Studii medicale: electrocardiograma

Meta-analiză (85 studii, 19.069 sportive + 57.745 bărbați): sportivele au de 2× mai frecvent unde T negative anormale și de 6× mai frecvent TWI izolat V1-V3, fără corespondent în rata de cardiomiopatie diagnosticată. QTc cu 16 ms mai lung la femei. Necesitate de criterii ECG sex-specifice.

Analiza grupata 2 studii faza 1 (nacubactam 1000-8000 mg): absenta prelungirii QTc semnificative (IC90% sub 10 ms, model C-QTc negativ) — profil de siguranta cardiaca favorabil pentru acest inhibitor de beta-lactamaze.

J Electrocardiol 2026: DeepECG.ai — platforma web AI pentru ECG integrata cu sisteme clinice existente (inferenta <1 sec). Studii DAISEA-ECG (medicina primara) si HEART-AI: 29.211 ECG-uri analizate in 3 luni, 53 utilizatori, 285 pacienti. Reduce decalajul expertiza medicina primara-cardiologie.

Eur Heart J 2026: DeepECG-SSL vs DeepECG-SL, antrenat pe 1M+ ECG-uri, 77 conditii cardiace. AUROC 0,98-0,99 intern si extern (11 sisteme sanatate). SSL superior la date limitate: LQTS genotip (0,931 vs 0,850), FA 5 ani (0,742 vs 0,734). Open-source: greutati si cod publice.

Un model de deep learning pe ECG identifică pacienții cu sindrom coronarian acut care necesită revascularizare cu AUROC 0,91, depășind clinicianul și troponina convențională în triajul de urgență.

Dispozitivele purtabile permit monitorizarea cardiovasculară continuă, depistarea fibrilației atriale și a insuficienței cardiace, însă necesită standardizare și integrare clinică riguroasă.

Un model de învățare profundă antrenat pe 540.372 de ECG-uri detectează ocluzia coronariană acută cu o C-statistică ≥0,95, depășind criteriile clasice STEMI și permițând localizarea vasului vinovat.

Cardiovasc Diagn Ther 2026: Revizuire IA în cardiologie. ECG-IA: DVSS (AUC 0.93), FA din sinusal (AUC 0.87), predicție MSC. Echo-IA: FEVS automată (bias <3%), segmentare, clasificare CMP. RMN-IA: LGE fibrozé, clasificare CMP. CT-IA: CAC automat, placă vulnerabilă, FFRct (AUC 0.92). Cateterism: QFR,

Sinteza a 78 de studii arată că modelele de învățare profundă ating performanțe comparabile cu experții în imagistica cardiacă și predicția riscului, necesitând validare externă pentru uz clinic.

JMIR Cardio 2026: Revizuire sistematică, 33 studii, LLM în cardiologie. ECG (vignete text): ChatGPT-4 91% corect vs medici urgență 77%. Insuficiență cardiacă (întrebări clinice): ChatGPT-4 91% acuratețe. Educație medicală: 66% acuratețe (variabilitate mare). Limitări: halucinații, knowledge cutoff,

Meta-analiza pe 29.284 pacienți demonstrează că schizofrenia asociază anomalii ECG de repolarizare (unghi QRS-T, Tp-e) independente de medicație, crescând riscul de moarte cardiacă subită.

O meta-analiză a 27.891 de atleți universitari arată că screeningul cardiovascular pre-participare cu electrocardiogramă (ECG) detectează de 3,5 ori mai multe afecțiuni cardiace grave, precum sindromul Wolff-Parkinson-White și cardiomiopatia hipertrofică, comparativ cu anamneza și examenul fizic. EC

Sci Data 2026: HEEDB (Harvard-Emory ECG Database) — cea mai mare bază de date ECG open-access. MGH: 10.608.417 ECG de la 1.818.247 pacienți. EUH: 998.844 ECG de la 349.548 pacienți. Perioada: 1980-2022. 10 sec+12 derivații, 250/500 Hz, WFDB. Metadate: vârstă+sex+rasă+etnie+educație+deces. Adnotări:

Un sistem IA de alertă ECG a crescut rata tratamentului hiperkaliemiei severe la pacienții cu risc înalt (HR=2,23), deși rata globală de tratament a dezechilibrelor de potasiu a rămas neschimbată.

Ghid de experți pentru interpretarea anomaliilor ECG incerte la sportivi, oferind algoritmi de evaluare pentru a diferenția adaptările fiziologice de patologiile cardiace cu risc de moarte subită.