REGISTRO DOI: 10.69849/revistaft/ar10202511222352
Christyan Lima1
Thiago Casemiro2
Matheus Tavares3
Marcos Henrique Silva Mesquita4
RESUMO
A simulação de sinais eletrocardiográficos (ECG) desempenha um papel fundamental na engenharia biomédica ao possibilitar a reprodução controlada da atividade elétrica cardíaca para fins de pesquisa, ensino, validação e desenvolvimento tecnológico. Este estudo apresenta uma revisão sistemática da literatura sobre técnicas de simulação de ECG produzidas entre 2015 e 2025, conduzida em conformidade com o protocolo de Kitchenham. A busca em cinco bases de publicações científicas resultou em 593 registros, dos quais apenas 19 atenderam plenamente aos critérios de inclusão, evidenciando a escassez de estudos voltados especificamente para esse tema. Os resultados foram organizados em quatro categorias principais: modelagem matemática e eletrofisiológica, simuladores eletrônicos e hardware, geração sintética por técnicas computacionais baseadas em inteligência artificial e simulação de ruídos e artefatos. A análise comparativa indicou que cada abordagem apresenta vantagens próprias no que se refere à precisão, fidelidade fisiológica, complexidade e aplicabilidade biomédica. Também foram identificadas tendências emergentes, como a aplicação de modelos generativos, simulações multimodais e abordagens contextualizadas para ambientes reais de monitoramento. Conclui-se que a simulação de ECG constitui um elemento essencial para o avanço de dispositivos, algoritmos e práticas educacionais na engenharia biomédica, oferecendo um recurso seguro, ético e flexível para experimentação e validação técnica.
Palavras-chave: Eletrocardiograma. Simulação de ECG. Engenharia Biomédica. Inteligência Artificial. Modelagem Fisiológica.
ABSTRACT
Electrocardiogram (ECG) signal simulation plays a fundamental role in biomedical engineering by enabling the controlled reproduction of cardiac electrical activity for research, education, validation, and technological development. This study presents a systematic literature review on ECG simulation techniques published between 2015 and 2025, conducted according to Kitchenham’s protocol. Searches across five scientific databases yielded 593 records, of which only 19 met all inclusion criteria, highlighting the scarcity of studies specifically focused on this domain. The selected works were categorized into four major groups: mathematical and electrophysiological modeling, electronic and hardware-based simulators, synthetic generation using artificial intelligence, and simulation of noise and acquisition artifacts. The comparative analysis showed that each approach presents unique advantages regarding precision, physiological fidelity, methodological complexity, and biomedical applicability. Emerging trends were also identified, such as generative models, multimodal simulations, and contextualized approaches for real-world monitoring environments. The findings indicate that ECG simulation is an essential tool for advancing devices, algorithms, and educational practices in biomedical engineering, providing a safe, ethical, and flexible framework for experimentation and technical validation.
Keywords: Electrocardiogram. ECG Simulation. Biomedical Engineering. Artificial Intelligence. Physiological Modeling.
1. Introdução
A simulação de sinais eletrocardiográficos (ECG) constitui uma das áreas mais consolidadas e estratégicas da engenharia biomédica, ao reunir conhecimentos provenientes da eletrônica, fisiologia e processamento de sinais (BRONZINO, 2006). Essa prática possibilita a reprodução artificial da atividade elétrica cardíaca, permitindo o estudo controlado de fenômenos relacionados ao ritmo cardíaco e a avaliação do desempenho de tecnologias voltadas à saúde (QUIROZ-JUÁREZ et al., 2022). A capacidade de gerar sinais sintéticos com elevada precisão e consistência representa um elemento essencial para o aprimoramento e calibração de equipamentos médicos, como eletrocardiógrafos, monitores multiparamétricos e sistemas de telemetria hospitalar, assegurando confiabilidade e segurança em medições fisiológicas (ABNT, 2014; WANG; WU, 2017).
No campo da engenharia biomédica, a simulação de sinais é empregada em diferentes contextos: no ensino técnico e superior, como recurso didático para a compreensão dos componentes do ECG; em atividades de pesquisa, destinadas à experimentação e comparação de algoritmos de processamento e interpretação; e em ambientes clínicos e industriais, como suporte à calibração e certificação de dispositivos médicos (FERREIRA; SILVA, 2022; WAN et al., 2019). Essas aplicações contribuem diretamente para a uniformização de medições e para a melhoria no desempenho de equipamentos utilizados na prática hospitalar.
Diversas abordagens têm sido exploradas para a simulação de sinais de ECG, cada qual com características e objetivos específicos. Os modelos matemáticos são estruturados a partir de equações diferenciais que descrevem a morfologia da onda cardíaca, permitindo o ajuste detalhado de parâmetros como amplitude, frequência e intervalos de condução (McSHARRY et al., 2003; GOMES JUNIOR et al., 2023). Por outro lado, geradores eletrônicos analógicos e digitais são aplicados para produzir sinais de ECG em dispositivos físicos, utilizando microcontroladores, conversores digitais-analógicos (DACs) e modulação por largura de pulso (PWM) (ISKANDAR et al., 2019; IEEE, 2020). De forma mais recente, métodos computacionais e híbridos fundamentados em processamento digital de sinais e técnicas de aprendizado de máquina têm possibilitado a criação de sinais sintéticos com maior fidelidade fisiológica e adaptabilidade para usos distintos (SENSORS, 2022; ELSEVIER, 2021).
Considerando essa diversidade metodológica, torna-se pertinente examinar como tais técnicas se desenvolveram ao longo do tempo, quais são seus principais atributos e limitações e de que forma são empregadas em processos de calibração, pesquisa e ensino na engenharia biomédica. Assim, este estudo analisa trabalhos previamente publicados relacionados às principais técnicas de simulação de ECG, buscando identificar tendências, comparações e potenciais caminhos de inovação tecnológica, destacando sua função central no avanço dos sistemas de monitoramento e diagnóstico cardiológico (GALVÃO; PEREIRA, 2014; KITCHENHAM, 2004). A Figura 1 ilustra um sinal de ECG silumado.
Fonte: elaboração própria (2025).
2. Metodologia
A metodologia adotada neste estudo baseia-se nos fundamentos da Revisão Sistemática da Literatura (RSL), cujo propósito é localizar, selecionar e examinar investigações relevantes de modo organizado e passível de replicação, na Figura 2 são sintetizadas as etapas aplicadas na metodologia. Esse tipo de procedimento, amplamente empregado nas engenharias e em áreas vinculadas às ciências da saúde, possibilita reunir evidências científicas relacionadas ao tema em questão e apresentá-las de maneira clara e metodologicamente consistente (KITCHENHAM, 2004; GALVÃO; PEREIRA, 2014).
Figura 2 – Etapas da metodologia de revisão
Fonte: elaboração própria (2025).
2.1 Etapas 1 e 2 – Identificação da Necessidade e Definição das Questões de Pesquisa
A elaboração desta revisão tornou-se necessária diante da escassez de estudos que comparassem, de maneira unificada, as diversas abordagens empregadas para a simulação de sinais eletrocardiográficos no contexto da engenharia biomédica. O propósito central consistiu em reunir o conhecimento disponível e compreender os elementos essenciais das metodologias e tecnologias utilizadas para fins de simulação, calibração e ensino relacionados ao ECG. A Tabela 1 organiza as questões de pesquisa desse artigo.
Tabela 1 – Questões de pesquisa definidas para a revisão sistemática
Fonte: elaboração própria (2025).
2.2 Protocolo de Revisão Sistemática
O procedimento de revisão sistemática foi conduzido com base nas orientações metodológicas propostas por Kitchenham (2004) e Galvão e Pereira (2014), assegurando padronização e possibilidade de reprodução das etapas de busca e análise. As fases do processo foram estruturadas de modo a permitir um tratamento criterioso e organizado das evidências identificadas sobre as técnicas de simulação de sinais eletrocardiográficos.
A investigação bibliográfica foi realizada em cinco plataformas científicas: Periódicos CAPES, PubMed, Springer Nature, IEEE Xplore e Google Acadêmico. A seleção desses repositórios deve-se à sua relevância para os campos de engenharia biomédica, instrumentação médica e processamento de sinais.
Para a busca, aplicou-se uma expressão padronizada, composta por operadores booleanos e termos-chave definidos na fase de planejamento. Essa string foi utilizada de forma consistente em todos os repositórios no dia 25 de outubro de 2025, considerando publicações entre 2015 e 2025:
(“ECG simulation” OR “electrocardiogram simulation”) AND (“simulation techniques” OR “simulation methods”) AND (“signal processing” OR “signal synthesis”).
As variações das strings de busca, como mostrado na Tabela 2, foram feitas com o intuito de padronizar e aprimorar os resultados, considerando as particularidades de indexação de cada base de dados. Assim, foram mantidas as palavras-chave centrais e operadores booleanos, mas aplicadas pequenas modificações estruturais para melhorar a precisão da busca e assegurar inclusão de estudos efetivamente relacionados às técnicas de simulação de sinais de ECG. Essas adaptações possibilitaram uma recuperação mais representativa e consistente de trabalhos relevantes, mantendo a coerência metodológica definida no protocolo da revisão sistemática.
Tabela 2 – Resultados da busca nas bases de dados científicas
2.3 Organização dos Artigos Obtidos
Após a etapa de busca, os estudos recuperados foram organizados de forma sistemática, assegurando rastreabilidade e compatibilidade com as questões que orientam esta investigação. Conforme apontado por Kitchenham (2004) e Galvão e Pereira (2014), essa fase é indispensável para estruturar adequadamente o material antes da análise aprofundada.
Para o gerenciamento das referências, utilizou-se o software Zotero, no qual foi criada uma coleção principal intitulada “Spring Final”, acompanhada de subcoleções específicas para cada base consultada. Essa organização facilitou a identificação de duplicidades, o controle das fontes e a manutenção da integridade das informações bibliográficas. Além disso, o Zotero permitiu a exportação automática de elementos como metadados, ano de publicação, título e autoria, categorizando os documentos conforme sua origem.
Essa estratégia organizacional, que está representada na Tabela 3, contribuiu decisivamente para garantir consistência ao conjunto de dados e preparar o material para a fase subsequente de avaliação, na qual os critérios de seleção serão aplicados e serão identificadas as principais tendências, convergências e lacunas existentes na literatura sobre simulação de sinais de ECG.
Tabela 3 – Estrutura de organização inicial dos artigos coletados
Fonte: elaboração própria (2025).
A etapa final da metodologia envolveu a definição dos critérios de inclusão e exclusão, que tiveram a função de selecionar os estudos mais pertinentes e garantir a consistência e a qualidade dos resultados obtidos. Conforme apontado por Kitchenham (2004) e Galvão e Pereira (2014), essa fase é indispensável em revisões sistemáticas, pois assegura que apenas investigações com fundamentos metodológicos adequados e alinhadas ao propósito do estudo sejam consideradas.
Os critérios de inclusão foram determinados com base na aderência ao tema, na relevância tecnológica e na aplicabilidade biomédica das publicações, além da clareza metodológica e da disponibilidade integral dos textos. Já os critérios de exclusão permitiram retirar trabalhos que não se relacionavam ao escopo definido, apresentavam duplicidade, careciam de validação científica ou não continham detalhes técnicos suficientes para análise. Na Tabela 4 critérios foram organizados.
Tabela 4 – Critérios de Inclusão e Exclusão aplicados na seleção dos estudos
O término da metodologia envolveu a aplicação dos critérios de inclusão e exclusão previamente estabelecidos, a fim de garantir que apenas estudos compatíveis com o escopo da revisão fossem avaliados em profundidade. Conforme orientam Kitchenham (2004) e Galvão e Pereira (2014), essa fase é determinante para assegurar rigor metodológico, permitindo a remoção de trabalhos que se afastam do foco investigativo, apresentam inconsistências ou não oferecem base técnica suficiente.
A utilização dos critérios ocorreu de forma progressiva e estruturada como a Figura 3 apresenta, em três níveis de filtragem:
Etapa 1 – Filtragem superficial (ano, idioma, duplicados e acessibilidade)
Foram inicialmente identificados 593 registros nas cinco plataformas consultadas. Após essa etapa, realizou-se a eliminação de estudos duplicados, de publicações em idiomas não definidos como elegíveis e de materiais não acadêmicos (como documentos informais, blogs e textos sem avaliação por pares). Concluído esse primeiro filtro, 443 registros permaneceram aptos para a continuidade da análise.
Etapa 2 – Triagem de títulos, resumos e palavras-chave
Os 443 registros remanescentes foram examinados quanto à pertinência temática, sendo removidos os estudos que não tratavam da simulação de sinais de ECG, aqueles que abordavam apenas análise clínica ou interpretação médica, as publicações que apresentavam exclusivamente algoritmos de filtragem ou classificação sem qualquer processo de geração de sinais, bem como os trabalhos que descreviam simulações de outros sinais fisiológicos sem referência direta ao ECG.
Após essa avaliação intermediária, 36 artigos foram considerados promissores e seguiram para leitura integral.
Etapa 3 – Avaliação completa do texto e aplicação aprofundada dos critérios técnicos
Os 36 artigos selecionados foram analisados integralmente à luz dos critérios apresentados na Tabela 4. Excluíram-se aqueles que não descreviam procedimentos de geração, modelagem ou simulação de sinais eletrocardiográficos, bem como estudos cujo detalhamento metodológico era insuficiente para avaliação rigorosa.
Ao término dessa seleção, 19 artigos demonstraram aderência total ao objetivo da revisão e foram incluídos na análise qualitativa detalhada, apresentada na seção seguinte.
Esses estudos constituem o conjunto de evidências mais consistente e tecnicamente relevante disponível no período de 2015 a 2025, atendendo aos requisitos de aplicabilidade biomédica, clareza metodológica e contribuição direta para o campo da simulação de sinais eletrocardiográficos.
Figura 3 – Fluxograma da seleção dos estudos incluídos na seleção
Fonte: elaboração própria (2025).
3. Resultados e Discussão
A fase de análise dos estudos selecionados permitiu identificar padrões metodológicos, lacunas na literatura e tendências tecnológicas relacionadas às técnicas de simulação de sinais eletrocardiográficos (ECG). Após as três fases do processo de triagem — filtros iniciais, leitura de títulos, resumos e palavras-chave, e avaliação detalhada do texto completo — foram incluídos 19 artigos para avaliação qualitativa, o que representa apenas 3,2% dos 593 registros inicialmente identificados. Esse resultado evidencia a baixa densidade de estudos dedicados especificamente à simulação de ECG, em comparação com o grande volume de pesquisas focadas em análise clínica, filtragem de sinais, sensores cardíacos ou diagnóstico assistido por inteligência artificial.
A investigação temática desses estudos também demonstrou elevada heterogeneidade no conjunto inicial: muitos artigos abordavam técnicas de processamento, classificação ou monitoramento, mas sem relação com geração, síntese ou modelagem de sinais de ECG. Essa constatação reforça que, embora o ECG seja amplamente estudado, o segmento da literatura voltado à simulação permanece limitado e disperso, concentrado em nichos específicos da engenharia biomédica, modelagem fisiológica e ciência de dados.
Os 19 estudos incluídos foram organizados em quatro categorias que refletem os principais eixos tecnológicos do campo: (1) modelagem matemática e eletrofisiológica, (2) simuladores eletrônicos e hardware, (3) geração sintética via inteligência artificial e (4) simulação de ruídos e artefatos. Essas categorias retratam a evolução histórica da simulação de ECG, partindo de modelos clássicos baseados na fisiologia cardíaca e avançando para métodos computacionais contemporâneos baseados em aprendizado profundo e modelos generativos.
3.1 Técnicas de Simulação de Sinais de ECG (Q1)
A primeira questão de pesquisa (Q1 – “Quais são as técnicas utilizadas para a simulação de sinais de ECG?”) foi respondida por meio da análise das metodologias descritas nos estudos selecionados. A Tabela 5 apresenta a organização das técnicas de simulação distribuídas em quatro categorias padronizadas.
As técnicas baseadas em modelagem matemática e eletrofisiológica, presentes em trabalhos como Gao et al. (2018), Balakrishnan et al. (2015) e Bachi et al. (2023), demonstram elevada precisão na representação dos processos de despolarização e repolarização cardíaca, possibilitando a reprodução de arritmias, distúrbios de condução e alterações na morfologia das ondas. Outros autores, como Akhiiezer et al. (2019), Bachler e Wegscheider (2015) e Favino et al. (2016), ampliam essa categoria ao abordar variabilidade dos intervalos RR, batimentos ectópicos e pseudo-ECG obtido a partir de modelos eletromecânicos.
Os simuladores eletrônicos e implementações em hardware, descritos por Al-Hamadi et al. (2015), Mitra et al. (2022), Karataş et al. (2022) e Ramesh Babu et al. (2025), reforçam a importância da geração física do sinal, especialmente para ensaios de calibração e verificação de desempenho de dispositivos biomédicos. Essas abordagens utilizam plataformas como FPGA, circuitos dedicados e estruturas caóticas para reproduzir diferentes padrões cardíacos.
As técnicas de geração sintética baseadas em inteligência artificial constituem o eixo mais recente da evolução do campo. Estudos como Adib et al. (2023), Neifar et al. (2024), Karahoda (2024) e Cretu et al. (2024) empregam arquiteturas generativas — incluindo GANs, DC-GAN e modelos de difusão — para sintetizar sinais eletrocardiográficos com elevado realismo. A revisão de Akpinar et al. (2025) complementa essa categoria ao sistematizar diferentes abordagens generativas aplicadas a sinais fisiológicos.
Por fim, os trabalhos de Tian et al. (2022) e Lyon et al. (2018) concentram-se na simulação de ruídos e artefatos, aspecto fundamental para representar condições reais de aquisição e testar a resistência de algoritmos frente a interferências mecânicas, têxteis ou ambientais.
Tabela 5 – Classificação dos estudos segundo a técnica de simulação
Para complementar a análise qualitativa e aprimorar a visualização da relevância de cada categoria identificada, foi construído um gráfico conforme ilustrado na Figura 4 que apresenta a distribuição percentual das técnicas entre os 19 estudos selecionados. Esse recurso auxilia na compreensão de quais abordagens predominam na literatura recente e contribui para identificar áreas que se destacam como tendências ou que ainda permanecem pouco desenvolvidas no campo da simulação de ECG.
Fonte: elaboração própria (2025).
A distribuição das técnicas identificadas encontra-se apresentada na Figura 4, a qual demonstra a proporção relativa de cada categoria entre os 19 artigos selecionados. Verifica-se que a modelagem matemática e eletrofisiológica constitui a maior parcela dos estudos (42%), indicando que essa abordagem ainda representa a base conceitual predominante na simulação de ECG. Essa predominância reflete a consolidação histórica desses métodos, amplamente empregados para reproduzir, com precisão, a fisiologia cardíaca e suas respectivas alterações patológicas.
Em sequência, as categorias de simuladores eletrônicos e hardware e das técnicas fundamentadas em inteligência artificial aparecem com proporções equivalentes (26% cada). Esse equilíbrio evidencia a coexistência entre abordagens tradicionais, utilizadas sobretudo em processos de calibração, testes instrumentais e avaliações laboratoriais, e metodologias computacionais recentes, que têm se destacado na última década devido ao seu potencial para gerar grandes conjuntos de dados sintéticos e apoiar o desenvolvimento e a validação de algoritmos de aprendizado de máquina.
A categoria destinada à simulação de ruído e artefatos corresponde a 11% dos estudos, mas exerce função essencial ao permitir a reprodução de condições reais de monitoramento, contribuindo para avaliar a robustez de sistemas de aquisição e processamento. Apesar de menos frequentes, esses trabalhos complementam as demais categorias ao viabilizar análises em cenários mais próximos da prática clínica.
A análise conjunta dessas categorias demonstra que as técnicas de simulação de ECG evoluíram para atender diferentes necessidades da engenharia biomédica, desde a representação fisiológica detalhada até a formação de bancos de dados complexos destinados à pesquisa. Assim, as respostas da Q1 evidenciam um campo diversificado, interdisciplinar e em crescimento, no qual se articulam métodos matemáticos consolidados, implementações eletrônicas, modelos baseados em inteligência artificial e simulações de ruídos, cada qual contribuindo de maneira complementar para o avanço das aplicações educacionais, laboratoriais e tecnológicas associadas à simulação de sinais cardíacos.
3.2 Comparação entre as Técnicas de Simulação de Sinais de ECG (Q2)
(Q2 – “Como as diferentes técnicas de simulação de ECG se comparam em termos de precisão, complexidade e fidelidade do sinal gerado?”)
A segunda questão de pesquisa buscou comparar as técnicas de simulação de ECG identificadas nos 19 estudos selecionados, considerando três critérios centrais: precisão, complexidade metodológica e fidelidade do sinal gerado conforme apresentado na Tabela 6. Esses parâmetros foram escolhidos com base em métricas amplamente utilizadas em trabalhos sobre modelagem fisiológica e validação de tecnologias biomédicas (GAO et al., 2018; ADIB et al., 2023; MITRA, 2022).
A análise comparativa demonstrou que cada grupo de técnicas oferece contribuições específicas, refletindo diferentes finalidades, graus de abstração e requisitos de implementação. Enquanto os métodos matemáticos proporcionam elevado controle sobre parâmetros fisiológicos, os simuladores eletrônicos permitem reprodução prática em tempo real, e os modelos de IA conferem flexibilidade e capacidade para gerar sinais sintéticos complexos. As abordagens voltadas à simulação de ruído, por sua vez, complementam as demais ao aproximar o ambiente experimental de condições reais de aquisição. Comparação por categorias de técnicas
1. Modelagem matemática e eletrofisiológica
Os métodos matemáticos, descritos em estudos como Gao (2018), Balakrishnan (2015) e Bachi (2023), apresentam elevada representação fisiológica por utilizarem equações diferenciais e modelos que descrevem o comportamento elétrico do tecido cardíaco. Essas técnicas permitem reproduzir arritmias, anomalias de condução e variações dinâmicas do traçado eletrocardiográfico, oferecendo ajuste detalhado dos parâmetros eletrofisiológicos. Vantagens: alta fidelidade do sinal, fundamentação teórica consistente, controle refinado de parâmetros.
Limitações: demanda computacional elevada e menor adequação para uso em tempo real sem otimizações específicas.
2. Simuladores eletrônicos e implementações em hardware
Essa categoria, representada por autores como Al-Hamadi (2015), Mitra (2022) e Karataş (2022), envolve circuitos eletrônicos, microcontroladores, plataformas FPGA e geradores de função. Vantagens: execução imediata, excelente para calibração de instrumentos biomédicos, elevada repetibilidade física.
Limitações: menor fidelidade fisiológica em relação aos modelos matemáticos, dificuldade para representar patologias complexas e dependência de componentes eletrônicos específicos.
3. Geração sintética por inteligência artificial
Abordagens que utilizam GANs e modelos de difusão, como as propostas por Adib (2023), Neifar (2024) e Karahoda (2024), caracterizam-se pela flexibilidade e pelo potencial de gerar sinais realistas com ampla variabilidade.
Vantagens: produção rápida de grandes volumes de dados, capacidade de simular padrões raros e adaptação a múltiplos contextos clínicos.
Limitações: possibilidade de perda de fidelidade fisiológica, necessidade de bases de dados robustas para treinamento e dificuldade de interpretar o funcionamento interno dos modelos.
4. Simulação de ruído e artefatos
Estudos como Tian (2022) e Lyon (2018) investigam ruídos decorrentes de sensores vestíveis, movimento e interferências eletromagnéticas.
Vantagens: enriquecem experimentos ao introduzir condições de monitoramento próximas às reais, fundamentais para avaliar a robustez de algoritmos e dispositivos.
Limitações: não geram a morfologia eletrocardiográfica; são utilizadas como complementos às técnicas de simulação do sinal cardíaco propriamente dito.
Tabela 6 – Comparação das técnicas de simulação de ECG segundo precisão, complexidade e fidelidade
O confronto entre as técnicas analisadas demonstra que não existe uma abordagem universalmente superior, mas sim métodos que se complementam e que se adequam a diferentes necessidades de aplicação. Os modelos matemáticos mantêm-se como referência em termos de fidelidade fisiológica, enquanto simuladores eletrônicos oferecem elevada reprodutibilidade prática e capacidade de operação em tempo real. As abordagens baseadas em inteligência artificial consolidam-se como alternativas promissoras para expansão de bases de dados e geração de cenários diversificados, embora ainda apresentem limitações quanto à interpretabilidade e à dependência de registros reais para treinamento. As estratégias focadas na simulação de ruídos, por sua vez, desempenham função suplementar ao permitir a avaliação de sistemas em condições mais próximas ao ambiente clínico.
Os achados evidenciam que a escolha da técnica mais adequada depende diretamente do propósito da simulação, seja para investigações fisiológicas, atividades educacionais, calibração de dispositivos, validação de algoritmos ou produção sintética de sinais. Essa diversidade metodológica reforça a importância de revisões como esta, capazes de identificar tendências, destacar potencialidades e revelar lacunas que podem orientar novos desenvolvimentos na área de engenharia biomédica.
3.3 Aplicações das Técnicas de Simulação de ECG (Q3)
A terceira questão de pesquisa (Q3 – “Quais são as aplicações práticas das técnicas de simulação de sinais de ECG?”) foi respondida a partir da análise dos 19 estudos incluídos na revisão. Os resultados mostram que a simulação de ECG é um recurso amplamente utilizado na engenharia biomédica, influenciando diretamente atividades de treinamento, validação, desenvolvimento de tecnologias, avaliação de algoritmos e expansão de bancos de dados conforme a Figura 5 ilustra. Embora o número de publicações seja limitado, observa-se que as aplicações são variadas e se alinham a diretrizes internacionais consolidadas, como IEC 60601-2-47, ANSI/AAMI EC57 e IEEE 11073, que tratam de requisitos de desempenho, segurança e verificação de sistemas eletrocardiográficos.
Figura 5 – Diagrama de aplicação de simulação de ECG
Fonte: elaboração própria (2025).
Aplicações em validação e calibração de dispositivos biomédicos
A principal aplicação identificada refere-se ao uso de sinais simulados para verificação e calibração de dispositivos eletromédicos. Simuladores eletrônicos e modelos matemáticos possibilitam ensaios controlados, repetíveis e seguros para avaliar o comportamento de eletrocardiógrafos, sensores vestíveis e sistemas de monitoramento. Estudos como os de AlHamadi et al. (2015), Karataş (2022) e Sidorova e Semin (2025) apresentam demonstrações de uso de sinais simulados para verificar precisão de hardware, testar respostas a diferentes arritmias, avaliar desempenho em condições desafiadoras e efetuar calibrações sem exposição humana. Tais aplicações atendem diretamente à IEC 60601-2-47, que requer ensaios com estímulos fisiológicos simulados para validar equipamentos eletromédicos.
Aplicações no desenvolvimento e teste de algoritmos de processamento e inteligência artificial
A simulação de ECG também é fundamental para o desenvolvimento e testagem de algoritmos voltados à detecção de picos, classificação de arritmias, filtragem de ruídos e análise de variabilidade do ritmo cardíaco. Estudos como os de Adib et al. (2023), Neifar et al. (2024) e Karahoda (2024) utilizam GANs, modelos de difusão e arquiteturas condicionadas para gerar sinais sintéticos que reproduzem situações complexas ou raramente disponíveis em bases clínicas reais. A norma ANSI/AAMI EC57 recomenda o uso de bancos sintéticos e sinais simulados para validação prévia de algoritmos, reforçando a importância das simulações no desenvolvimento seguro de sistemas inteligentes.
Aplicações em treinamento e capacitação de profissionais
Simuladores de ECG são amplamente aplicados no ensino técnico e superior, além de treinamentos profissionais em cardiologia, enfermagem e engenharia biomédica. Estudos como Quiroz-Juárez (2018) e Mitra (2022) demonstram que simuladores permitem exposição repetitiva a arritmias controladas, facilitando o aprendizado e o entendimento de fenômenos fisiológicos. Esse uso educacional está de acordo com diretrizes de práticas recomendadas de treinamento, como as recomendações da American Heart Association (AHA), que destacam a excelência de cenários simulados para retenção de habilidades em suporte avançado de vida.
Aplicações na expansão artificial de bases de dados biomédicos
Outro uso crescente da simulação de ECG é a geração de sinais sintéticos para ampliar bases de dados, viabilizar pesquisas em grande escala e preservar a privacidade dos pacientes. Estudos como Adib et al. (2023), Cretu et al. (2024) e Akpinar (2025) demonstram que modelos generativos podem criar sinais equivalentes aos reais, incluindo padrões raros ou de difícil captura em ambiente clínico. Essa prática atende às diretrizes da ISO/TS 25237:2017, que recomenda estratégias de anonimização e substituição de sinais biomédicos sensíveis.
Aplicações na simulação de ruídos e condições reais de monitoramento
Por fim, estudos como Tian (2022) e Lyon (2018) tratam da simulação de condições reais de aquisição do ECG, como ruídos têxteis, interferências mecânicas, artefatos de movimento e distorções associadas ao ambiente clínico. Essas contribuições são fundamentais para aprimorar algoritmos e dispositivos, atendendo também à IEC 60601-2-47, que exige avaliação de desempenho sob diferentes condições adversas.
Conclusão da Q3
As análises permitem concluir que as técnicas de simulação de ECG possuem aplicações amplas e estratégicas nos contextos clínico, educacional e industrial. Elas possibilitam o desenvolvimento de tecnologias mais seguras, contribuem para algoritmos de inteligência artificial mais precisos, aprimoram processos de ensino, ampliam a disponibilidade de dados para pesquisa e permitem a simulação de condições realistas de monitoramento. Assim, a simulação de ECG se consolida como um instrumento essencial para inovação, segurança e avanço científico em cardiologia e engenharia biomédica, oferecendo meios experimentais que seriam impraticáveis ou eticamente inadequados em pacientes reais.
3.4 Inovações e Tendências Futuras nas Técnicas de Simulação de ECG (Q4)
A quarta questão de pesquisa (Q4 – “Quais melhorias e inovações têm sido propostas para aprimorar as técnicas de simulação de ECG?”) foi respondida a partir da síntese das contribuições mais recentes identificadas entre os 19 estudos analisados. Os achados indicam que o campo de simulação de ECG passa por uma fase de expansão tecnológica significativa, principalmente em áreas relacionadas à inteligência artificial, modelagem fisiológica avançada e simulações aplicadas a cenários reais de monitoramento. Embora o número de publicações seja reduzido, observa-se um alto potencial de crescimento motivado pela necessidade de dados sintéticos, validação de algoritmos de aprendizagem de máquina e desenvolvimento de dispositivos biomédicos cada vez mais sofisticados.
Os avanços mais notáveis concentram-se nas abordagens baseadas em modelos generativos, com destaque para a aplicação de diffusion models e GANs condicionadas. Estudos recentes, como os de Adib et al. (2023), Neifar et al. (2024) e Karahoda (2024), demonstram que essas técnicas vêm ganhando espaço ao possibilitar a criação de sinais realistas, com controle detalhado de características fisiológicas, presença de ruídos, artefatos e padrões raros de arritmia. Esse tipo de abordagem representa uma mudança importante, pois amplia coleções de dados, preserva a privacidade de pacientes e oferece uma base mais consistente para avaliação de algoritmos de diagnóstico automático.
Outro avanço relevante refere-se à integração de múltiplos sinais fisiológicos em um mesmo processo de simulação. Cretu et al. (2024) evidenciam que modelos generativos multimodais podem produzir simultaneamente ECG, pressão arterial e curvas hemodinâmicas, resultando em simulações mais completas e próximas de contextos clínicos reais. Esse tipo de integração permite a criação de cenários de teste mais abrangentes e facilita a avaliação de sistemas multissensoriais.
Além dos progressos relacionados à inteligência artificial, percebe-se também um esforço para aprimorar modelos eletrofisiológicos tradicionais. Estudos como Bachi (2023) e Sidorova e Semin (2025) apresentam novas estratégias para representar dinâmicas cardíacas complexas, incorporando alterações individuais, variações temporais e manifestações patológicas. Esses avanços fortalecem a capacidade dos modelos matemáticos de reproduzir comportamentos cardíacos mais realistas e detalhados.
Em paralelo, observa-se o aumento do interesse pela chamada simulação contextualizada, que busca não apenas reproduzir o sinal cardíaco, mas também incluir fatores associados ao ambiente de aquisição. O estudo de Tian (2022), que simula interferências provenientes de sensores vestíveis, destaca essa tendência, mostrando a importância de considerar o contexto em que o sinal será captado. Essa abordagem é essencial para validar equipamentos modernos de monitoramento contínuo, como dispositivos vestíveis e sistemas de Internet das Coisas aplicados à saúde.
As perspectivas futuras apontam para a convergência entre modelagens fisiológicas, inteligência artificial e simulações multimodais. Esse movimento sugere que futuras gerações de simuladores poderão representar não apenas o traçado eletrocardiográfico, mas também comportamentos cardíacos completos, respostas a tratamentos, variabilidade entre indivíduos e cenários clínicos complexos. O avanço dos modelos generativos e a disseminação de bases de dados sintéticas também favorecem pesquisas longitudinais e a padronização de protocolos de ensaio.
Por fim, os resultados mostram que, apesar da quantidade reduzida de publicações, o campo apresenta forte aceleração tecnológica. Os estudos mais recentes sinalizam uma transição de modelos estáticos para simulações mais dinâmicas, inteligentes e contextualizadas, indicando um cenário de pesquisa promissor. Esse panorama reforça a relevância desta revisão e aponta para a continuidade de investigações que explorem integrações multimodais, simulação personalizada e ambientes virtuais de ensaio, fortalecendo a simulação de ECG como ferramenta essencial para o avanço da engenharia biomédica.
4. Conclusão
A presente revisão sistemática examinou, de maneira organizada e criteriosa, as principais técnicas empregadas para a simulação de sinais eletrocardiográficos (ECG) no período de 2015 a 2025. Do total inicial de 593 registros identificados, somente 19 atenderam integralmente aos critérios de inclusão, correspondendo a 3,2% por cento do conjunto e indicando a limitada disponibilidade de pesquisas dedicadas exclusivamente ao tema. Apesar de sua relevância para inúmeras aplicações na engenharia biomédica, a simulação de ECG permanece menos explorada que outras vertentes relacionadas ao processamento e análise de sinais fisiológicos.
Os resultados evidenciaram que as técnicas encontradas podem ser reunidas em quatro categorias centrais: modelagem matemática e eletrofisiológica, simuladores eletrônicos e soluções em hardware, geração sintética baseada em inteligência artificial e simulação de ruídos e artefatos. Essa variedade de abordagens confirma o caráter multidisciplinar do tema, que envolve conhecimentos de fisiologia, eletrônica, computação e ciência de dados. As quatro categorias contribuem de formas distintas para aplicações como calibração de dispositivos, desenvolvimento e avaliação de algoritmos, ensino especializado e produção de bases de dados sintéticas.
A análise das questões de pesquisa permitiu compreender tanto as características de cada método quanto suas vantagens, restrições e formas de aplicação prática. Verificou-se que os modelos matemáticos oferecem a maior correspondência fisiológica, enquanto os simuladores eletrônicos permitem ensaios controlados e repetíveis em ambientes laboratoriais. As abordagens fundamentadas em inteligência artificial ampliam a geração de sinais artificiais e o estudo de padrões complexos, e as técnicas dedicadas à simulação de ruídos tornam os ambientes de teste mais próximos de condições reais de monitoramento. Em conjunto, esses elementos demonstram que a simulação de ECG constitui um recurso essencial para a evolução da engenharia biomédica.
A avaliação das tendências emergentes mostrou um avanço consistente em direção a modelos generativos inteligentes, técnicas multimodais, estratégias contextualizadas e simulações adaptadas a condições específicas. Estudos recentes apontam para sistemas capazes de combinar múltiplos sinais fisiológicos, reproduzir comportamentos cardíacos avançados e oferecer plataformas completas para verificação de desempenho de dispositivos biomédicos e algoritmos clínicos. Esse horizonte indica oportunidades promissoras para pesquisas subsequentes, sobretudo no desenvolvimento de simuladores mais realistas, escaláveis e adequados às demandas atuais, como monitoramento contínuo, teleassistência e sistemas inteligentes aplicados à cardiologia.
Por fim, esta revisão reforça a importância da simulação de ECG como ferramenta estratégica para atividades de ensino, investigação científica e desenvolvimento tecnológico. Ao reunir o conhecimento disponível e apontar lacunas ainda existentes, o estudo oferece subsídios para trabalhos futuros e destaca a necessidade de ampliar os investimentos na criação de modelos, simuladores e técnicas avançadas de geração de sinais eletrocardiográficos.
Referências Bibiográficas
ABNT. NBR IEC 60601-2-25:2014 – Requisitos particulares para a segurança básica e o desempenho essencial dos equipamentos eletrocardiógrafos. Rio de Janeiro: ABNT, 2014.
BRONZINO, J. D. The Biomedical Engineering Handbook: Medical Devices and Systems. Boca Raton: CRC Press, 2006.
ELSEVIER. Biomedical Signal Processing and Control. Amsterdam: Elsevier, 2021.
FERREIRA, V. M. da S.; SILVA, M. G. N. M. SimCardio – Protótipo de Simulador de ECG. EasyChair Preprint, 2022.
GALVÃO, T. F.; PEREIRA, M. G. Revisões sistemáticas da literatura: passos para sua elaboração. Epidemiologia e Serviços de Saúde, v. 23, n. 1, p. 183–184, 2014.
GOMES JUNIOR, J. C.; DIAS, C. Simulação de sinais de ECG variados com modelos matemáticos. Ponta Grossa: Atena, 2023.
IEEE. IEEE Sensors Journal. New York: IEEE, 2020.
ISKANDAR, W.; ROIHAN, I.; KOESTOER, R. Prototype low-cost portable electrocardiogram (ECG) based on Arduino-Uno with Bluetooth feature. AIP Conference Proceedings, 2019.
KITCHENHAM, B. Procedures for Performing Systematic Reviews. Keele University, 2004.
MC SHARRY, P. E. et al. A dynamical model for generating synthetic electrocardiogram signals. IEEE Transactions on Biomedical Engineering, v. 50, n. 3, p. 289–294, 2003.
QUIROZ-JUÁREZ, M. A.; ROSALES-JUÁREZ, J. A.; JIMÉNEZ-RAMÍREZ, R. ECG Patient Simulator Based on Mathematical Models. Sensors (MDPI), v. 22, p. 4956, 2022.
SENSORS. MDPI Sensors Journal. Basel: MDPI, 2022.
WAN, X.; WU, H.; QIAO, F. Electrocardiogram Baseline Wander Suppression Based on Morphological and Wavelet Filtering. Computational and Mathematical Methods in Medicine, 2019.
WANG, X.; WU, H. Standardization and calibration of electrocardiograph devices. IEEE Access, v. 5, p. 9876–9884, 2017.
AL-HAMADI, Hussam; GAWANMEH, Amjad; AL-QUTAYRI, Mahmoud. An automatic ECG generator for testing and evaluating ECG sensor algorithms. International Design & Test Symposium (IDT), 2015.
MITRA, Anumita et al. CardioSim: a PC-based cardiac signal simulator using segmental modeling of electrocardiogram. Computer Methods in Biomechanics & Biomedical Engineering, 2022.
SIDOROVA, Margarita; SEMIN, Anton. Simulation Models of Electrophysiological Signals Test Sequences for Monitoring Devices of Medical Diagnostics. IEEE EDM, 2025.
KARATAŞ, F. et al. Design and implementation of arrhythmic ECG signals for biomedical engineering applications on FPGA. European Physical Journal Special Topics, 2022.
BABU, N. Ramesh; ARAVIND, R. Vijay; BALASUBRAMANIAM, P. Master–slave synchronization of electrocardiogram chaotic networks. EPJ Special Topics, 2025.
GAO, Yuan et al. Electrocardiogram patterns of left anterior fascicular block… Journal of Zhejiang University – Science B, 2018.
BALAKRISHNAN, Minimol et al. Simulation of cardiac arrhythmias using a 2D heterogeneous heart model. Frontiers in Physiology, 2015.
AKHIIEZER, Olena et al. Use of triangular models of non-stationary processes in modeling variability of heart rhythm. Innovative Technologies, 2019.
BACHI, Lorenzo et al. ECG modeling for simulation of arrhythmias in time-varying conditions. IEEE TBME, 2023.
BACHLER, Martin; MAYR, Christopher. Simulation of physiologic ectopic beats… IFAC PapersOnline, 2015.
FAVINO, Marco et al. Impact of mechanical deformation on pseudo-ECG. Europace, 2016.
ADIB, Edmond et al. Synthetic ECG generation using probabilistic diffusion models. IEEE Access, 2023.
NEIFAR, Nour et al. Leveraging statistical shape priors in GAN-based ECG synthesis. IEEE Access, 2024.
KARAHODA, Bertan. Generating time series ECG with real-valued DC-GAN. IEEE Access, 2024.
CRETU, Ioana et al. Synthesis of multimodal cardiological signals using WGAN-C. IEEE Access, 2024.
AKPINAR, M. H. et al. Synthetic data generation via GANs in healthcare. IEEE OJEMB, 2025.
TIAN, Yupeng et al. Modeling and reproducing textile sensor noise. IEEE Journal of Biomedical and Health Informatics, 2022.
LYON, Aurore et al. Computational techniques for ECG analysis and interpretation. J. Royal Society Interface, 2018.
QUIROZ-JUÁREZ, Mario et al. Cardiac conduction model for generating 12-lead ECG. IEEE Transactions on Nanobioscience, 2018.
IEC. IEC 60601-2-47: Particular requirements for the basic safety and essential performance of ambulatory electrocardiographic systems. Geneva: International Electrotechnical Commission, 2012.
ANSI/AAMI. EC57: Testing and reporting performance results of cardiac rhythm and ST segment measurement algorithms. Arlington: Association for the Advancement of Medical Instrumentation, 2012.
IEEE. IEEE 11073: Health Informatics – Device Interoperability Standards. New York: Institute of Electrical and Electronics Engineers, 2016.
ISO. ISO/TS 25237:2017 – Health informatics – Pseudonymization. Geneva: International Organization for Standardization, 2017.
AHA. American Heart Association Guidelines for CPR and Emergency Cardiovascular Care. Dallas: American Heart Association, 2020.
1Christyan Lima, E-mail: chrislima_158@outlook.com
2Matheus Tavares, E-mail: tavaresmatheus350@gmail.com
3Thiago Casemiro, E-mail: thiago.s.casemiro@hotmail.com
4Marcos Henrique Silva Mesquita, E-mail: marcos.mesquita01@fatec.sp.gov.br