Ganhos:
- Capacidade de explicar o papel da inteligência artificial nas etapas de remoção de ruído, detecção de ondas e classificação de ritmo do sinal de ECG
- Capacidade de avaliar criticamente os resultados do modelo com faixa fisiológica, artefato e contexto clínico
- Compreender que as recomendações de IA cardíaca são separadas das decisões de diagnóstico que requerem aprovação médica
A eletrocardiografia (ECG; ECG ou EKG em inglês) é o registro da atividade elétrica produzida pelo coração a cada batida com eletrodos na pele. A curva resultante é o biossinal mais comum na medicina, indicando o ritmo e a condução do coração. Um biossinal é uma quantidade mensurável que muda ao longo do tempo em um organismo vivo. O ECG é uma excelente área de estudo do ponto de vista da engenharia: possui ondas bem definidas (P, QRS, T), faixas fisiológicas conhecidas e grande volume de dados. A inteligência artificial oferece forte suporte em ECG com remoção de ruído, detecção de ondas e classificação de ritmo. Nesta unidade veremos essas etapas, a confirmação fisiológica e porque o diagnóstico final fica com o médico.
Sejamos claros desde o início: um padrão de ECG pode dizer “a fibrilação atrial é possível”; Mas isto é um aviso, não um diagnóstico. A IA não diagnostica; O médico toma a decisão junto com o paciente.
Cadeia de processamento de ECG
Passo 1 — Aquisição de sinal e remoção de ruído. ECG bruto; incluem ruído de rede (50/60 Hz), desvio da linha de base (desvio da linha de base com respiração e movimento) e artefato muscular. A filtragem (filtros passa-banda) e, nas abordagens modernas, a remoção de ruído baseada em IA reduzem essas distorções. Ponto crítico: a filtragem também não deve excluir informações reais; A filtragem excessiva pode obscurecer a verdadeira isquemia ao distorcer o segmento ST.
Passo 2 — Detecção de ondas (delineamento). O modelo detecta a onda P, o complexo QRS e a onda T. A saída mais básica é a detecção do pico R; A distância entre picos R consecutivos (intervalo RR) fornece frequência cardíaca e regularidade do ritmo.
Etapa 3 — Extração de recursos. Recursos como intervalos RR, duração QT, nível ST e morfologia das ondas são calculados. Eles servem tanto como interpretação clínica quanto como entrada de modelo.
Passo 4 — Classificação do ritmo/anomalia. O modelo sugere classes como fibrilação atrial, batimento ventricular prematuro ou ritmo sinusal normal. A saída é um rótulo e uma pontuação de confiança.
Passo 5 — Avaliação médica. A recomendação é apresentada ao médico juntamente com o contexto clínico (sintomas, medicação, história). O diagnóstico pertence ao médico.
Faixas fisiológicas: âncora de validação rápida
O controle da ordem de grandeza é muito forte no ECG porque as faixas fisiológicas são claras:
- Frequência cardíaca em repouso: 50-100 batimentos/minuto (pode diminuir para 40 para atletas).
- Duração normal do QRS: 80-120 ms; Um QRS mais largo sugere atraso na condução.
- QT corrigido (QTc): aproximadamente 350-450 ms em adultos; Acima de 500 ms pode ser perigoso.
- A onda P precede todo QRS normal.
Se o modelo deu uma frequência cardíaca de 250, uma verdadeira taquiarritmia está presente ou o ruído foi contado como um pico R (contagem dupla). Você não pode fazer essa distinção sem observar o sinal bruto; É aqui que entra em jogo a disciplina da verificação.
Três minicasos: em números
Caso 1 — Artefato mimetizando arritmia. Durante o monitoramento de um paciente, o modelo emitiu um alarme de “taquicardia ventricular” por 3 minutos. Quando o sinal bruto foi examinado, observou-se que o paciente estava escovando os dentes e o artefato muscular mimetizava o QRS. A plausibilidade fisiológica (o paciente estava livre de sintomas e estável neste momento) e a verificação do sinal bruto resolveram o alarme falso. Modelo avisado, sinal bruto corrigido.
Caso 2 — Velocidade de digitalização. Uma clínica de cardiologia estava revisando registros de Holter de 24 horas (ECG portátil contínuo); Média de 20 minutos por gravação. A pré-marcação de IA reduziu o tempo de revisão para 7 minutos, destacando possíveis eventos. A modelo não fechou nenhum evento por conta própria; O técnico e o cardiologista revisaram cada sinal.
Caso 3 — Erro de dupla contagem. Num paciente com onda T alta, o modelo também contou a onda T como o pico R, relatando uma frequência cardíaca duas vezes maior que o valor real (cerca de 300 em vez de 150). A verificação da ordem de grandeza – “300 bpm não é um ritmo sustentável” – revelou imediatamente o erro e o limite do pico R foi corrigido.
Alerta Fraco/Prompt Forte
Nota: As instruções abaixo são úteis na interpretação do texto do relatório/parâmetro de ECG; O diagnóstico de ECG bruto é o trabalho de um dispositivo confirmado e de um médico.
Alerta fraco:
Veja esses valores de ECG, o que aconteceu com o paciente?[valores]
Alerta poderoso:
Sua função: Você é um assistente de análise de sinais cardíacos (VOCÊ NÃO É DIAGNÓSTICO). Avalie os seguintes parâmetros de ECG anônimos:- Compare cada parâmetro com sua faixa normal (FC, PR, QRS, QTc).- Marque valores fora da faixa, mas não faça diagnóstico.- Observe casos onde os valores podem ser devidos a artefato (“suspeita de contagem dupla”).- Ao final, liste 3 pontos que o médico deve confirmar no sinal bruto. Parâmetros anônimos: [HR, PR, QRS, QTc, etiqueta de ritmo]
Quatro modelos copiáveis
1) Controle de faixa de parâmetros:
Compare os seguintes parâmetros de ECG com os intervalos normais de adultos e tabule os desvios. Não diagnostique. Parâmetros: [lista]
2) Eliminação de suspeita de artefato:
Esse ritmo e frequência cardíaca são fisiologicamente razoáveis? Caso contrário, explique qual artefato (contagem dupla, músculo, linha de base) ele pode estar imitando. Dados: [valores]
3) Resumo do Holter:
Agrupe a seguinte lista de eventos Holter anônimos por tipo de evento para produzir uma tabela de frequência. Marque cada grupo como "alta/baixa prioridade do cardiologista" e deixe-o decidir.Lista: [eventos]
4) Nota de segurança QT:
Compare o QTc com os limiares dos adultos; Se estiver acima de 500 ms, redija uma nota de advertência médica lembrando que é necessário medicação e controle eletrolítico. Valor: [QTc]
Função do modelo: por tipo de tarefa
Tipo de tarefa
Contribuição de IA
criticidade
verificação
Remoção/pré-processamento de ruído
alto
baixo
Comparação de sinal bruto
Detecção de crista/onda R
alto
médio
faixa fisiológica
Pré-classificação de ritmo
alto
alto
Médico + sinal bruto
Priorização de eventos Holter
alto
médio
Revisão do cardiologista
Decisão de diagnóstico/tratamento
limitado
muito alto
Aprovação total do médico
Dica: Sempre observe o sinal bruto antes de acreditar na saída de um padrão de ECG. Na IA cardíaca, a grande maioria dos erros surge de artefatos que imitam a onda real, e isso só é visível no traçado bruto.
Cuidado: A filtragem excessiva produz um sinal cosmeticamente “limpo”, mas pode apagar detalhes críticos para o diagnóstico, como o segmento ST. Um sinal claro não significa o sinal correto; as configurações do filtro devem ser validadas clinicamente.
Erros comuns
- Confiar na tag sem olhar o sinal bruto. Artefatos imitam arritmias; Esta é a fonte de erro mais comum.
- Filtragem excessiva. As informações de diagnóstico também podem ser apagadas junto com o ruído.
- Ignorando a contagem dupla. Uma onda T alta pode duplicar a frequência cardíaca; A ordem de grandeza captura isso.
- Confundir dados de dispositivos de consumo com dados clínicos. Um ECG smartwatch de canal único não substitui um ECG de diagnóstico de 12 derivações.
- Confundindo o modelo com diagnóstico. A modelo avisa; O diagnóstico e o tratamento do ritmo pertencem ao médico.
Resumindo
- O fluxo de trabalho do ECG consiste em remoção de ruído, detecção de ondas, extração de recursos e classificação de ritmo.
- Os intervalos fisiológicos (FC, QRS, QTc) são uma âncora de validação poderosa e rápida.
- A maioria dos erros surge porque o artefato imita a onda real; O controle do sinal bruto é obrigatório.
- A filtragem excessiva pode excluir informações de diagnóstico; Um sinal limpo não significa um sinal correto.
- As tags de ritmo são avisos; A decisão de diagnóstico e tratamento cabe ao médico.
Tarefa de aplicativo
Prepare um conjunto de parâmetros de ECG (FC, PR, QRS, QTc, rótulo de ritmo) e insira deliberadamente um valor não fisiológico (por exemplo, HR 280) nele. Faça com que o modelo avalie usando o prompt poderoso e observe se o modelo sinaliza esse valor como suspeito de artefato. Então “qual âncora (faixa fisiológica ou sinal bruto) captura esse erro?” Responda à pergunta com um parágrafo.
lista de verificação
- [ ] Conheço as etapas de remoção, detecção, característica e classificação de ruído da cadeia de processamento de ECG.
- [ ] Posso usar faixas fisiológicas básicas (FC, QRS, QTc) como âncoras de validação.
- [ ] Percebi que o artefato imita a arritmia e o controle do sinal bruto é essencial.
- [ ] Entendo que a filtragem excessiva pode excluir informações de diagnóstico.
- [ ] Internalizei que a marcação do ritmo é um alerta e o diagnóstico fica com o médico.