Família ABC Arquivos Brasileiros de Cardiologia International Journal of Cardiovascular Sciences ABC Heart Failure & Cardiomyopathy ABC Imagem Cardiovascular
Português English
  • Família ABC
  • Arquivos Brasileiros de Cardiologia
  • International Journal of Cardiovascular Sciences
  • ABC Heart Failure & Cardiomyopathy
  • ABC Imagem Cardiovascular
Português English
  • Sobre
    • Sobre a Família ABC
    • Regimento Interno
    • Conselho Editorial
    • Sociedade Brasileira de Cardiologia (SBC)
  • Edições
  • Diretrizes da SBC
  • Conteúdos
    • Vídeos
    • Podcasts
    • Notícias
  • Sobre
    • Sobre a Família ABC
    • Regimento Interno
    • Conselho Editorial
    • Sociedade Brasileira de Cardiologia (SBC)
  • Edições
  • Diretrizes da SBC
  • Conteúdos
    • Vídeos
    • Podcasts
    • Notícias
Buscar em

Nenhum conteúdo encontrado.

Revistas
Ordenação
Tipos de artigo
Outros

  1. Início
  2. Aprendizado de máquina
Figura Central
ABC
Artigo Original

Variabilidade da Pressão Arterial Pós-Operatória e Lesão Renal Aguda após Cirurgia de Revascularização do Miocárdio: Um Estudo MIMIC-IV

Ling-Song Yao et al. Yu-Chen Dai Qing-Ren Liu Jie Sun Yunfei Bai

Resumo

Fundamento

A variabilidade da pressão arterial (VPA) emergiu como um importante fator hemodinâmico associado a desfechos adversos após cirurgia cardíaca, incluindo lesão renal aguda (LRA). No entanto, o valor prognóstico da VPA pós-operatória em pacientes submetidos a cirurgia de revascularização do miocárdio (CRM) permanece insuficientemente caracterizado.

Objetivo

Investigar a associação entre a VPA pós-operatória e a LRA após CRM e avaliar o valor preditivo da VPA pós-operatória precoce para LRA.

Métodos

Realizamos um estudo de coorte retrospectivo utilizando dados de 5.070 pacientes adultos submetidos a CRM no banco de dados Medical Information Mart for Intensive Care IV (MIMIC-IV). A variabilidade da pressão arterial sistólica, da pressão arterial diastólica e da pressão arterial média durante as primeiras 24 horas após a admissão na UTI foi quantificada utilizando a variabilidade real média, a variação sucessiva, o desvio padrão e o coeficiente de variação. Modelos de regressão logística multivariável e de aprendizado de máquina, incluindo XGBoost, regressão logística, máquina de vetores de suporte, floresta aleatória e K-vizinhos mais próximos, foram desenvolvidos para predizer LRA pós-operatória. Todos os testes estatísticos foram bicaudais e um valor de p < 0,05 foi considerado estatisticamente significativo.

Resultados

Após ajuste para fatores de confusão relevantes, o aumento da VPA e a hipotensão cumulativa foram associados independentemente à LRA. Uma VPA mais elevada foi significativamente associada à LRA (OR, 1,005; IC 95%, 1,002–1,008), assim como uma maior carga hipotensiva definida pela área sob a curva da pressão arterial média < 65 mmHg (OR, 1,307; IC 95%, 1,220–1,400). Dentre todos os modelos, o XGBoost demonstrou o melhor desempenho preditivo.

Conclusão

A VPA nas primeiras 24 horas pós-operatórias é um preditor significativo de LRA após CRM. A integração da VPA em modelos preditivos pode melhorar a estratificação precoce de risco e auxiliar na tomada de decisões clínicas.

  • Aprendizado de máquina
  • Injúria Renal Aguda
  • Modelos Preditivos de Aprendizagem
  • Revascularização Miocárdica
Ler artigo completo
Creative Commons Attribution (CC BY) Creative Commons license
11/11/2026 DOI: 10.36660/abc.20260177 Visualizações 4
Figura 1
ABCHF
Ponto de Vista

Inteligência Artificial na Insuficiência Cardíaca: O Novo Papel do Cardiologista

Ana Karyn Freitas et al. Ana Luisa Trentini Bittencourt Carina Toledo Scoparo Barioni Renata Paes de Barros Wandresen … Aline Brizola Oberderfer Bruno Ceschin Chiaratti Gustavo Pichel Kakuda Salim Mussi Neto

Introdução

A inteligência artificial (IA) deixou de ser uma promessa distante para se tornar uma realidade na prática médica. Ferramentas capazes de interpretar exames, estratificar risco, sugerir diagnósticos e até propor condutas têm despertado entusiasmo crescente entre profissionais de saúde. No cenário de rápida expansão tecnológica, surge uma questão inevitável: qual será o papel do médico especialista na era da IA?

A insuficiência cardíaca (IC) representa um dos melhores modelos para essa discussão. Ela é uma das doenças com maior impacto clínico no mundo, acometendo cerca de 64 milhões de pessoas., Apesar de todo o avanço na compreensão da sua fisiopatologia e das opções de tratamento, a IC permanece como uma doença de alta morbimortalidade, com risco residual elevado, mesmo com a implementação das terapias modificadoras da doença.– Boa parte do problema encontra-se na complexidade dos mecanismos fisiopatológicos dessa condição, bem como na heterogeneidade das manifestações clínicas, da evolução e das comorbidades associadas.,

[…]

  • Aprendizado de máquina
  • Insuficiência Cardíaca
  • Inteligência Artificial
  • Relações Médico-Paciente
Ler artigo completo
Creative Commons Attribution (CC BY) Creative Commons license
16/10/2026 DOI: 10.36660/abchf.20260032 Visualizações 3
Figura Central
ABCHF
Artigo Original

Mapeamento Global da Pesquisa Sobre Inteligência Artificial Aplicada à Miocardite

Guilherme Cesar Fernandes de Oliveira da Costa et al. Jose Gregorio Valero Rodriguez Giulia Fernandes de Oliveira da Costa Adriana Munford Lima Pimentel Evandro Tinoco Mesquita

Resumo

Fundamento

A miocardite continua sendo um desafio diagnóstico, e o interesse no uso da inteligência artificial para apoiar a avaliação diagnóstica não invasiva cresceu rapidamente. Embora a literatura na interseção entre inteligência artificial e miocardite tenha se expandido substancialmente, ela permanece fragmentada e carece de uma síntese abrangente.

Objetivos

Mapear a produção científica global sobre a aplicação da inteligência artificial à miocardite, identificando os principais contribuintes, padrões de colaboração e tendências temáticas emergentes.

Métodos

Realizamos uma análise bibliométrica de artigos sobre inteligência artificial aplicada à miocardite indexados na Web of Science Core Collection. O pacote bibliometrix para R e o VOSviewer foram utilizados para realizar análises de redes bibliométricas e análises temáticas.

Resultados

Foram incluídos 47 artigos. A produção científica aumentou acentuadamente após 2021, coincidindo com a pandemia de covid-19, e atingiu seu pico em 2025. A China liderou em volume de publicações, enquanto o Reino Unido e a Alemanha alcançaram o maior impacto de citações. Nenhuma publicação teve origem na América Latina, no Caribe ou na África. As redes de colaboração internacional permanecem fragmentadas. As análises de palavras-chave e temáticas identificaram a integração do aprendizado profundo com a ressonância magnética cardiovascular como o principal tema motor, refletindo uma mudança em relação à tradicional biópsia endomiocárdica. Os autores mais citados eram predominantemente cientistas da computação e da ciência de dados.

Conclusões

A pesquisa na interseção entre inteligência artificial e miocardite constitui um campo emergente em processo de consolidação metodológica, com crescimento acelerado pela pandemia de covid-19. A ressonância magnética cardiovascular tornou-se a principal fonte de dados para aplicações baseadas em inteligência artificial. O principal desafio parece ser translacional, ressaltando a necessidade de uma colaboração mais estreita entre desenvolvedores de algoritmos e clínicos. A integração bem-sucedida desses modelos à prática clínica rotineira provavelmente dependerá da colaboração multidisciplinar e da validação em populações multicêntricas e diversas.

  • Aprendizado de máquina
  • Aprendizagem Profunda
  • Inteligência Artificial
  • Miocardite
Ler artigo completo
Creative Commons Attribution (CC BY) Creative Commons license
21/08/2026 DOI: 10.36660/abchf.20260016 Visualizações 11
Idade-ECG Derivada de Inteligência Artificial como Preditora de Mortalidade e Eventos Cardiovasculares: Revisão Sistemática e Metanálise
ABC
Artigo Original

Idade-ECG Derivada de Inteligência Artificial como Preditora de Mortalidade e Eventos Cardiovasculares: Revisão Sistemática e Metanálise

Isadora Cristine Reis Sguizzato Bozzi et al. Maria Clara de Araujo Gontijo Lima Antonio Luiz Pinho Ribeiro Gabriela Miana de Mattos Paixão

Resumo

Fundamento

A idade eletrocardiográfica (idade-ECG) estimada pore inteligência artificial (IA) e a diferença entre a idade-ECG e a idade cronológica (delta-idade) são biomarcadores emergentes do envelhecimento cardiovascular e de desfechos adversos, mas seu valor prognóstico permanece incerto.

Objetivos

Realizamos uma revisão sistemática e metanálise para avaliar as associações entre a idade-ECG estimada por IA ou a delta-idade e os desfechos clínicos.

Métodos

Nove bases de dados foram pesquisadas até 1º de maio de 2025. Os estudos elegíveis avaliaram mortalidade ou eventos cardiovasculares e relataram medidas de associação. As hazard ratios agrupadas (pHRs) com intervalos de confiança (IC) de 95% foram calculadas por meio de modelos de efeitos fixos ou aleatórios, com significância estatística definida em p < 0,05. O protocolo foi registrado no PROSPERO (CRD420251042467).

Resultados

Dez estudos (2021–2025) com mais de 550.000 participantes do Leste Asiático, das Américas e do Reino Unido foram incluídos. A maioria utilizou redes neurais convolucionais para estimar a idade-ECG; a delta-idade foi calculada como a idade-ECG menos idade cronológica. Uma delta-idade elevada foi associada ao aumento da mortalidade por todas as causas (pHR = 1,83, IC 95%: 1,45–2,32) e da mortalidade cardiovascular (pHR = 2,63, IC 95%: 1,93–3,58). Três estudos relataram aumento do risco de fibrilação atrial (pHR = 1,96, IC 95%: 1,43–2,69), embora os dados fossem limitados e heterogêneos. Análises descritivas sugeriram que uma delta-idade maior prediz a incidência de insuficiência cardíaca e acidente vascular cerebral.

Conclusões

A idade-ECG estimada por IA, particularmente a delta-idade, está associada à mortalidade por todas as causas e à mortalidade cardiovascular, reforçando seu papel como um biomarcador não invasivo do envelhecimento cardiovascular. As evidências para fibrilação atrial são sugestivas, mas limitadas. Algoritmos padronizados, validação externa robusta e estudos prospectivos multicêntricos são necessários para confirmar a utilidade clínica e integrar a idade-ECG à estratificação de risco, mesmo em indivíduos assintomáticos.

  • Aprendizado de máquina
  • Aprendizagem Profunda
  • Eletrocardiografia
  • Inteligência Artificial
  • Prognóstico
Ler artigo completo
Creative Commons Attribution (CC BY) Creative Commons license
12/06/2026 DOI: 10.36660/abc.20250650 Visualizações 11
Um Novo Escore de Risco Baseado em Aprendizado de Máquina (Machine Learning) em Pacientes com Insuficiência Cardíaca Aguda: O Escore ML-HF
ABC
Artigo Original

Um Novo Escore de Risco Baseado em Aprendizado de Máquina (Machine Learning) em Pacientes com Insuficiência Cardíaca Aguda: O Escore ML-HF

Matheus Bissa Duarte Ferreira et al. Jorge Tadashi Daikubara Neto Gustavo S. Pereira da Cunha Rafael Moretti … Jessica Tamires Reichert Lucas Müller Prado Raphael Henrique Déa Cirino Sidney C Smith Jr Fábio Papa Taniguchi Andrei C. Sposito Odilson M. Silvestre Wilson Nadruz Miguel Morita Fernandes-Silva

Resumo

Fundamento

Os escores de avaliação prognóstica convencionais muitas vezes não têm desempenho suficiente para prever a mortalidade em pacientes com insuficiência cardíaca aguda (ICA).

Objetivo

Desenvolver e validar um escore prognóstico baseado em aprendizado de máquina (Machine Learning – escore ML-HF) para prever morte hospitalar em pacientes com ICA e comparar seu desempenho com os principais escores tradicionais.

Métodos

Pacientes admitidos por ICA em hospitais brasileiros do “Programa de Boas Práticas em Cardiologia” de 2016 a 2022 foram incluídos. Dados clínicos, resultados laboratoriais e o questionário de Qualidade de Vida da Organização Mundial da Saúde (World Health Organization Quality of Life) WHOQOL-Bref foram coletados na admissão hospitalar. O desfecho foi óbito hospitalar. O modelo foi treinado usando 70% das admissões (conjunto de treinamento) e validado com os 30% restantes (conjunto de teste). A área sob a curva ROC (AUC) do escore ML-HF foi comparada com a AUC dos escores tradicionais Acute Decompensated Heart Failure National Registry (ADHERE) e Get With the Guidelines–Heart Failure (GWTG-HF). O nível de significância foi de p < 0,05.

Resultados

Foram incluídos mil cento e cinquenta e sete pacientes hospitalizados por ICA. As cinco variáveis mais importantes do escore ML-HF foram: Qualidade do Domínio de Saúde Física (WHOQOL-BREF), sódio sérico, ureia sérica, creatinina sérica e pressão arterial sistólica na admissão hospitalar. No conjunto de teste, o escore ML-HF apresentou calibração de modelo adequada (valor de p do teste de Hosmer-Lemeshow = 0,056) e discriminação (AUC = 0,722 [IC95%, 0,661-0,783]), que foi superior aos escores GWTG-HF (AUC = 0,616 [IC95%, 0,529-0,702; p = 0,014]) e ADHERE (AUC = 0,601 [IC95%, 0,511-0,691; p = 0,006]).

Conclusão

Desenvolvemos e validamos um escore usando aprendizado de máquina para prever morte hospitalar em pacientes com ICA, que superou os escores tradicionais.

  • Aprendizado de máquina
  • Insuficiência Cardíaca
  • Morte
Ler artigo completo
Creative Commons Attribution (CC BY) Creative Commons license
16/01/2026 DOI: 10.36660/abc.20250136 Visualizações 12
ABC
Editorial

Aplicabilidade de Algoritmos de Aprendizado de Máquina no Diagnóstico de Arritmias – Quanto Tempo Até a Máquina Começar a nos Ensinar?

Marcelo Martins Pinto Filho

O eletrocardiograma (ECG), em uso clínico desde o início do século XX, continua sendo uma ferramenta adorada por cardiologistas, clínicos e estudantes de medicina. É indiscutivelmente o instrumento de cabeceira mais importante em cardiologia, essencial para o manejo de arritmias e síndromes isquêmicas agudas, além de orientar o tratamento eletrofisiológico. Ainda assim, os avanços na interpretação de eletrocardiografia foram modestos nos últimos cem anos. Os dispositivos tornaram-se mais portáteis, digitais e capazes de gravações mais longas, mas os princípios interpretativos fundamentais permanecem enraizados nos métodos do início do século XX. Nos últimos anos, isso foi remodelado pelo surgimento de tecnologias computacionais, especialmente a inteligência artificial (IA). Ferramentas como redes neurais profundas (DNNs) e modelos de aprendizado de máquina (MLMs) estão possibilitando uma nova era na análise de ECG, a eletrocardiografia aprimorada por IA (ECG aprimorado por IA).

Nesta edição do ABC Cardiol, Guimarães do Nascimento et al. relatam uma revisão sistemática de estudos que avaliam a aplicabilidade do ECG com IA no diagnóstico de arritmias cardíacas. Eles incluíram estudos de diferentes metodologias que abordaram o papel do ECG aprimorado por IA na detecção da síndrome do QT longo (SQTL) (um estudo), intervalo QT corrigido (QTc) (um estudo) e fibrilação atrial (FA) (onze estudos).

[…]

  • Aprendizado de máquina
  • Arritmia Cardíaca
  • Eletrocardiograma
  • Inteligência Artificial
  • Rede Neural
Ler artigo completo
Creative Commons Attribution (CC BY) Creative Commons license
19/09/2025 DOI: 10.36660/abc.20250405 Visualizações 12
Aplicabilidade de Algoritmos de Machine Learning no Diagnóstico de Fibrilação Atrial e SQTL por Interpretação de Eletrocardiograma: Uma Revisão Sistemática
ABC
Artigo Original

Aplicabilidade de Algoritmos de Machine Learning no Diagnóstico de Fibrilação Atrial e SQTL por Interpretação de Eletrocardiograma: Uma Revisão Sistemática

Paulo Cainan Guimarães do Nascimento et al. Matthews Silva Martins Alex Cleber Improta-Caria Roque Aras Junior

Resumo

Fundamento

Machine learning (ML) é um tipo de algoritmo que aprende de forma autônoma a reconhecer padrões complexos. No contexto diagnóstico de arritmias cardíacas, esses algoritmos demonstraram avanços significativos devido à sua capacidade de fornecer interpretação automatizada e reconhecimento de padrões em eletrocardiogramas (ECGs).

Objetivo

Analisar e identificar a aplicabilidade, validade e viabilidade de modelos de algoritmos de ML no processo diagnóstico de arritmias cardíacas por meio de interpretação eletrocardiográfica automatizada.

Métodos

Esta revisão sistemática da literatura foi relatada de acordo com as diretrizes PRISMA. As buscas foram realizadas na Biblioteca Cochrane, EMBASE, LILACS e PubMed entre fevereiro de 2022 e novembro de 2022. O período do estudo abrange artigos publicados entre 2017 e 2022.

Resultados

A busca no banco de dados gerou 119 resultados, abrangendo três subtemas: Síndrome do QT Longo (SQTL), intervalo QT corrigido (QTc) e fibrilação atrial (FA). A FA foi o tema mais prevalente. Os tamanhos das amostras foram bastante variáveis. Os resultados foram, em sua maioria, satisfatórios. No diagnóstico de SQTL usando Inteligência Artificial (IA), o algoritmo superou os métodos convencionais na distinção diagnóstica. Na avaliação do QTc, não houve diferença entre o ECG integrado à IA e o ECG convencional. No diagnóstico de FA, os algoritmos, modelos e dispositivos demonstraram alta sensibilidade e especificidade, além de maior acurácia.

Conclusão

Os modelos de ML no processo diagnóstico de arritmias cardíacas são viáveis e estão em rápido desenvolvimento. Apresentam valores de acurácia entre 96,4% e 98,2%, sensibilidade entre 92,8% e 99,4% e especificidade entre 95% e 98,1%, particularmente no diagnóstico de fibrilação atrial.

  • Aprendizado de máquina
  • Arritmias Cardíacas
  • Eletrocardiografia
  • Inteligência Artificial
  • Rede Nervosa
Ler artigo completo
Creative Commons Attribution (CC BY) Creative Commons license
01/09/2025 DOI: 10.36660/abc.20240843 Visualizações 11
Figure 1
ABCIC
Artigo Original

Uso da Inteligência Artificial para Avaliação da Função Cardíaca pela Ecocardiografia: Revisão Sistemática do Estado da Arte

Henrique Alexsander Ferreira Neves et al. Bruna Sadae Yuasa Thamires Hadassa Leite Pereira Costa Isabela Ertes Santos … Yannirê Milagros Roman Benavides Marco Stephan Lofrano-Alves

Resumo

Histórico:

A ecocardiografia faz parte da investigação de rotina da maioria das doenças cardíacas. No entanto, por depender do operador e considerando a qualidade da imagem obtida, é possível haver variabilidade significativa nas medições, o que prejudica a interpretação. O método avançou no sentido da padronização e incorporação de novas tecnologias com o objetivo de reduzir suas deficiências. Recentemente, parte desse avanço se deve ao uso da inteligência artificial (IA).

Objetivos:

O objetivo deste trabalho foi realizar uma investigação sobre o uso da IA na avaliação da função cardíaca por meio da ecocardiografia, discutindo seu potencial para aperfeiçoar o método.

Métodos:

Realizou-se uma revisão sistemática de acordo com o Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) e foram buscados artigos no período de 2000 a 2023.

Resultados:

Foram incluídos 31 artigos, classificados em quatro categorias de estudos que utilizaram IA: 1) para análise de imagens e parâmetros ecocardiográficos (N = 14); 2) no processo de aquisição de imagens (N = 11); 3) para integração com dados clínicos (N = 3); e 4) para aplicação ao fluxo do exame (N = 3).

Conclusão:

A IA proporciona automatização e padronização das imagens e respectivas medições que resultam em diagnósticos mais precisos, superando as limitações encontradas no método convencional. No entanto, o uso da IA ainda é uma realidade em evolução na ecocardiografia.

  • Aprendizado de máquina
  • Aprendizado Profundo
  • Deformação Longitudinal Global
  • ecocardiografia
  • Inteligência Artificial
Ler artigo completo
Creative Commons Attribution (CC BY) Creative Commons license
18/12/2023 DOI: 10.36660/abcimg.20230085 Visualizações 13
Figura 1
ABCIC
Relato de Caso

Nova Aplicação do FFRct na Prática Clínica: Avaliação de Trajeto Coronariano Anômalo Interarterial

Fábio Bordin Trindade et al. Thamara Carvalho Morais Roberto Nery Dantas Junior Roberto Vitor Almeida Torres … Clarice Santos Parreira Soares José Rodrigues Parga Filho

Discussão

Anomalias coronarianas de origem e trajeto são cardiopatias congênitas raras, acometendo menos de 1% da população geral., A origem anômala coronariana com trajeto interarterial (suprapulmonar) é caracterizada pelo trajeto da artéria coronária entre a aorta ascendente e o tronco da artéria pulmonar, envolvendo mais comumente a CD., A maioria dos indivíduos é assintomática, porém dentre os sintomáticos, dor torácica e dispneia aos esforços são as queixas mais prevalentes. Há também aumento das taxas de arritmias, morte súbita e infarto agudo do miocárdio., Morte súbita é a principal complicação dessa variante anatômica e ocorre em aproximadamente 30% dos pacientes.,, Nesses casos o estreitamento e estiramento do óstio anômalo, principalmente ao exercício físico e em situações estressantes, com consequente redução do fluxo coronariano, é o substrato para alterações isquêmicas potencialmente fatais.,, Como o eletrocardiograma na maioria das vezes não revela alterações isquêmicas, o diagnóstico geralmente é feito através de um achado incidental em exames de imagem. Esses exames são de grande importância, em especial a angioTC de coronárias que, além de ser um exame não invasivo, com elevado valor preditivo negativo, permite uma detalhada visualização anatômica (angulação da sua origem, presença de trajeto intramural na aorta, grau de redução luminal ostial/proximal) e a correta classificação em relação ao plano valvar pulmonar (suprapulmonar x subpulmonar).,,

Estudos recentes demonstraram que a angioTC de coronárias é um exame acurado para identificação de isquemia miocárdica através da FFRct quando comparado à medida invasiva (FFRi) pela cineangiocoronariografia.,,, A detecção de isquemia na angioTC de coronárias tem grande importância na tomada de decisão principalmente em placas consideradas moderadas (redução luminal 50% a 69%) ou quando há dúvida diagnóstica, reduzindo o número de encaminhamentos desnecessários à cineangiocoronariografia nos casos sem isquemia na FFRct.,, Devido à excelente acurácia entre os métodos na análise da árvore coronariana sem anomalia, extrapolou-se a aplicabilidade do método no contexto da anomalia coronariana., Nosso grupo aplicou uma ferramenta para cálculo da FFRct atualmente disponível apenas em plataforma de pesquisa desenvolvida pela Siemens Healthineers na sua versão mais atual (cFRR, versão 3.0.0) no caso clínico descrito. Essa ferramenta de pesquisa está disponível para instalação em computadores de configuração-padrão e utiliza ferramentas de inteligência artificial, com reduzido tempo de processamento. Atualmente as opções comercialmente disponíveis exigem a etapa de envio da imagens em formato DICOM para processamento em centros específicos e entrega do resultado pelo menos 24 horas após o envio das imagens., A ferramenta de pesquisa utilizada no caso clínico possui vantagens, como o rápido processamento através de computadores de configuração-padrão das salas de laudos; utilização de imagens tomográficas do protocolo padrão da rotina, sem adição de protocolo específico, ou maior dose de radiação e sem a utilização de agentes estressores., A ferramenta, no geral, possui algumas limitações, como a dificuldade de definição dos bordos coronarianos na presença de calcificação excessiva, e a necessidade de imagens de alta qualidade, sem artefatos de movimento, para uma adequada detecção automática da linha luminal central e das linhas que delimitam os bordos coronarianos, permitindo o cálculo adequado da FFRct. É importante ressaltar que a utilização dessa ferramenta discrimina os trajetos interarteriais associados à isquemia considerando apenas o obstáculo ao fluxo durante o repouso, não estimando o risco de eventos isquêmicos associados às alterações dinâmicas secundárias ao exercício intenso. Sua utilização também é escassa na literatura, ainda sem um robusto corpo de evidências. No entanto, no caso clínico descrito, a ferramenta de FFRct foi aplicada num contexto diferente do habitual em que a redução luminal não foi determinada por ateromatose coronariana e sim pela angulação ostial e compressão do segmento proximal do trajeto anômalo interarterial. A resposta isquêmica foi considerada um parâmetro de mau prognóstico, e posteriormente foi indicado o exame funcional invasivo confirmatório (FFRi) para auxiliar na decisão terapêutica.

[…]

  • Anormalidades Congênitas
  • Aprendizado de máquina
  • Isquemia Miocárdica
  • Reserva Fracionada de Fluxo Miocárdico
  • Tomografia Computadorizada por Raios X
Ler artigo completo
Creative Commons Attribution (CC BY) Creative Commons license
10/05/2023 DOI: 10.36660/abcimg.2023361 Visualizações 8
Figura 1
ABC
Revisão

Machine Learning na Medicina: Revisão e Aplicabilidade

Gabriela Miana de Mattos Paixão et al. Bruno Campos Santos Rodrigo Martins de Araujo Manoel Horta Ribeiro … Jermana Lopes de Moraes Antonio L. Ribeiro

Introdução

O aprendizado de máquina, ou machine learning (ML), é um ramo da inteligência artificial (IA) que explora o estudo e a construção de algoritmos computacionais a partir do aprendizado por dados,, ao invés de instruções pré–programadas. O objetivo principal de um modelo de ML é construir um sistema de computador que aprenda com um banco de dados pré–definido e gere, ao final, um modelo de predição, classificação ou detecção.

A aplicação de ML na prática é voltada principalmente para o manuseio de bases de dados consolidadas com informações heterogêneas, para as quais há uma limitação do uso das técnicas de estatística convencionais., Os algoritmos de ML já estão difundidos em diversas áreas, como sistemas bancários para detecção de fraudes, mecanismos de busca na internet, sistemas de vigilância em vídeo, segurança de dados, logística de empresas, robótica e, na medicina, para diagnóstico e prognóstico. Com a digitalização dos prontuários médicos, exames laboratoriais e de imagem, houve um crescimento dos bancos de dados. Esses são fontes para a aplicação de técnicas de ML, visando a prevenção, diagnóstico precoce e o tratamento das doenças.

[…]

  • Aprendizado de máquina
  • Cardiologia
  • Medicina
Ler artigo completo
Creative Commons Attribution (CC BY) Creative Commons license
21/02/2022 DOI: 10.36660/abc.20200596 Visualizações 12
ABC
Editorial

Algoritmos Artificiais Superam os Modelos Tradicionais na Predição de Doença Arterial Coronariana

Lutfu Askin et al. Okan Tanrıverdi Mustafa Cetin

Recomendações clínicas recentes indicam que testes adicionais para avaliar aspectos anatômicos (extensão, gravidade, morfologia) ou funcionais (função ventricular, presença/extensão da isquemia) da doença arterial coronariana (DAC) crônica e sintomática podem ser úteis em certos casos. Médicos do setor de emergência devem determinar se devem liberar o paciente, fazer mais testes não invasivos ou realizar angiografia invasiva em pacientes com desconforto torácico agudo. Aceitar qualquer pessoa com dor torácica pode ter efeitos indesejados em caso de alta com doença coronariana instável. A probabilidade de DAC obstrutiva deve orientar as decisões médicas. Algoritmos de aprendizado de máquina (machine learning — ML) podem complementar as capacidades diagnósticas e prognósticas dos métodos de regressão convencionais. A disparidade entre a aplicabilidade de tais métodos e os resultados alcançados com eles se deve às plataformas de software de análise de dados utilizadas.

O ML pode usar recursos de sinal de fase torácica para construir modelos matemáticos finais que avaliem a existência de DAC importante. A análise do espaço da fase cardíaca parece semelhante aos testes de estresse funcional mais amplamente utilizados e requer pouco tempo do paciente. Os resultados de 2 anos mostraram que a reserva de fluxo fracionada derivada da TC por deep learning (DL-FFRCT) pode ser usada para guiar a revascularização, com alta taxa de cancelamento e baixa taxa de eventos. Uma DL-FFRCT positiva para lesões em tandem mostrou-se associada à redução de eventos cardiovasculares adversos maiores (ECAM) após 2 anos. O escore de risco isquêmico por ML (ML-IRS) obtido pela angiotomografia coronariana quantitativa reforçou a predição de revascularização futura e pode ser usado para identificar indivíduos com probabilidade de precisar de revascularização se encaminhados para cateterismo cardíaco. Esse escore de aprendizado de máquina está vinculado a medidas invasivas de reserva de fluxo fracionada (FFR), fornecendo validação externa entre dois centros e aumentando os modelos de predição de risco clínico.

[…]

  • Algoritmos
  • Angiografia da Coronária Computadorizada/métodos
  • Aprendizado de máquina
  • Aprendizado Profundo
  • Doença da Artéria Coronariana
  • Inteligência Artificial
  • Máquina de Vetores de Suporte
Ler artigo completo
Creative Commons Attribution (CC BY) Creative Commons license
03/12/2021 DOI: 10.36660/abc.20210823 Visualizações 12
Figura 1
ABC
Artigo Original

Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial

Thamara Carvalho Morais et al. Antonildes Nascimento Assunção-Jr Roberto Nery Dantas Júnior Carla Franco Grego da Silva … Caroline Bastida de Paula Roberto Almeida Torres Tiago Augusto Magalhães César Higa Nomura Luiz Francisco Rodrigues de Ávila José Rodrigues Parga Filho

Resumo

Fundamento

A quantificação não invasiva da reserva fracionada de fluxo miocárdico (FFR TC ) através de software baseado em inteligência artificial em versão mais atualizada e tomógrafo de última geração (384 cortes) apresenta elevada performance na detecção de isquemia coronariana.

Objetivos

Avaliar o desempenho diagnóstico da FFR TC na detecção de doença arterial coronariana (DAC) significativa em relação ao FFRi, em tomógrafos de gerações anteriores (128 e 256 cortes).

Métodos

Estudo retrospectivo com pacientes encaminhados à angiotomografia de artérias coronárias (TCC) e cateterismo (FFRi). Foram utilizados os tomógrafos Siemens Somatom Definition Flash (256 cortes) e AS+ (128 cortes). A FFR TC e a área luminal mínima (ALM) foram avaliadas em software (cFFR versão 3.0.0, Siemens Healthineers, Forchheim, Alemanha). DAC obstrutiva foi definida como TCC com redução luminal ≥50% e DAC funcionalmente obstrutiva como FFRi ≤0,8. Todos os valores de p reportados são bicaudais; e quando <0,05, foram considerados estatisticamente significativos.

Resultados

Noventa e três pacientes consecutivos (152 vasos) foram incluídos. Houve boa concordância entre FFR TC e FFRi, com mínima superestimação da FFR TC (viés: –0,02; limites de concordância: 0,14 a 0,09). Diferentes tomógrafos não modificaram a relação entre FFR TC e FFRi (p para interação = 0,73). A FFR TC demonstrou performance significativamente superior à classificação visual de estenose coronariana (AUC 0,93 vs. 0,61, p <0,001) e à ALM (AUC 0,93 vs. 0,75, p <0,001) reduzindo o número de casos falso-positivos. O melhor ponto de corte para a FFR TC utilizando um índice de Youden foi de 0,85 (sensiblidade, 87%; especificidade, 86%; VPP, 73%; NPV, 94%), com redução de falso-positivos.

Conclusão

FFR TC baseada em inteligência artificial, em tomógrafos de gerações anteriores (128 e 256 cortes), apresenta boa performance diagnóstica na detecção de DAC, podendo ser utilizada para reduzir procedimentos invasivos.

  • Aprendizado de máquina
  • Doença arterial coronariana
  • Isquemia Miocárdica
  • Reserva Fracionada de Fluxo Miocárdico
  • Tomografia Computadorizada
Ler artigo completo
Creative Commons Attribution (CC BY) Creative Commons license
14/06/2021 DOI: 10.36660/abc.20190329 Visualizações 14

Como citar este artigo

EndNote RIS

Formato de Documento Eletrônico (Vancouver)

Yao L, Dai Y, Liu Q, Sun J, Bai Y. Variabilidade da Pressão Arterial Pós-Operatória e Lesão Renal Aguda após Cirurgia de Revascularização do Miocárdio: Um Estudo MIMIC-IV. Arquivos Brasileiros de Cardiologia 2026;123(10):e20260177.

Formato de Documento Eletrônico (ABNT)

Yao, Ling-Song; Dai, Yu-Chen; Liu, Qing-Ren; Sun, Jie; Bai, Yunfei. Variabilidade da Pressão Arterial Pós-Operatória e Lesão Renal Aguda após Cirurgia de Revascularização do Miocárdio: Um Estudo MIMIC-IV. Arquivos Brasileiros de Cardiologia, v. 123, n. 10, e20260177, nov. 2026.

Formato de Documento Eletrônico (APA)

Yao, L., Dai, Y., Liu, Q., Sun, J., & Bai, Y. (2026). Variabilidade da Pressão Arterial Pós-Operatória e Lesão Renal Aguda após Cirurgia de Revascularização do Miocárdio: Um Estudo MIMIC-IV. Arquivos Brasileiros de Cardiologia, 123(10), e20260177.

Formato de Documento Eletrônico (ISO)

Yao, Ling-Song and Dai, Yu-Chen and Liu, Qing-Ren and Sun, Jie and Bai, Yunfei. Variabilidade da Pressão Arterial Pós-Operatória e Lesão Renal Aguda após Cirurgia de Revascularização do Miocárdio: Um Estudo MIMIC-IV. Arquivos Brasileiros de Cardiologia [online]. 2026, vol. 123, n. 10, [citado 2026-11-15], e20260177. Disponível em: <https://journals.cardiol.br/article/variabilidade-da-pressao-arterial-pos-operatoria-e-lesao-renal-aguda-apos-cirurgia-de-revascularizacao-do-miocardio-um-estudo-mimic-iv/>. ISSN 0066-782X

EndNote RIS

Formato de Documento Eletrônico (Vancouver)

Freitas AK, Bittencourt ALT, Barioni CTS, Wandresen RPB, Oberderfer AB, Chiaratti BC, Kakuda GP, et al. Inteligência Artificial na Insuficiência Cardíaca: O Novo Papel do Cardiologista. ABC Heart Fail Cardiomyop 2026;6:e20260032.

Formato de Documento Eletrônico (ABNT)

Freitas, Ana Karyn; Bittencourt, Ana Luisa Trentini; Barioni, Carina Toledo Scoparo; Wandresen, Renata Paes de Barros; Oberderfer, Aline Brizola; Chiaratti, Bruno Ceschin; Kakuda, Gustavo Pichel; Mussi Neto, Salim. Inteligência Artificial na Insuficiência Cardíaca: O Novo Papel do Cardiologista. ABC Heart Fail Cardiomyop, v. 6, e20260032, out. 2026.

Formato de Documento Eletrônico (APA)

Freitas, A. K., Bittencourt, A. L. T., Barioni, C. T. S., Wandresen, R. P. B., Oberderfer, A. B., Chiaratti, B. C., Kakuda, G. P., & Mussi Neto, S. (2026). Inteligência Artificial na Insuficiência Cardíaca: O Novo Papel do Cardiologista. ABC Heart Fail Cardiomyop, 6, e20260032.

Formato de Documento Eletrônico (ISO)

Freitas, Ana Karyn and Bittencourt, Ana Luisa Trentini and Barioni, Carina Toledo Scoparo and Wandresen, Renata Paes de Barros and Oberderfer, Aline Brizola and Chiaratti, Bruno Ceschin and Kakuda, Gustavo Pichel and Mussi Neto, Salim. Inteligência Artificial na Insuficiência Cardíaca: O Novo Papel do Cardiologista. ABC Heart Fail Cardiomyop [online]. 2026, vol. 6, [citado 2026-11-15], e20260032. Disponível em: <https://journals.cardiol.br/article/inteligencia-artificial-na-insuficiencia-cardiaca-o-novo-papel-do-cardiologista/>

EndNote RIS

Formato de Documento Eletrônico (Vancouver)

Costa GCFO, Rodriguez JGV, Costa GFO, Pimentel AML, Mesquita ET. Mapeamento Global da Pesquisa Sobre Inteligência Artificial Aplicada à Miocardite. ABC Heart Fail Cardiomyop 2026;6:e20260016.

Formato de Documento Eletrônico (ABNT)

Costa, Guilherme Cesar Fernandes de Oliveira da; Rodriguez, Jose Gregorio Valero; Costa, Giulia Fernandes de Oliveira da; Pimentel, Adriana Munford Lima; Mesquita, Evandro Tinoco. Mapeamento Global da Pesquisa Sobre Inteligência Artificial Aplicada à Miocardite. ABC Heart Fail Cardiomyop, v. 6, e20260016, ago. 2026.

Formato de Documento Eletrônico (APA)

Costa, G. C. F. O. , Rodriguez, J. G. V., Costa, G. F. O. , Pimentel, A. M. L., & Mesquita, E. T. (2026). Mapeamento Global da Pesquisa Sobre Inteligência Artificial Aplicada à Miocardite. ABC Heart Fail Cardiomyop, 6, e20260016.

Formato de Documento Eletrônico (ISO)

Costa, Guilherme Cesar Fernandes de Oliveira da and Rodriguez, Jose Gregorio Valero and Costa, Giulia Fernandes de Oliveira da and Pimentel, Adriana Munford Lima and Mesquita, Evandro Tinoco. Mapeamento Global da Pesquisa Sobre Inteligência Artificial Aplicada à Miocardite. ABC Heart Fail Cardiomyop [online]. 2026, vol. 6, [citado 2026-11-15], e20260016. Disponível em: <https://journals.cardiol.br/article/mapeamento-global-da-pesquisa-sobre-inteligencia-artificial-aplicada-a-miocardite/>

EndNote RIS

Formato de Documento Eletrônico (Vancouver)

Bozzi ICRS, Lima MCAG, Ribeiro ALP, Paixão GMM. Idade-ECG Derivada de Inteligência Artificial como Preditora de Mortalidade e Eventos Cardiovasculares: Revisão Sistemática e Metanálise. Arquivos Brasileiros de Cardiologia 2026;123(4):e20250650.

Formato de Documento Eletrônico (ABNT)

Bozzi, Isadora Cristine Reis Sguizzato; Lima, Maria Clara de Araujo Gontijo; Ribeiro, Antonio Luiz Pinho; Paixão, Gabriela Miana de Mattos. Idade-ECG Derivada de Inteligência Artificial como Preditora de Mortalidade e Eventos Cardiovasculares: Revisão Sistemática e Metanálise. Arquivos Brasileiros de Cardiologia, v. 123, n. 4, e20250650, jun. 2026.

Formato de Documento Eletrônico (APA)

Bozzi, I. C. R. S., Lima, M. C. A. G., Ribeiro, A. L. P., & Paixão, G. M. M. (2026). Idade-ECG Derivada de Inteligência Artificial como Preditora de Mortalidade e Eventos Cardiovasculares: Revisão Sistemática e Metanálise. Arquivos Brasileiros de Cardiologia, 123(4), e20250650.

Formato de Documento Eletrônico (ISO)

Bozzi, Isadora Cristine Reis Sguizzato and Lima, Maria Clara de Araujo Gontijo and Ribeiro, Antonio Luiz Pinho and Paixão, Gabriela Miana de Mattos. Idade-ECG Derivada de Inteligência Artificial como Preditora de Mortalidade e Eventos Cardiovasculares: Revisão Sistemática e Metanálise. Arquivos Brasileiros de Cardiologia [online]. 2026, vol. 123, n. 4, [citado 2026-11-15], e20250650. Disponível em: <https://journals.cardiol.br/article/idade-ecg-derivada-de-inteligencia-artificial-como-preditora-de-mortalidade-e-eventos-cardiovasculares-revisao-sistematica-e-metanalise/>. ISSN 0066-782X

EndNote RIS

Formato de Documento Eletrônico (Vancouver)

Ferreira MBD, Daikubara Neto JT, Cunha GSP, Moretti R, Reichert JT, Prado LM, Cirino RHD, et al. Um Novo Escore de Risco Baseado em Aprendizado de Máquina (Machine Learning) em Pacientes com Insuficiência Cardíaca Aguda: O Escore ML-HF. Arquivos Brasileiros de Cardiologia 2026;122(11):e20250136.

Formato de Documento Eletrônico (ABNT)

Ferreira, Matheus Bissa Duarte; Daikubara Neto, Jorge Tadashi; Cunha, Gustavo S. Pereira da; Moretti, Rafael; Reichert, Jessica Tamires; Prado, Lucas Müller; Cirino, Raphael Henrique Déa; Smith Jr, Sidney C; Taniguchi, Fábio Papa; Sposito, Andrei C.; Silvestre, Odilson M.; Nadruz, Wilson; Fernandes-Silva, Miguel Morita. Um Novo Escore de Risco Baseado em Aprendizado de Máquina (Machine Learning) em Pacientes com Insuficiência Cardíaca Aguda: O Escore ML-HF. Arquivos Brasileiros de Cardiologia, v. 122, n. 11, e20250136, jan. 2026.

Formato de Documento Eletrônico (APA)

Ferreira, M. B. D., Daikubara Neto, J. T., Cunha, G. S. P. , Moretti, R., Reichert, J. T., Prado, L. M., Cirino, R. H. D., Smith Jr, S. C., Taniguchi, F. P., Sposito, A. C., Silvestre, O. M., Nadruz, W., & Fernandes-Silva, M. M. (2026). Um Novo Escore de Risco Baseado em Aprendizado de Máquina (Machine Learning) em Pacientes com Insuficiência Cardíaca Aguda: O Escore ML-HF. Arquivos Brasileiros de Cardiologia, 122(11), e20250136.

Formato de Documento Eletrônico (ISO)

Ferreira, Matheus Bissa Duarte and Daikubara Neto, Jorge Tadashi and Cunha, Gustavo S. Pereira da and Moretti, Rafael and Reichert, Jessica Tamires and Prado, Lucas Müller and Cirino, Raphael Henrique Déa and Smith Jr, Sidney C and Taniguchi, Fábio Papa and Sposito, Andrei C. and Silvestre, Odilson M. and Nadruz, Wilson and Fernandes-Silva, Miguel Morita. Um Novo Escore de Risco Baseado em Aprendizado de Máquina (Machine Learning) em Pacientes com Insuficiência Cardíaca Aguda: O Escore ML-HF. Arquivos Brasileiros de Cardiologia [online]. 2026, vol. 122, n. 11, [citado 2026-11-15], e20250136. Disponível em: <https://journals.cardiol.br/article/um-novo-escore-de-risco-baseado-em-aprendizado-de-maquina-machine-learning-em-pacientes-com-insuficiencia-cardiaca-aguda-o-escore-ml-hf/>. ISSN 0066-782X

EndNote RIS

Formato de Documento Eletrônico (Vancouver)

Pinto Filho MM. Aplicabilidade de Algoritmos de Aprendizado de Máquina no Diagnóstico de Arritmias – Quanto Tempo Até a Máquina Começar a nos Ensinar?. Arquivos Brasileiros de Cardiologia 2025;122(8):e20250405.

Formato de Documento Eletrônico (ABNT)

Pinto Filho, Marcelo Martins. Aplicabilidade de Algoritmos de Aprendizado de Máquina no Diagnóstico de Arritmias – Quanto Tempo Até a Máquina Começar a nos Ensinar?. Arquivos Brasileiros de Cardiologia, v. 122, n. 8, e20250405, set. 2025.

Formato de Documento Eletrônico (APA)

Pinto Filho, M. M. (2025). Aplicabilidade de Algoritmos de Aprendizado de Máquina no Diagnóstico de Arritmias – Quanto Tempo Até a Máquina Começar a nos Ensinar?. Arquivos Brasileiros de Cardiologia, 122(8), e20250405.

Formato de Documento Eletrônico (ISO)

Pinto Filho, Marcelo Martins. Aplicabilidade de Algoritmos de Aprendizado de Máquina no Diagnóstico de Arritmias – Quanto Tempo Até a Máquina Começar a nos Ensinar?. Arquivos Brasileiros de Cardiologia [online]. 2025, vol. 122, n. 8, [citado 2026-11-15], e20250405. Disponível em: <https://journals.cardiol.br/article/aplicabilidade-de-algoritmos-de-aprendizado-de-maquina-no-diagnostico-de-arritmias-quanto-tempo-ate-a-maquina-comecar-a-nos-ensinar/>. ISSN 0066-782X

EndNote RIS

Formato de Documento Eletrônico (Vancouver)

Nascimento PCG, Martins MS, Improta-Caria AC, Aras Junior R. Aplicabilidade de Algoritmos de Machine Learning no Diagnóstico de Fibrilação Atrial e SQTL por Interpretação de Eletrocardiograma: Uma Revisão Sistemática. Arquivos Brasileiros de Cardiologia 2025;122(8):e20240843.

Formato de Documento Eletrônico (ABNT)

Nascimento, Paulo Cainan Guimarães do; Martins, Matthews Silva; Improta-Caria, Alex Cleber; Aras Junior, Roque. Aplicabilidade de Algoritmos de Machine Learning no Diagnóstico de Fibrilação Atrial e SQTL por Interpretação de Eletrocardiograma: Uma Revisão Sistemática. Arquivos Brasileiros de Cardiologia, v. 122, n. 8, e20240843, ago. 2025.

Formato de Documento Eletrônico (APA)

Nascimento, P. C. G. , Martins, M. S., Improta-Caria, A. C., & Aras Junior, R. (2025). Aplicabilidade de Algoritmos de Machine Learning no Diagnóstico de Fibrilação Atrial e SQTL por Interpretação de Eletrocardiograma: Uma Revisão Sistemática. Arquivos Brasileiros de Cardiologia, 122(8), e20240843.

Formato de Documento Eletrônico (ISO)

Nascimento, Paulo Cainan Guimarães do and Martins, Matthews Silva and Improta-Caria, Alex Cleber and Aras Junior, Roque. Aplicabilidade de Algoritmos de Machine Learning no Diagnóstico de Fibrilação Atrial e SQTL por Interpretação de Eletrocardiograma: Uma Revisão Sistemática. Arquivos Brasileiros de Cardiologia [online]. 2025, vol. 122, n. 8, [citado 2026-11-15], e20240843. Disponível em: <https://journals.cardiol.br/article/aplicabilidade-de-algoritmos-de-machine-learning-no-diagnostico-de-fibrilacao-atrial-e-sqtl-por-interpretacao-de-eletrocardiograma-uma-revisao-sistematica/>. ISSN 0066-782X

EndNote RIS

Formato de Documento Eletrônico (Vancouver)

Neves HAF, Yuasa BS, Costa THLP, Santos IE, Benavides YMR, Lofrano-Alves MS. Uso da Inteligência Artificial para Avaliação da Função Cardíaca pela Ecocardiografia: Revisão Sistemática do Estado da Arte. ABC Imagem Cardiovascular 2023;36(4):e20230085.

Formato de Documento Eletrônico (ABNT)

Neves, Henrique Alexsander Ferreira; Yuasa, Bruna Sadae; Costa, Thamires Hadassa Leite Pereira; Santos, Isabela Ertes; Benavides, Yannirê Milagros Roman; Lofrano-Alves, Marco Stephan. Uso da Inteligência Artificial para Avaliação da Função Cardíaca pela Ecocardiografia: Revisão Sistemática do Estado da Arte. ABC Imagem Cardiovascular, v. 36, n. 4, e20230085, dez. 2023.

Formato de Documento Eletrônico (APA)

Neves, H. A. F., Yuasa, B. S., Costa, T. H. L. P., Santos, I. E., Benavides, Y. M. R., & Lofrano-Alves, M. S. (2023). Uso da Inteligência Artificial para Avaliação da Função Cardíaca pela Ecocardiografia: Revisão Sistemática do Estado da Arte. ABC Imagem Cardiovascular, 36(4), e20230085.

Formato de Documento Eletrônico (ISO)

Neves, Henrique Alexsander Ferreira and Yuasa, Bruna Sadae and Costa, Thamires Hadassa Leite Pereira and Santos, Isabela Ertes and Benavides, Yannirê Milagros Roman and Lofrano-Alves, Marco Stephan. Uso da Inteligência Artificial para Avaliação da Função Cardíaca pela Ecocardiografia: Revisão Sistemática do Estado da Arte. ABC Imagem Cardiovascular [online]. 2023, vol. 36, n. 4, [citado 2026-11-15], e20230085. Disponível em: <https://journals.cardiol.br/article/uso-da-inteligencia-artificial-para-avaliacao-da-funcao-cardiaca-pela-ecocardiografia-revisao-sistematica-do-estado-da-arte/>. ISSN 2318-8219

EndNote RIS

Formato de Documento Eletrônico (Vancouver)

Trindade FB, Morais TC, Dantas Junior RN, Torres RVA, Soares CSP, Parga Filho JR. Nova Aplicação do FFRct na Prática Clínica: Avaliação de Trajeto Coronariano Anômalo Interarterial. ABC Imagem Cardiovascular 2023;36(2):e361.

Formato de Documento Eletrônico (ABNT)

Trindade, Fábio Bordin; Morais, Thamara Carvalho; Dantas Junior, Roberto Nery; Torres, Roberto Vitor Almeida; Soares, Clarice Santos Parreira; Parga Filho, José Rodrigues. Nova Aplicação do FFRct na Prática Clínica: Avaliação de Trajeto Coronariano Anômalo Interarterial. ABC Imagem Cardiovascular, v. 36, n. 2, e361, maio. 2023.

Formato de Documento Eletrônico (APA)

Trindade, F. B., Morais, T. C., Dantas Junior, R. N., Torres, R. V. A., Soares, C. S. P., & Parga Filho, J. R. (2023). Nova Aplicação do FFRct na Prática Clínica: Avaliação de Trajeto Coronariano Anômalo Interarterial. ABC Imagem Cardiovascular, 36(2), e361.

Formato de Documento Eletrônico (ISO)

Trindade, Fábio Bordin and Morais, Thamara Carvalho and Dantas Junior, Roberto Nery and Torres, Roberto Vitor Almeida and Soares, Clarice Santos Parreira and Parga Filho, José Rodrigues. Nova Aplicação do FFRct na Prática Clínica: Avaliação de Trajeto Coronariano Anômalo Interarterial. ABC Imagem Cardiovascular [online]. 2023, vol. 36, n. 2, [citado 2026-11-15], e361. Disponível em: <https://journals.cardiol.br/article/nova-aplicacao-do-ffrct-na-pratica-clinica-avaliacao-de-trajeto-coronariano-anomalo-interarterial/>. ISSN 2318-8219

EndNote RIS

Formato de Documento Eletrônico (Vancouver)

Paixão GMM, Santos BC, Araujo RM, Ribeiro MH, Moraes JL, Ribeiro AL. Machine Learning na Medicina: Revisão e Aplicabilidade. Arquivos Brasileiros de Cardiologia 2022;118(1):95-102.

Formato de Documento Eletrônico (ABNT)

Paixão, Gabriela Miana de Mattos; Santos, Bruno Campos; Araujo, Rodrigo Martins de; Ribeiro, Manoel Horta; Moraes, Jermana Lopes de; Ribeiro, Antonio L.. Machine Learning na Medicina: Revisão e Aplicabilidade. Arquivos Brasileiros de Cardiologia, v. 118, n. 1, p. 95-102, fev. 2022.

Formato de Documento Eletrônico (APA)

Paixão, G. M. M., Santos, B. C., Araujo, R. M. , Ribeiro, M. H., Moraes, J. L. , & Ribeiro, A. L. (2022). Machine Learning na Medicina: Revisão e Aplicabilidade. Arquivos Brasileiros de Cardiologia, 118(1), 95-102.

Formato de Documento Eletrônico (ISO)

Paixão, Gabriela Miana de Mattos and Santos, Bruno Campos and Araujo, Rodrigo Martins de and Ribeiro, Manoel Horta and Moraes, Jermana Lopes de and Ribeiro, Antonio L.. Machine Learning na Medicina: Revisão e Aplicabilidade. Arquivos Brasileiros de Cardiologia [online]. 2022, vol. 118, n. 1, [citado 2026-11-15], pp. 95-102. Disponível em: <https://journals.cardiol.br/article/machine-learning-na-medicina-revisao-e-aplicabilidade/>. ISSN 0066-782X

EndNote RIS

Formato de Documento Eletrônico (Vancouver)

Askin L, Tanrıverdi O, Cetin M. Algoritmos Artificiais Superam os Modelos Tradicionais na Predição de Doença Arterial Coronariana. Arquivos Brasileiros de Cardiologia 2021;117(6):1071-2.

Formato de Documento Eletrônico (ABNT)

Askin, Lutfu; Tanrıverdi, Okan; Cetin, Mustafa. Algoritmos Artificiais Superam os Modelos Tradicionais na Predição de Doença Arterial Coronariana. Arquivos Brasileiros de Cardiologia, v. 117, n. 6, p. 1071-1072, dez. 2021.

Formato de Documento Eletrônico (APA)

Askin, L., Tanrıverdi, O., & Cetin, M. (2021). Algoritmos Artificiais Superam os Modelos Tradicionais na Predição de Doença Arterial Coronariana. Arquivos Brasileiros de Cardiologia, 117(6), 1071-1072.

Formato de Documento Eletrônico (ISO)

Askin, Lutfu and Tanrıverdi, Okan and Cetin, Mustafa. Algoritmos Artificiais Superam os Modelos Tradicionais na Predição de Doença Arterial Coronariana. Arquivos Brasileiros de Cardiologia [online]. 2021, vol. 117, n. 6, [citado 2026-11-15], pp. 1071-1072. Disponível em: <https://journals.cardiol.br/article/algoritmos-artificiais-superam-os-modelos-tradicionais-na-predicao-de-doenca-arterial-coronariana/>. ISSN 0066-782X

EndNote RIS

Formato de Documento Eletrônico (Vancouver)

Morais TC, Assunção-Jr AN, Dantas Júnior RN, Silva CFG, Paula CB, Torres RA, Magalhães TA, et al. Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial. Arquivos Brasileiros de Cardiologia 2021;116(6):1091-8.

Formato de Documento Eletrônico (ABNT)

Morais, Thamara Carvalho; Assunção-Jr, Antonildes Nascimento; Dantas Júnior, Roberto Nery; Silva, Carla Franco Grego da; Paula, Caroline Bastida de; Torres, Roberto Almeida; Magalhães, Tiago Augusto; Nomura, César Higa; Ávila, Luiz Francisco Rodrigues de; Parga Filho, José Rodrigues. Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial. Arquivos Brasileiros de Cardiologia, v. 116, n. 6, p. 1091-1098, jun. 2021.

Formato de Documento Eletrônico (APA)

Morais, T. C., Assunção-Jr, A. N., Dantas Júnior, R. N., Silva, C. F. G. , Paula, C. B. , Torres, R. A., Magalhães, T. A., Nomura, C. H., Ávila, L. F. R. , & Parga Filho, J. R. (2021). Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial. Arquivos Brasileiros de Cardiologia, 116(6), 1091-1098.

Formato de Documento Eletrônico (ISO)

Morais, Thamara Carvalho and Assunção-Jr, Antonildes Nascimento and Dantas Júnior, Roberto Nery and Silva, Carla Franco Grego da and Paula, Caroline Bastida de and Torres, Roberto Almeida and Magalhães, Tiago Augusto and Nomura, César Higa and Ávila, Luiz Francisco Rodrigues de and Parga Filho, José Rodrigues. Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial. Arquivos Brasileiros de Cardiologia [online]. 2021, vol. 116, n. 6, [citado 2026-11-15], pp. 1091-1098. Disponível em: <https://journals.cardiol.br/article/performance-diagnostica-da-ffr-por-angiotomografia-de-coronarias-atraves-de-software-baseado-em-inteligencia-artificial/>. ISSN 0066-782X

  • Sobre a Família ABC
  • Regimento Interno
  • Conselho Editorial
  • Sociedade Brasileira de Cardiologia (SBC)

Edições

Diretrizes da SBC

  • Vídeos
  • Podcasts
  • Notícias
Accessibility Adjustments

Powered by OneTap

How long do you want to hide the toolbar?
Hide Toolbar Duration
Select your accessibility profile
Vision Impaired Mode
Enhances website's visuals
Seizure Safe Profile
Clear flashes & reduces color
ADHD Friendly Mode
Focused browsing, distraction-free
Blindness Mode
Reduces distractions, improves focus
Epilepsy Safe Mode
Dims colors and stops blinking
Content Modules
Font Size

Default

Line Height

Default

Color Modules
Orientation Modules