 na BMC Cardiovascular Disorders, estimou em 96,3% o rendimento combinado de exames ecocardiográficos com qualidade diagnóstica realizados por operadores iniciantes e não especialistas com orientação de IA em tempo real, com base em oito estudos. Essa medida indica se a aquisição atingiu o limiar de adequação predefinido em cada estudo.
Os resultados variaram acentuadamente conforme o contexto de implementação. Seis estudos conduzidos em condições controladas ou estruturadas apresentaram rendimento combinado de 98,0%, com intervalo de confiança de 95% de 96,7% a 99,2%. Dois estudos comunitários descentralizados, realizados em condições reais, apresentaram rendimento combinado de 63,7%, com intervalo de confiança de 95% de 20,6% a 92,6%; os rendimentos individuais foram de 44,8% e 79,8%. Uma metarregressão constatou que a diferença entre os subgrupos era estatisticamente significativa, com p < 0,001.
Os autores consideraram essa comparação post hoc e exploratória, e não pré-registrada. O contexto de implementação estava interligado à supervisão, ao treinamento, à experiência dos operadores, à seleção dos pacientes e às definições dos desfechos; portanto, a análise não estabelece que o contexto seja a causa. Como havia apenas dois estudos comunitários, a estimativa mais baixa é descritiva, e não uma taxa de sucesso previsível para programas futuros.
O que a revisão avaliou
A análise abrangeu 2.365 observações no nível do exame, da varredura ou da imagem, obtidas por 74 operadores sem treinamento formal ou certificação prévia em ecocardiografia. Os estudos elegíveis envolveram pacientes reais e orientação de IA durante a própria aquisição, e não a interpretação automatizada de imagens capturadas anteriormente. As evidências incluíram cinco sistemas de IA e diversos tipos de operadores, de enfermeiros e profissionais de pesquisa sem formação clínica a estudantes de medicina, médicos generalistas e agentes comunitários de saúde.
Dois revisores pesquisaram, de forma independente, PubMed/MEDLINE, Google Scholar, Embase, Scopus e ClinicalTrials.gov; a atualização final foi realizada em 27 de setembro de 2026. Um segundo modelo estatístico estimou um rendimento geral de 93,0%; as análises de sensibilidade, que utilizaram diferentes conjuntos de estudos, definições de desfecho e métodos estatísticos, produziram resultados de 91,2% a 97,8%. O intervalo de confiança de 95% da estimativa principal foi de 85,5% a 99,3%, e as diferenças substanciais entre os estudos levaram os autores a alertar que a estimativa geral não deve ser considerada um rendimento universal para novas implementações.
Adequação das imagens e desfechos clínicos
Em cinco estudos, leitores especialistas independentes avaliaram a adequação das imagens. Nos outros três, a adequação foi definida como a geração bem-sucedida, pelo software de IA, de um resultado automatizado da fração de ejeção do ventrículo esquerdo, uma medida da função cardíaca; assim, o próprio sistema avaliado também determinava o desfecho. Nem todas as observações correspondiam a pacientes distintos: seis estudos relataram exames, um contabilizou 60 tentativas de varredura em 10 pacientes e outro contabilizou 954 imagens de 159 pacientes.
Como quase todos os estudos incluídos tinham apenas um grupo, os resultados mostram o que os iniciantes conseguiram com a orientação de IA, e não o quanto essa orientação acrescentou em comparação com a aquisição sem assistência. Além disso, uma aquisição com qualidade diagnóstica não equivale a um diagnóstico preciso, e nenhum dos estudos relatou efeitos sobre a conduta clínica ou os desfechos dos pacientes.
Os revisores apontaram o treinamento dos operadores, a supervisão, as verificações da qualidade das imagens e a garantia da qualidade como prioridades para uma implementação mais ampla, e defenderam a realização de estudos comparativos com pacientes reais que relacionem a adequação das imagens à precisão diagnóstica e aos desfechos. Para programas de rastreamento, a implicação prática é que profissionais não especialistas treinados podem adquirir imagens de forma viável seguindo protocolos estruturados; contudo, uma implementação mais ampla ainda requer evidências de que seja possível reproduzir aquisições confiáveis em contextos comunitários e de que as imagens resultantes levem a diagnósticos precisos e à melhora dos desfechos dos pacientes.












