IA descobre sinal elétrico oculto em exames de rotina que prevê morte súbita cardíaca com precisão inédita

Os principais achados do estudo da UC Berkeley sobre IA e morte súbita cardíaca

Pesquisadores da Universidade da Califórnia, Berkeley (UC Berkeley), liderados pelo professor associado Ziad Obermeyer, publicaram um estudo em 24 de junho de 2026 na revista Nature. O trabalho revela que um modelo de aprendizado profundo (deep learning), treinado com mais de 440 mil eletrocardiogramas (ECGs), identificou um sinal elétrico até então desconhecido em exames de rotina do coração. Esse sinal consegue prever o risco de morte súbita cardíaca com muito mais precisão do que os testes clínicos usados atualmente .

O sinal elétrico que havia passado despercebido

O modelo de IA detectou padrões sutis nas ondas dos ECGs — os picos e correntes elétricas gerados pelo coração — que nem os médicos nem os exames clínicos padrão conseguem enxergar . Esses padrões estão associados a um mau funcionamento do sistema elétrico do coração que ocorre antes de uma parada cardíaca súbita. O mecanismo fisiológico exato ainda não é compreendido, mas a IA parece ter identificado uma característica relacionada ao momento em que o coração apresenta uma falha fatal .

Treinamento e validação do modelo

A equipe treinou um modelo de deep learning usando mais de 440 mil ECGs da Suécia, vinculados a certidões de óbito. O sistema foi alimentado com exames de pessoas saudáveis, pacientes de risco e daqueles que posteriormente morreram de morte súbita cardíaca, aprendendo a reconhecer os padrões das ondas que indicam o risco . Em seguida, o modelo foi validado com milhares de arquivos adicionais de pacientes dos Estados Unidos (região de San Diego) e de Taiwan (Taipei) . Um artigo complementar da Nature confirma que o modelo foi desenvolvido usando uma vasta base de dados de ECGs e registros de mortalidade .

Desempenho na detecção de risco

O sistema de IA identificou um grupo de alto risco com uma taxa anual de morte súbita cardíaca de 7%. Para comparação, os exames clínicos padrão (que medem a quantidade de sangue que o coração ejeta por batimento) identificam um grupo de alto risco com uma taxa de apenas 4,6% ao ano . O modelo conseguiu não apenas identificar um grupo de risco maior, mas também prever com mais precisão quem sofreria uma morte súbita cardíaca. Essas diferenças significam que milhares de pacientes que hoje são considerados de baixo risco pelos métodos convencionais podem, na verdade, estar em perigo .

Por que a detecção sempre foi tão difícil?

A parada cardíaca súbita mata mais de 300 mil pessoas nos Estados Unidos todos os anos. Ela ocorre quando o sistema elétrico do coração para de funcionar de repente, sem aviso prévio . Obermeyer explica que existe uma cura eficaz — os cardioversores-desfibriladores implantáveis (CDIs), que aplicam um choque no coração para restaurar o ritmo normal —, mas os médicos não conseguem descobrir quem precisa de um antes que seja tarde demais . O grande problema é que as pessoas morrem de forma tão abrupta que é quase impossível saber o que estava acontecendo no coração antes da parada. As autópsias revelam detalhes estruturais, mas não mostram o funcionamento elétrico imediatamente antes da morte .

Próximos passos

Os pesquisadores planejam implantar o algoritmo em sistemas de saúde para ajudar os médicos a identificar melhor quem precisa de um CDI . O estudo também abre portas para novas pesquisas sobre o mecanismo fisiológico por trás das falhas elétricas do coração. Obermeyer afirmou que o objetivo é "não apenas tomar decisões melhores, mas também começar a entender o que realmente está acontecendo com esses pacientes antes de o coração parar" . Como os ECGs são exames de rotina, de baixo custo e disponíveis em centros médicos do mundo todo, a ferramenta pode ser amplamente aplicada para salvar vidas .