Detecção de Arritmias Cardíacas em Sinais de Eletrocardiograma Utilizando Redes Neurais Artificiais

Descrição

Nos últimos anos, a aplicação da Inteligência Artificial (IA) na área da saúde tem ganhado desta- que, especialmente no auxı́lio ao diagnóstico de doenças cardı́acas, que continuam sendo a principal causa de morte no mundo. De acordo com a Organização Mundial da Saúde (OMS), o número de óbitos por doenças cardı́acas aumentou em mais de 2 milhões desde o ano 2000, alcançando cerca de 9 milhões em 2019 [1]. Entre essas condições, as arritmias cardı́acas se destacam pela sua associação com complicações graves, como acidentes vasculares cerebrais (AVCs) e insuficiência cardı́aca. O eletrocardiograma (ECG) é um dos exames mais utilizados na prática clı́nica para identificar alterações no ritmo do coração. No entanto, a análise desses sinais de forma manual pode ser trabalhosa e depende muito da experiência do profissional, o que pode levar a erros de diagnóstico. Nesse cenário, o uso de técnicas de IA surge como uma alternativa promissora, trazendo agilidade e maior precisão na detecção de anomalias. As principais abordagens implementadas incluem redes neurais, Transformada Wavelet e Máqui- nas de Vetores de Suporte (SVM –Support Vector Machines). Com o avanço do aprendizado de má- quina (Machine Learning) e, mais recentemente, do aprendizado profundo (Deep Learning), tornou- se possı́vel desenvolver sistemas capazes de reconhecer padrões complexos em sinais biomédicos, como os ECG, classificando automaticamente diferentes tipos de arritmias. Diversos estudos apre- sentaram resultados promissores, especialmente com o uso de bases de dados públicas, como a MIT-BIH Arrhythmia Database [2] e a PTB-XL [3], amplamente adotadas na validação de modelos voltados para essa finalidade devido à anotações clı́nicas e diversidade de registros. Este projeto de pesquisa tem como objetivo desenvolver um modelo computacional baseado em IA capaz de detectar arritmias cardı́acas, a partir de sinais de ECG. A proposta é construir um sistema eficiente, que possa colaborar com o diagnóstico clı́nico e, futuramente, integrar soluções tecnológicas voltadas para a saúde, contribuindo para um atendimento mais ágil, acessı́vel e preciso.