Desempenho de um chatbot clínico na interpretação de cineangiocoronariografia: análise comparativa com cardiologistas intervencionistas
DOI:
https://doi.org/10.59681/2175-4411.v18.2026.1577Palavras-chave:
Cardiologia, Saúde Cardiovascular, Tecnologia BiomédicaResumo
Objetivo: Investigar a acurácia e a capacidade preditiva de um chatbot de IA na formulação de condutas clínicas a partir de resultados de cineangiocoronariografia, comparando suas recomendações às de cardiologistas intervencionistas. Método: Estudo comparativo, de abordagem mista, realizado no setor de hemodinâmica no estado da Paraíba. Foram selecionados 15 cardiologistas intervencionistas, que avaliaram três casos clínicos construídos a partir de exames de CATE de pacientes com SCA. Resultados: Observou-se predomínio de concordância nas questões Q1 (92%) e Q3 (77%), indicando boa aceitação das condutas em cenários mais lineares e alinhados a protocolos. Na Q2, 54% dos participantes discordaram da conduta, evidenciando maior distância entre a IA e o consenso dos especialistas em decisões de revascularização mais complexas. Conclusão: O chatbot mostrou desempenho globalmente satisfatório em situações selecionadas, podendo atuar como suporte complementar ao cardiologista intervencionista e como recurso formativo em ações de extensão.
Downloads
Referências
Brasil. Ministério da Saúde. Cerca de 400 mil pessoas morreram em 2022 no Brasil por problemas cardiovasculares. Brasília, DF: Ministério da Saúde; 2023. Disponível em: https://bvsms.saude.gov.br/cerca-de-400-mil-pessoas-morreram-em-2022-no-brasil-prproblemas-cardiovasculares/. Acesso em: 25 abr. 2025.
Ferreira AP, Silva ER, Pereira EC de O. Fatores sociodemográficos e comportamentais associados ao risco cardiovascular em adultos: estudo de base populacional em Campinas, São Paulo, Brasil. Rev Bras Epidemiol. 2021;24:e210008. DOI: 10.1590/1980-549720210013.supl.2. Acesso em: 17 jun. 2025.
World Health Organization. Cardiovascular diseases (CVDs) [Internet]. Geneva: World Health Organization; 2025. Disponível em:https://www.who.int/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds). Acesso em: 17 jun. 2025.
Agência Brasil. Doenças cardiovasculares matam 400 mil brasileiros por ano. Brasília (DF): Agência Brasil; 29 set. 2024. Disponível em: https://agenciabrasil.ebc.com.br/saude/noticia/2024-09/doencas-cardiovasculares-matam400-mil-brasileiros-por-ano. Acesso em: 25 abr. 2025.
Cerci, R. J. et al. O Impacto da COVID-19 no Diagnóstico de Doenças Cardíacas na América Latina Uma Subanálise do INCAPS COVID. Arquivos Brasileiros de Cardiologia, [s. l.], v. 118, n. 4, p. 745–753, abr. 2022. Disponível em: https://www.scielo.br/j/abc/a/4x8TTTyVbDmhdpsQWYdpFKK/. Acesso em: 17 jun. 2025.
Martins, Victor Balceiro Legname; THOM, Laysla Rangel Freitas; GONÇALVES, Júlia Mayse Soares; DESTEFANI, Afrânio Côgo. Avanços da inteligência artificial na cardiologia: uma revisão abrangente. Revista Ibero-Americana de Humanidades, Ciências e Educação – REASE, São Paulo, v. 10, n. 4, p. 2442–2453, abr. 2024. Disponível em: https://periodicorease.pro.br/rease/article/view/13643/6689. Acesso em: 25 abr. 2025.
SANTOS, Maria Aparecida; OLIVEIRA, João Carlos. O impacto da inteligência artificial na educação contemporânea. Revista Apoena, Salvador, v. 5, n. 2, p. 45–60, jul./dez. 2023. Disponível em: https://publicacoes.unijorge.com.br/apoena/article/view/396/364. Acesso em: 25 abr. 2025.
Genaro LE, Marconato JV, Pinotti FE, Valsecki Júnior A, Adas Saliba T, Lopez Rosell F. Discurso do sujeito coletivo: bases conceituais, enfoques e aplicações em pesquisas qualitativas. Rev. Pesq. Qual. [Internet]. 14º de outubro de 2024 [citado 12º de dezembro de 2025];12(32):553-69. Disponível em: https://editora.sepq.org.br/rpq/article/view/739
Bancovsky E. Acurácia do algoritmo de inteligência artificial para auditoria de qualidade de exames de ultrassonografia abdominal [tese]. São Paulo: Universidade Federal de São Paulo, Escola Paulista de Medicina; 2022. 54 f.
Melo GBP, Araujo IBB, Guedes GP, Alves RN, Requeijo MJR. Um comparativo entre a inteligência artificial e os médicos radiologistas no campo da interpretação de exames de imagens. Research, Society and Development. 2024;13(11):e125131147411.DOI:10.33448/rsd-v13i1.47411.
Roski J, Chapman W, Heffner J, Patel R, Weinstein J, Zink A. How artificial intelligence is changing health and health care. In: Whicher D, Ahmed M, Israni ST, et al., editors. Artificial Intelligence in Health Care: The Hope, the Hype, the Promise, the Peril [Internet]. Washington (DC): National Academies Press (US); 2023 Aug 2 [cited 2025 Dec 12]. Available from: https://www.ncbi.nlm.nih.gov/books/NBK605950/
Harskamp, R. E.; De Clercq, L. Performance of ChatGPT as an AI-assisted decision support tool in medicine: a proof-of-concept study for interpreting symptoms and management of common cardiac conditions (AMSTELHEART-2). Acta Cardiologica, v. 79, n. 3, p. 358-366, 2024. DOI: https://doi.org/10.1080/00015385.2024.2303528.
Yavuz, Y. E.; Kahraman, F. Evaluation of the prediagnosis and management of ChatGPT-4.0 in clinical cases in cardiology. Future Cardiology, v. 20, n. 4, p. 197-207, 2024. DOI: https://doi.org/10.1080/14796678.2024.2348898.
Baladrón, C. et al. Assessing the accuracy of ChatGPT as a decision support tool in cardiology. Revista Española de Cardiología (English Edition), v. 77, n. 5, p. 433-435, 2024. DOI: https://doi.org/10.1016/j.rec.2023.11.011.
Fernández-Cisnal, A. et al. Performance of an artificial intelligence chatbot with web search capability in cardiology-related assistance: a simulation study. Revista Española de Cardiología (English Edition), v. 76, n. 12, p. 1065-1067, 2023. DOI: https://doi.org/10.1016/j.rec.2023.06.008.
Monroe, C. L. et al. Evaluation of responses to cardiac imaging questions by the artificial intelligence large language model ChatGPT. Clinical Imaging, v. 112, p. 110193, 2024. DOI: https://doi.org/10.1016/j.clinimag.2024.110193.
Mola, S.; Yildirim, A.; Gül, E. B. Artificial intelligence in cardiac treatment decision-making: an evaluation of the performance of ChatGPT versus the heart team in coronary revascularization. Reviews in Cardiovascular Medicine, v. 26, n. 8, p. 38705, 2025. DOI: https://doi.org/10.31083/RCM38705.
Sudri, K. et al. Enhancing coronary revascularization decisions: the promising role of large language models as a decision-support tool for multidisciplinary heart team. Circulation: Cardiovascular Interventions, v. 17, n. 11, p. e014201, 2024. DOI: https://doi.org/10.1161/CIRCINTERVENTIONS.124.014201.
Jiang, S. et al. Knowledge, attitudes, and practices of cardiovascular health care personnel regarding coronary CTA and AI-assisted diagnosis: a cross-sectional study. Journal of Global Health, v. 15, p. 04103, 2025. DOI: https://doi.org/10.7189/jogh.15.04103.
Ozkan, E. et al. Global health care professionals’ perceptions of large language model use in practice: cross-sectional survey study. JMIR Medical Education, v. 11, p. e58801, 2025. DOI: https://doi.org/10.2196/58801.
Algoraini, Y. et al. Perceptions of large language models in medical education and clinical practice among pediatric emergency physicians in Saudi Arabia: a multiregional cross-sectional study. Frontiers in Public Health, v. 13, p. 1634638, 2025. DOI: https://doi.org/10.3389/fpubh.2025.1634638.
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Josivan Soares Alves Júnior, Thayse Mota Alves, Debora Regina Alves Raposo, Alex Junior Vieira Sousa, Josué Luis Pereira Negreiros, Larissa Gomes Freire, Evely Laís Valença Melo, Cosme Michael Santos Farias
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
