APLICAÇÕES DE MACHINE LEARNING EM CARDIOLOGIA PARA PACIENTES COM OBESIDADE SUBMETIDOS A TERAPIAS DE EMAGRECIMENTO: UMA REVISÃO SISTEMÁTICA

Resumo

A presente revisão sistemática teve como objetivo analisar as aplicações e os resultados das técnicas de machine learning (ML) na cardiologia de pacientes com obesidade submetidos a terapias de emagrecimento. A pesquisa foi conduzida segundo as diretrizes do PRISMA 2020 e utilizou a estrutura PICO para formular a questão norteadora. Foram realizadas buscas nas bases PubMed, Scopus, Web of Science, ScienceDirect, SciELO e CAPES, abrangendo o período de janeiro de 2019 a novembro de 2025. Identificaram-se 1.642 registros, dos quais 13 estudos atenderam aos critérios de elegibilidade. A qualidade metodológica foi avaliada pelo instrumento QUADAS-2, permitindo identificar riscos de viés e preocupações de aplicabilidade. Os resultados mostraram que as técnicas de ML têm transformado o diagnóstico e o prognóstico cardiovascular, especialmente por meio de algoritmos supervisionados, como support vector machine, random forest e redes neurais convolucionais, que alcançaram acurácias superiores a 90% em predições de insuficiência cardíaca e detecção de anormalidades cardíacas. Observou-se avanço significativo na integração de dados clínicos, genéticos e de imagem, promovendo maior precisão na estratificação de risco. No entanto, verificou-se escassez de estudos específicos com foco em pacientes obesos submetidos a terapias de emagrecimento, o que limita a generalização dos resultados e evidencia uma lacuna científica relevante.