Modelele de inteligență artificială au o acuratețe crescută în îngrijirea cardiacă
Stopul cardiac rămâne una dintre cele mai urgente și implacabile urgențe medicale, unde fiecare minut poate influența supraviețuirea și recuperarea neurologică.
Îngrijirea tradițională se bazează pe recunoașterea rapidă, resuscitare cardiopulmonară de calitate, defibrilare, suport avansat de viață și management post-aparținere, însă ratele de supraviețuire rămân limitate, în special după stopul cardiac în afara spitalului.
În același timp, spitalele și sistemele de urgență generează acum volume mari de date din dosarele medicale electronice, dispozitivele de monitorizare, apelurile de urgență și tehnologiile purtabile. Aceste fluxuri de date creează oportunități pentru inteligența artificială, dar multe modele rămân retrospective, greu de interpretat sau testate insuficient în diverse medii clinice.
Din cauza acestor provocări, este necesară o cercetare aprofundată în domeniul inteligenței artificiale pe întregul parcurs al îngrijirii în cazul stopului cardiac.
Un grup de cercetători de la Departamentul de Medicină de Urgență al Universității Sun Yat-sen și de la Spitalul Memorial Sun Yat-sen a publicat o revizuire în numărul din 2026 al World Journal of Emergency Medicine. Articolul oferă o perspectivă amplă asupra aplicațiilor inteligenței artificiale atât în cazul stopului cardiac în spital, cât și în afara acestuia, acoperind aspecte precum predicția, suportul în timpul resuscitării, prognoza, modelele de limbaj de mari dimensiuni, gestionarea apelurilor de urgență, detectarea prin tehnologie purtabilă, identificarea ritmului, educația și identificarea pacienților pentru resuscitare extracorporeală.
Revizuirea a urmat liniile directoare ale Elementelor de raportare preferate pentru revizuirile sistematice și meta-analize și a căutat în PubMed, Embase, Cochrane Library și Web of Science de la începutul bazelor de date până pe 10 iunie 2025. După ce au analizat 2.108 înregistrări, echipa a inclus 114 studii și a evaluat 92 de modele de inteligență artificială.
Majoritatea studiilor s-au concentrat pe predicția înainte de apariția stopului cardiac, în special în spitale, unde un model de perceptron multimodal a obținut cel mai mare scor raportat de 0,998 în ceea ce privește aria sub curba caracteristică de operare a receptorului (AUC).
În predicția stopului cardiac în afara spitalului, modelele de boosting extrem și pădure aleatoare au atins un AUC de 0,950. Pentru suportul deciziilor legate de resuscitare, modelele de rețele neuronale convoluționale au arătat o performanță puternică, cu un AUC de 0,990. Modelele de prognoză au fost, de asemenea, studiate pe larg, în special după stopul cardiac în afara spitalului, unde un model de perceptron multimodal a atins 0,976.
Revizuirea a surprins și direcții mai noi, inclusiv modelele de limbaj de mari dimensiuni, cum ar fi sistemele generative pre-antrenate, recunoașterea apelurilor de urgență, detectarea prin tehnologie purtabilă și educația asistată de inteligența artificială.
Autorii au declarat că revizuirea demonstrează că inteligența artificială nu mai este restricționată la un singur punct în parcursul stopului cardiac. Aceasta se extinde pe întregul lanț de îngrijire, de la semnele de avertizare înainte de colaps până la deciziile luate în timpul resuscitării și recuperării după restabilirea circulației spontane.
Ei au subliniat că următorul pas nu este doar construirea unor algoritmi mai buni, ci și testarea acestora în medii clinice multicentrice, facilitarea înțelegerii lor de către clinicieni și asigurarea că îmbunătățesc rezultatele reale ale pacienților, nu doar scorurile de performanță ale modelelor.
Studiul evidențiază mai multe implicații practice pentru sistemele de urgență și îngrijire critică. Inteligența artificială ar putea ajuta spitalele să identifice pacienții aflați în risc de stop cardiac în spital înainte ca deteriorarea să devină ireversibilă. În medii pre-spital, aceasta ar putea sprijini dispeceratul de urgență, localizarea defibrilatoarelor externe automate și feedback-ul în timp real pentru resuscitarea cardiopulmonară.
După resuscitare, inteligența artificială ar putea asista în prognoză, planificarea reabilitării și designul studiilor clinice. Cu toate acestea, revizuirea avertizează că dezechilibrul datelor, validarea externă limitată, lacunele de infrastructură, preocupările legate de confidențialitate și biasul algoritmic rămân bariere majore. Lucrările viitoare ar trebui să se concentreze pe studii prospective, modele explicabile și desfășurarea echitabilă în medii cu resurse atât ridicate, cât și limitate.
