Um framework de deep learning flexível em relação à vista para análise automatizada de ecocardiografia 2D

Por que varreduras do coração precisam de uma ajuda

Exames por ultrassom do coração são uma pedra angular da cardiologia moderna, mas obter informações confiáveis a partir deles costuma exigir anos de treinamento. Em clínicas atarefadas, salas de emergência ou ambientes remotos, essa expertise nem sempre está disponível, o que pode atrasar o atendimento de pessoas com problemas cardíacos. Este estudo investiga se a inteligência artificial (IA) pode interpretar vídeos comuns de ultrassom do coração a partir de quase qualquer ângulo padrão, tornando avaliações cardíacas de alta qualidade possíveis mesmo quando as imagens são obtidas por usuários com menos experiência e com dispositivos portáteis.

Uma nova forma de ler imagens cardíacas em movimento

Os pesquisadores construíram um framework de deep learning capaz de analisar clipes curtos de ecocardiogramas bidimensionais — imagens em movimento em preto e branco do coração batendo. Diferentemente das ferramentas computacionais tradicionais que esperam um ângulo de câmera muito específico, esse sistema aceita várias vistas comuns, contanto que o principal compartimento de bombeamento, o ventrículo esquerdo, apareça na imagem. A partir dessas vistas variadas, a IA estima três coisas: quão bem o coração bombeia sangue (a fração de ejeção do ventrículo esquerdo, ou FEVE), a idade do paciente e o sexo do paciente. A ideia central é libertar o ultrassom de requisitos rígidos de vista para que medidas de qualidade possam ser obtidas mesmo quando as imagens não são perfeitas.

Testando o sistema em muitos tipos de pacientes

Para avaliar o desempenho do framework, a equipe o treinou com dezenas de milhares de ecocardiogramas padrão de unidades da Mayo Clinic em Minnesota e Wisconsin. Em seguida, testaram em vários grupos independentes: mais pacientes do Arizona e da Flórida, um grande conjunto público de Stanford e duas coleções de ultrassom portátil. Um conjunto portátil veio de pacientes que fizeram tanto um exame em aparelho padrão quanto uma varredura portátil na mesma visita. O outro veio de hospitais nos Estados Unidos e em Israel, onde tanto sonografistas especialistas quanto iniciantes — enfermeiros e residentes com um curso breve de treinamento e software de orientação em tempo real — registraram imagens portáteis.

Quão precisas foram as estimativas da IA sobre o coração e o corpo?

Ao longo desses conjuntos de dados diversos, as estimativas de FEVE da IA acompanharam de perto os valores calculados por leitores especializados, com diferenças típicas inferiores a dez pontos percentuais na grande maioria dos casos. Ela também teve bom desempenho em uma questão prática chave: decidir se a função de bombeamento do coração estava claramente reduzida ou não. Tanto para aparelhos padrão quanto para dispositivos portáteis, o desempenho do sistema em identificar corações com FEVE significativamente baixa foi semelhante ao de especialistas humanos. Importante, os resultados permaneceram robustos quando as imagens foram capturadas com scanners portáteis, e mesmo quando esses scanners foram operados por iniciantes usando software de orientação. Em apenas uma pequena minoria dos casos as estimativas de FEVE a partir de clipes obtidos por iniciantes diferiram de forma relevante das clipes obtidos por especialistas para o mesmo paciente.

Pistas ocultas sobre idade e sexo dentro do movimento cardíaco

Além da força de bombeamento, a IA surpreendeu ao estimar bem a idade e o sexo da pessoa apenas a partir do ultrassom do coração. A idade estimada correspondeu fortemente à idade real, tanto quando as imagens vinham de aparelhos padrão quanto de dispositivos portáteis. A classificação do sexo também foi altamente precisa em todos os grupos de teste. Embora essas características já sejam conhecidas na clínica, a capacidade de inferi‑las de forma confiável a partir do movimento cardíaco sugere que as imagens de ultrassom contêm padrões sutis de envelhecimento e diferenças biológicas que o olho humano não quantifica rotineiramente. Os autores sugerem que desacordos entre a idade estimada pela IA e a idade real, por exemplo, podem algum dia refletir a “idade cardíaca biológica” e ajudar a identificar pessoas com maior risco cardiovascular.

O que isso significa para o cuidado cardíaco futuro

Este estudo mostra que um único framework de IA pode transformar uma ampla gama de clipes rotineiros de ultrassom cardíaco em informações clínicas úteis sem exigir ângulos de câmera perfeitos ou operadores especialistas. Ao avaliar com precisão a função de bombeamento do coração e extrair pistas mais amplas sobre características do paciente tanto de exames padrão quanto portáteis, a abordagem pode apoiar triagens mais rápidas em clínicas, departamentos de emergência e até no atendimento pré‑hospitalar. Embora o trabalho ainda precise ser testado em grupos mais diversos racial e etnicamente e em ambientes do mundo real menos controlados, aponta para um futuro em que mais profissionais, munidos de scanners portáteis simples, podem obter insights confiáveis sobre a saúde do coração à beira do leito.

Citação: Anisuzzaman, D.M., Malins, J.G., Jackson, J.I. et al. A view-flexible deep learning framework for automated analysis of 2D echocardiography. npj Cardiovasc Health 3, 17 (2026). https://doi.org/10.1038/s44325-025-00100-7

Palavras-chave: ecocardiografia, inteligência artificial, ultrassom portátil, fração de ejeção, imagem cardiovascular