Artigos de Revisão
The Impact of Technology and Digital Health on Cardiology: A Review of the Present to Reach the Future
Conteúdo principal do artigo
Resumo
A integração das tecnologias de saúde digital está a revolucionar o campo da cardiologia, particularmente no diagnóstico, tratamento e gestão das doenças crónicas cardiovasculares (DCV). Os rápidos avanços em wearables, em inteligência artificial (IA) e na telemedicina permitiram estratégias de cuidados mais precisas, previsíveis e personalizadas, transformando o panorama da saúde cardiovascular. Os wearables, como os relógios inteligentes com capacidades de eletrocardiograma (ECG), melhoraram a deteção precoce de arritmias, em particular da fibrilhação auricular (FA), melhorando os resultados nomeadamente por intervenções mais atempadas. De igual modo, as ferramentas de diagnóstico impulsionadas por IA e os modelos de aprendizagem automática (machine learning, ML) demonstraram uma precisão superior na interpretação de ECGs e na identificação de arritmias complexas, frequentemente com capacidade de superar os métodos tradicionais.
A telessaúde também ganhou relevância, especialmente durante a pandemia de COVID-19, ao facilitar a monitorização remota de DCV crónicas. Os dispositivos de monitorização remota, incluindo pacemakers implantáveis e desfibriladores, reduziram ainda mais as taxas de mortalidade ao fornecer dados em tempo real aos profissionais de saúde, permitindo intervenções cada vez mais precoces. Os modelos de linguagem de IA, como o ChatGPT, estão a ser utilizados para acelerar a investigação, auxiliar na tomada de decisões clínicas e melhorar o envolvimento dos pacientes através de educação personalizada e assistência em tempo real.
Para além destes avanços, as terapêuticas digitais e as plataformas de saúde móvel (mHealth) estão a fornecer feedback em tempo real aos pacientes e a melhorar a adesão às prescrições médicas, o que é crucial para a gestão de condições crónicas como a hipertensão e a insuficiência cardíaca. A medicina genómica e metabolómica, com o seu enfoque na cardiologia de precisão, permitem planos de tratamento personalizados com base no perfil genético do indivíduo, com uma mais notória melhoria com risco de doenças cardiovasculares hereditárias.
Apesar dos desenvolvimentos promissores, permanecem desafios, incluindo a necessidade de uma melhor integração com os sistemas de saúde, preocupações com a privacidade dos dados e a garantia de acesso equitativo a estas tecnologias. No entanto, o futuro da cardiologia deverá ser pautado por avanços contínuos na conjugação das diversas tecnologias, abrindo caminho para cuidados verdadeiramente proativos e personalizados.
Detalhes do artigo
Este trabalho encontra-se publicado com a Creative Commons Atribuição-NãoComercial 4.0.
Referências
Lubitz SA, Faranesh AZ, Selvaggi C, Atlas SJ, McManus DD, Singer D, et al. Detection of Atrial Fibrillation in a Large Population Using Wearable Devices: The Fitbit Heart Study. Circulation. 2022;146:1415–24. doi: 10.1161/CIRCULATIONAHA.122.060291
Kuan PX, Chan WK, Fern Ying DK, Rahman MAA, Peariasamy K, et al. Efficacy of telemedicine for the management of cardiovascular disease: a systematic review and meta-analysis. The Lancet. Digital Health. 2022;4:e676–91. doi:10.1016/S2589-7500(22)00124-8
Chaikijurajai T, Laffin LJ, Tang WHW. Artificial Intelligence and Hypertension: Recent Advances and Future Outlook. Am J Hypertens. 2020;33:967–74. doi:10.1093/ajh/hpaa102
Pekmezaris R, Tortez L, Williams M. Home telemonitoring in heart failure: a systematic review and meta-analysis. Health Aff. 2018;37:1983-9. doi:10.1377/hlthaff.2018.05087
Muzammil M, Javid S, Afridi A, Siddineni A, Shahabi M, Haseeb M, et al. Artificial intelligence-enhanced electrocardiography for accurate diagnosis and management of cardiovascular diseases. J Electrocardiol. 2024;83:30-40. doi:10.1016/j.jelectrocard.2024.01.006
Khera R, Oikonomou E, Nadkarni G. Transforming Cardiovascular Care With Artificial Intelligence: From Discovery to Practice: JACC State-of-the-Art Review. JACC. 2024;84:97–114. doi:10.1016/j.jacc.2024.05.003
Siddiqui S, Ahmad A, Fatima N. IoT-based disease prediction using machine learning. Comput Electr Eng. 2023;108:108675. doi:10.1016/j.compeleceng.2023.108675
Ferguson C, Wynne R, Inglis SC. Wearable cardiac monitoring pusing smart-devices for the detection of atrial fibrillation in adults. Cochrane Database Syst Rev. 2021;2021:CD014629. doi:10.1002/14651858. CD014629
Kalasin S, Surareungchai W. Challenges of emerging wearable sensors for remote monitoring toward telemedicine healthcare. Anal Chem. 2023;95:1773-84. doi: 10.1021/acs.analchem.2c02642
Bashar S, Ding E, Whitcomb C, McManus D, Chon K. Smartwatch Based Atrial Fibrillation Detection from Photoplethysmography Signals. In: 2019 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). 2019. 4306-9. doi: 10.1109/EMBC.2019.8856928
Al-Mallah MH. Introduction to the Special Issue: Myocardial Imaging in Heart Failure. Heart Fail Rev. 2017;22:381–3. doi:10.1007/s10741-017-9633-4
Heidenreich PA, Bozkurt B, Aguilar D, Allen LA, Byun JJ, Colvin MM, et al. 2022 AHA/ACC/HFSA Guideline for the Management of Heart Failure: A Report of the American College of Cardiology/American Heart Association Joint Committee on Clinical Practice Guidelines. Circulation. 2022;145:e895–e1032. doi:10.1161/CIR.0000000000001063
Pegoraro V, Bidoli C, Dal Mas F, Bert F, Cobianchi L, Zantedeschi M, et al. Cardiology in a Digital Age: Opportunities and Challenges for e-Health: A Literature Review. J Clin Med. 2023;12:4278. doi:10.3390/jcm12134278
Bhardwaj A, Bandyopadhyay R, Kumar R, Neelapu B, Pal K, Sivaraman J. Artificial intelligence techniques for diagnosis of atrial fibrillation. In: Advances in Artificial Intelligence. London: Academic Press; 2024. p. 203-235.
Giudicessi J, Kullo I, Ackerman M. Precision Cardiovascular Medicine: State of Genetic Testing. Mayo Clin Proc. 2017;92:64262. doi:10.1016/j.mayocp.2017.01.015
Gray M, Fatkin D, Ingles J, Robertson E, Figtree G. Genetic testing in cardiovascular disease. Med J Aust. 2024;220:428-34. doi:10.5694/mja2.52278
Williams G, Al-Baraikan A, Ciravegna F, N van de Vosse F, Lawrie D, Rothman A, et al. Wearable technology and the cardiovascular system: the future of patient assessment. Lancet Digit Health. 2023;5:e467-e476. doi: 10.1016/S2589-7500(23)00087-0
Karatzia L, Aung N, Aksentijevic D. Artificial Intelligence in Cardiology: Hope for the future and power for the present. Front Cardiovasc Med. 2022;9. doi:10.3389/fcvm.2022.945726
Cai Y, Cai YQ, Tang LY, Wang YH, Gong M, Jing TC, et al. Artificial intelligence in the risk prediction models of cardiovascular disease and development of an independent validation screening tool: a systematic review. BMC Med. 2024;22:56. doi:10.1186/s12916-024-03273-7
Gupta MD, Kunal S, Girish MP, Gupta A, Yadav R. Artificial intelligence in cardiology: The past, present and future. Indian Heart J. 2022;74:265–69. doi:10.1016/j.ihj.2022.07.004
Turchioe M, Slotwiner D. Screening for atrial fibrillation using digital health: moving from promises to reality. JACC Adv. 2023;2:100621. doi: 10.1016/j.jacadv.2023.100621
Vandenberk B, Chew DS, Prasana D, Gupta S, Exner DV. Successes and challenges of artificial intelligence in cardiology. Front Digit Health. 2023;5:1201392. doi:10.3389/fdgth.2023.1201392
Hannun AY, Rajpurkar P, Haghpanahi M, Tison G, Bourn C, Turakhia M, et al. Cardiologist-level arrhythmia detection and classification in ambulatory electrocardiograms using a deep neural network. Nat Med. 2019;25:65–9. doi:10.1038/s41591-018-0268-3
Attia ZI, Noseworthy PA, Lopez-Jimenez F, Asirvatham SJ, Deshmukh AJ, Gersh BJ, et al. An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm: a retrospective analysis of outcome prediction. Lancet. 2019;394:861-7. doi: 10.1016/S0140-6736(19)31721-0
Finet P, Jeannès R, Dameron O, Gibaud B. Review of current telemedicine applications for chronic diseases. IRBM. 2015;36:133-57. doi: 10.1016/j.irbm.2015.01.009
Sharma S, Rawal R, Shah D. Addressing the challenges of AI-based telemedicine: Best practices and lessons learned. J Educ Health Promot. 2023;1:338. doi: 10.4103/jehp.jehp_402_23
Chao TF, Potpara TS, Lip GYH. Atrial fibrillation: stroke prevention. Lancet Reg Health Eur. 2024;37:100797. doi: 10.1016/j.lanepe.2023.100797
Kilic A. Artificial Intelligence and Machine Learning in Cardiovascular Health Care. Ann Thorac Surg. 2020;109:1323-9. doi: 10.1016/j.athoracsur.2019.09.042