O paradigma tradicional do infarto do miocárdio com elevação do segmento ST (STEMI) tem direcionado a identificação e o tratamento da oclusão coronária aguda (ACO) em ambientes hospitalares e fora do hospital (OOH). Evidências crescentes sugerem que ele falha em identificar uma proporção substancial de casos de ACO, levando a atrasos na intervenção e oportunidades de tratamento perdidas. O paradigma do infarto do miocárdio por oclusão (OMI) surgiu como uma estrutura diagnóstica mais inclusiva, enfatizando o reconhecimento da ACO independentemente da elevação do segmento ST. Embora o OMI ofereça uma classificação mais precisa, sua adoção em ambientes OOH apresenta desafios, particularmente devido à complexidade da interpretação do ECG e à variabilidade na experiência dos clínicos. A inteligência artificial (IA) tem o potencial de abordar essas limitações, fornecendo análise de ECG em tempo real, melhorando a precisão diagnóstica e reduzindo a variabilidade entre avaliadores. Modelos impulsionados por IA, particularmente redes neurais artificiais, demonstraram superior sensibilidade na detecção de ACO em comparação com a interpretação clínica usando os critérios tradicionais de STEMI, com a capacidade de identificar a oclusão de forma mais precoce e consistente. Além disso, a integração da IA com a telemedicina poderia facilitar a consulta remota a especialistas, garantindo tomadas de decisão em tempo hábil, particularmente em ambientes com recursos limitados. Ao melhorar a precisão diagnóstica e possibilitar intervenções mais precoces, a IA tem o potencial de aprimorar o atendimento cardiológico pré-hospitalar e, por fim, os resultados dos pacientes. Pesquisas futuras devem se concentrar na otimização de modelos de IA, integrando-os nos fluxos de trabalho OOH e validando sua eficácia no mundo real no manejo da síndrome coronária aguda.
Bishop et al. (Ter,) estudaram esta questão.