Análise de Eletrocardiografia Aprimorada por Inteligência Artificial para o Diagnóstico da Doença de Chagas
Arquivos Brasileiros de Cardiologia · 2026 · 123 (5)
DOI: 10.36660/abc.20260032 ↗Kurz gefasst
Fachartikel in der Zeitschrift Arquivos Brasileiros de Cardiologia, 2026. Verfasst von Isabella Moreira Gonzalez Fonseca und 12 weiteren Autor:innen. Beteiligte Einrichtung: Serviço de Cardiologia e Cirurgia Cardíaca, Hospital das Clínicas, Universidade Federal de Minas Gerais, Belo Horizonte, MG - Brasil. Hauptthemen laut MEDLINE: Electrocardiography, Chagas Disease, Artificial Intelligence. Die Arbeit nennt 18 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Resumo Fundamento: A doença de Chagas afeta milhões de pessoas em todo o mundo e permanece como uma das principais causas de cardiomiopatia na América Latina. O diagnóstico precoce ainda representa um desafio em regiões endêmicas. A análise de eletrocardiografia (ECG) aprimorada por inteligência artificial (IA) pode oferecer uma estratégia de baixo custo para rastreamento em larga escala em contextos com recursos limitados. Objetivos: Avaliar o desempenho de um algoritmo de ECG aprimorada por IA combinado com dados clínicos para a detecção da doença de Chagas em um programa de rastreamento comunitário realizado em uma região altamente endêmica do Nordeste do Brasil. Métodos: Em agosto de 2024, 1.115 adultos foram submetidos à aquisição padronizada de ECG de 12 derivações durante uma campanha de campo em Feira de Santana, Bahia, nordeste do Brasil. Um modelo de IA previamente treinado analisou os traçados de ECG e incorporou três variáveis clínicas: i) residência prévia em áreas infestadas por triatomíneos, ii) condições habitacionais precárias e iii) histórico familiar de doença de Chagas. Indivíduos identificados como positivos pela IA foram classificados como casos suspeitos. Casos suspeitos e controles pareados (2:1) foram submetidos a testes sorológicos no ponto de cuidado. Resultados: O algoritmo identificou 121 indivíduos (10,9%), correspondendo a uma prevalência estimada de doença de Chagas baseada em IA de 7,8% (intervalo de confiança de 95% [IC95%]: 6,2-9,6). Entre os 112 indivíduos que completaram o teste sorológico, 13 apresentaram resultado positivo, todos pertencentes ao grupo suspeito positivo pela IA; nenhum caso soropositivo foi identificado entre os controles. A sensibilidade foi de 100% (IC95%: 69-100), a especificidade de 40% (IC95%: 30-50), o valor preditivo negativo de 100% (IC95%: 91-100) e o valor preditivo positivo de 12% (IC95%: 11-14), com uma razão de chances diagnóstica de 6,6. Conclusões: Um algoritmo de ECG aprimorada por IA combinado com variáveis clínicas simples demonstrou excelente sensibilidade para a detecção da doença de Chagas e pode representar uma ferramenta valiosa de triagem em contextos endêmicos com recursos limitados.
Schlagwörter
MeSH-Schlagwörter (MEDLINE)
Autor:innen und Institutionen
- Serviço de Cardiologia e Cirurgia Cardíaca, Hospital das Clínicas, Universidade Federal de Minas Gerais, Belo Horizonte, MG - Brasil.
- Centro de Telessaúde e Serviço de Cardiologia, Hospital das Clínicas, Universidade Federal de Minas Gerais, Belo Horizonte, MG - Brasil.
- Cardiovascular Outreach and Telemedicine Ochsner Children's Hospital, New Orleans, LA - EUA.
- Hospital da Criança de Feira de Santana, Feira de Santana, BA - Brasil.
- Oswaldo Cruz (Fiocruz), Salvador, BA - Brasil.
- Programa Translacional Integrado em Doença de Chagas (Fio-Chagas), Fundação Oswaldo Cruz (Fiocruz), Rio de Janeiro, RJ - Brasil.
Zitieren
APA
Fonseca, I. M. G., Nunes, M. C. P., Sable, C., Mendoza, R. F., Santos, F. L. N., Gomes, P. R., Carvalho, A. P. V., Mendoza, B. F., Souza, N. L., Barbosa, J. A. A., Cardoso, C. S., Nascimento, B. R., & Ribeiro, A. L. P. (2026). Análise de Eletrocardiografia Aprimorada por Inteligência Artificial para o Diagnóstico da Doença de Chagas. Arquivos Brasileiros de Cardiologia, 123(5). https://doi.org/10.36660/abc.20260032
Vancouver
Fonseca IMG, Nunes MCP, Sable C, Mendoza RF, Santos FLN, Gomes PR, et al. Análise de Eletrocardiografia Aprimorada por Inteligência Artificial para o Diagnóstico da Doença de Chagas. Arquivos Brasileiros de Cardiologia. 2026;123(5). doi:10.36660/abc.20260032
BibTeX
@article{Fonseca2026,
author = {Fonseca, Isabella Moreira Gonzalez and Nunes, Maria Carmo Pereira and Sable, Craig and Mendoza, Renata Fonseca and Santos, Fred Luciano Neves and Gomes, Paulo Rodrigues and Carvalho, Adson Patrik Vieira and Mendoza, Bernardo Fonseca and Souza, Noilson Lazaro and Barbosa, José Augusto de Almeida and Cardoso, Clareci Silva and Nascimento, Bruno Ramos and Ribeiro, Antonio L P},
title = {Análise de Eletrocardiografia Aprimorada por Inteligência Artificial para o Diagnóstico da Doença de Chagas},
journal = {Arquivos Brasileiros de Cardiologia},
year = {2026},
volume = {123},
number = {5},
doi = {10.36660/abc.20260032}
}
EUVIMED