Sobre o HeartLab

O estudo marco validando o ECG wearable para detecção de fibrilação atrial. 419.297 participantes. Valor preditivo positivo do Apple Watch: 84%. Este estudo provou que wearables de consumo podem ser uma ferramenta de rastreamento legítima para FA.

Comparação direta mostrando 94,5% de sensibilidade e 95,7% de especificidade para detecção de FA. O Apple Watch classificou corretamente o ritmo sinusal em 99,3% dos casos.

Modelos de deep learning alcançaram precisão em nível de cardiologista para 12 classes de ritmo. Sensibilidade na detecção de PVC: 93,2%. Detecção de PAC: 88,7%. ECGs wearable de derivação única podem detectar muito mais do que se pensava originalmente.

500 pacientes usaram tanto Apple Watch quanto Holter por 7 dias. Detecção de FA: 97% de sensibilidade (Watch, 7 dias) vs 89% (Holter, 24h). Correlação de carga PVC: r=0,82. Para rastreamento de FA, uma semana de ECGs de smartwatch pode superar o Holter tradicional de 24h.

Uma rede neural convolucional de 34 camadas que iguala ou supera a precisão de cardiologistas certificados na classificação de 12 tipos diferentes de ritmo cardíaco a partir de dados de ECG de derivação única. Este trabalho fundamental demonstrou que a IA pode interpretar de forma confiável o ECG de derivação única — o mesmo tipo de sinal usado pelo Apple Watch.

Revisão sistemática validando que métricas de HRV derivadas de wearables de consumo (RMSSD, SDNN) mostram forte concordância com equipamentos de grau clínico (r > 0,90). Confirma que dados de intervalos R-R de ECGs wearable são confiáveis para o cálculo de HRV.

QTc > 500 ms apresenta risco 2-3x aumentado de Torsades de Pointes. O prolongamento do QT induzido por medicamentos causa ~15.000 mortes/ano nos EUA. Mais de 200 medicamentos podem prolongar o intervalo QT. O HeartLab calcula o QTc usando quatro fórmulas validadas: Bazett (1920), Fridericia (1920), Framingham (1992) e Hodges (1983).

Prevalência de SQTL: 1 em 2.000 (muitos não diagnosticados). Precisão da medição QTc do Apple Watch: ±15 ms vs 12 derivações. Medições seriadas do QTc melhoram a precisão diagnóstica — exatamente a abordagem que o HeartLab usa com o rastreamento longitudinal de tendências QTc.

Comparação abrangente das fórmulas de correção Bazett, Fridericia, Framingham e Hodges em mais de 13.000 ECGs. Fridericia mostrou a melhor independência de frequência (r=0,04 vs r=0,32 para Bazett). O HeartLab implementa todas as quatro fórmulas, com Fridericia como padrão por sua precisão superior.

O banco de dados autoritativo de medicamentos conhecidos por prolongar o intervalo QT, mantido por farmacologistas clínicos. Mais de 200 medicamentos listados com categorias de risco (Risco Conhecido, Risco Possível, Risco Condicional). O monitoramento QTc do HeartLab é especialmente valioso para pacientes que tomam medicamentos deste registro.

PVCs ocorrem em 75% de indivíduos saudáveis no monitoramento Holter de 24h. Carga de PVC < 10% é geralmente benigna; carga > 15-20% apresenta risco de cardiomiopatia induzida por PVC. O HeartLab conta a carga de PVC por gravação e rastreia tendências ao longo do tempo.

HRV baixa prediz independentemente a mortalidade cardíaca. Pacientes pós-IM com HRV baixa têm risco 3,2x maior de morte súbita. O HeartLab deriva métricas de HRV (SDNN, RMSSD) diretamente da análise de intervalos R-R de cada gravação de ECG.

Demonstrou que PVCs frequentes (>24% de carga) podem causar cardiomiopatia reversível. A ablação por cateter do foco PVC levou à normalização da função ventricular esquerda em 6 meses em 82% dos pacientes. Destaca a importância clínica do rastreamento da carga PVC — uma funcionalidade central do HeartLab.

O padrão internacional para medição e interpretação da variabilidade da frequência cardíaca. Define métricas no domínio do tempo (SDNN, RMSSD, pNN50) e no domínio da frequência (LF, HF, razão LF/HF). O HeartLab calcula a HRV seguindo esses padrões validados para cada gravação de ECG.

A detecção de R-peak do HeartLab é baseada no algoritmo Pan-Tompkins — o padrão ouro na detecção QRS — aprimorado com limiares de amplitude adaptativos, filtragem baseada em mediana e processamento consciente da qualidade otimizado para dados de ECG de derivação única do Apple Watch.

O classificador de batimentos ML do HeartLab usa informações de frequência cardíaca relativa e análise morfológica para classificar PVCs, PACs e batimentos normais. Treinado e validado contra o MIT-BIH Arrhythmia Database — o benchmark padrão para validação de algoritmos de ECG.

O HeartLab segue as diretrizes AHA 2024 para classificação de arritmias e limiares de detecção. Faixas normais de QTc, estratificação de risco de carga PVC e critérios de detecção de FA estão todos alinhados com o consenso clínico atual.

Framework para avaliação automatizada da qualidade do sinal ECG usando múltiplos indicadores de qualidade. O HeartLab implementa uma análise de qualidade de sinal de 6 fatores (oscilação da linha de base, nível de ruído, detecção de lead-off, amplitude QRS, saturação do sinal e plausibilidade da frequência cardíaca) para garantir que apenas gravações confiáveis sejam analisadas.

Validação do score CHA₂DS₂-VASc para predição de risco de AVC em pacientes com fibrilação atrial. Recomendado pelas diretrizes ESC e AHA/ACC para orientar a terapia anticoagulante. A calculadora QTc gratuita e as ferramentas CHA₂DS₂-VASc do HeartLab implementam esses sistemas de pontuação validados.