CardioNet-v2: Arquitetura do Modelo de IA
Autoria: Fabio Henrique G. de M. Silva
Parceria e Operação: ADM Business
Apoio Institucional: Intel® Partner Alliance (Projeto validado no Intel® Solutions Builders Challenge 2025) e Microsoft for Startups Founders Hub.
Abstract
O CardioNet-v2 é um modelo de Inteligência Artificial multimodal, projetado para predição de risco cardíaco crítico, incluindo risco de Parada Cardíaca Súbita (SCD), com execução otimizada para Edge AI utilizando Intel® OpenVINO™. O modelo opera localmente em dispositivos de borda para garantir baixa latência, alta confiabilidade e privacidade dos dados.
Treinamento e Validação com PTB-XL
O CardioNet-v2 foi treinado e validado com o PTB-XL, o maior dataset clínico público de ECG de 12 derivações, contendo 21.837 exames de 18.885 pacientes. O uso deste dataset robusto, com anotações multi-rótulo de cardiologistas, permite que o modelo aprenda a identificar um vasto espectro de padrões eletrocardiográficos (isquemia, arritmias, distúrbios de condução) com alta precisão, servindo como base para um score de risco clinicamente relevante.
Arquitetura e Geração de Score de Risco
A arquitetura do CardioNet-v2 é estruturada em dois níveis para máxima transparência e relevância clínica:
- Nível A — Análise de Padrões ECG: Uma rede neural convolucional (CNN 1D, tipo ResNet) analisa o sinal de ECG de 12 derivações e gera probabilidades calibradas para padrões clínicos essenciais, como arritmias, alterações isquêmicas (ST-T), distúrbios de condução e hipertrofia.
- Nível B — Fusão Clínica e Risco de SCD: As probabilidades do Nível A são combinadas com outras variáveis (histórico clínico do paciente, dados demográficos e sinais vitais como SpO₂) através de um metamodelo de regressão logística. O resultado é o ScoreSCD, uma probabilidade calibrada que representa o risco de deterioração cardíaca aguda.
A calibração de probabilidade (usando métodos como Platt Scaling) é um passo crucial para garantir que o score (ex: 79%) seja uma representação fiel e auditável do risco real.
Otimização para Edge com Intel® OpenVINO™
Para garantir a execução em tempo real em dispositivos de borda, o modelo é otimizado com o toolkit Intel® OpenVINO™. O processo inclui:
- Exportação do modelo treinado (PyTorch/TensorFlow) para o formato ONNX.
- Conversão para o formato Intermediate Representation (IR) do OpenVINO.
- Quantização para INT8 (Post-Training Quantization), que reduz drasticamente o tamanho do modelo e acelera a inferência em CPUs Intel, mantendo a acurácia dentro de limites rigorosos.
Este pipeline garante uma latência de inferência inferior a 20ms em CPUs Intel® Xeon, viabilizando a análise em tempo real.
Explicabilidade (XAI) e Transparência
Para cada inferência, o sistema fornece insights que justificam o score de risco, incluindo a contribuição de cada fator (probabilidades de arritmia, QTc, etc.) e mapas de saliência (Grad-CAM) sobre o traçado do ECG, destacando as áreas do sinal que mais influenciaram a decisão do modelo.
Acesso para Pesquisadores
Como parte do nosso compromisso com o avanço da ciência e da saúde, a ADM Business, com o apoio da Intel Partner Alliance e Microsoft for Startups Founders Hub, disponibiliza o modelo CardioNet-v2 para pesquisadores e instituições filantrópicas que desejam utilizá-lo em seus próprios estudos e treinamentos.
Download CardioNet-v2 para Pesquisa
Aviso Importante
Atenção: O sistema HealthTrack e o modelo CardioNet-v2 são ferramentas de apoio à decisão clínica. As informações e scores de risco gerados destinam-se exclusivamente a auxiliar profissionais de saúde qualificados. Este sistema não substitui, em nenhuma hipótese, a avaliação, o diagnóstico e a conduta de um médico. A responsabilidade final por qualquer decisão clínica é sempre do profissional de saúde responsável pelo paciente.