Milhões de pessoas sofrem com condições neurológicas crônicas, sendo a epilepsia a terceira mais comum, afetando cerca de 50 milhões de indivíduos da população mundial. O uso de sistemas de detecção precoce para crises epilépticas ainda é um desafio nos tempos atuais, pois geralmente requer a aquisição de sinais com sensores posicionados na cabeça (eletroencefalograma), o que pode ser dispendioso e imprá- tico para a coleta no dia-a-dia. Estudos têm mostrado potencial capacidade de utilizar sinais cardíacos (eletrocardiograma) como entrada para sistemas de detecção de cri- ses epilépticas pela sua relação fisiológica e, também, pela simplicidade de aquisição do sinal. Isso apresenta uma potencial capacidade de complementar a terapia por neuromodulação no implante de dispositivos estimuladores do nervo vago (VNS) em pacientes refratários ao tratamento de epilepsia. A viabilidade de implementação VNS com identificação de eventos epilépticos demanda duas características conflitantes: elevada capacidade de processamento e baixo consumo de energia. Na presente dis- sertação de mestrado é investigada a aplicação de redes neurais pulsadas de detecção de eventos epilépticos com o objetivo de validar essa solução para o desenvolvimento de estimuladores implantáveis com operação sob demanda. Além da arquitetura da rede, são estudadas as estratégias de conversão de redes neurais artificiais, a escolha de atributos do sinal de ECG e as estratégias de treinamento, em particular, o efeito do treinamento personalizado para cada paciente. Como resultado, implementou-se uma rede neural pulsada (SNN) capaz de inferir a detecção precoce de eventos epilépticos a partir dos sinais cardíacos de um banco de dados de pacientes com acurácias de 99,79%, 100% e 99,79% para períodos ictal, normal e pré-ictal, respectivamente. O desempenho observado é equiparável ou mesmo superior aos obtidos com modelos convencionais reportados na literatura. A robustez dos resultados, mesmo em situação de desbalanceamento amostral, sugere a viabilidade do desenvolvimento de hardware neuromórfico para identificação e tratamento da epilepsia. A implementação de algorit- mos de classificação em redes neurais pulsadas tem potencial aplicação em soluções vestíveis ou implantáveis na área de saúde, com desempenhos equiparáveis às redes clássicas e consumo de energia até duas ordens de grandeza menor.