Inteligencia Artificial en Anestesiología: transformando el monitoreo y la toma de decisiones en el perioperatorio
DOI:
https://doi.org/10.5281/zenodo.14858592Palabras clave:
Anestesiología, Inteligencia Artificial, Monitoreo Perioperatorio, Apoyo a la Toma de Decisiones ClínicasResumen
La Inteligencia Artificial (IA) se ha consolidado como una herramienta prometedora en anestesiología, permitiendo avances en el monitoreo continuo y en la toma de decisiones durante el período perioperatorio. La aplicación de algoritmos de aprendizaje automático y redes neuronales artificiales permite el análisis en tiempo real de múltiples parámetros fisiológicos, contribuyendo a una mayor precisión en la administración anestésica, la identificación temprana de complicaciones y la personalización de la atención al paciente. En consecuencia, la IA tiene el potencial de mejorar tanto la seguridad como la eficiencia de los procedimientos anestésicos. Este estudio consiste en una revisión narrativa de la literatura, con el objetivo de sintetizar los principales avances tecnológicos de la IA en anestesiología, discutir sus beneficios y desafíos, y explorar sus implicaciones clínicas. Se analizaron las aplicaciones de la IA en la personalización de la anestesia basada en datos, la predicción y mitigación de complicaciones perioperatorias y el apoyo a la toma de decisiones clínicas. Además, se abordaron aspectos éticos y limitaciones técnicas en la implementación de estos sistemas. Los avances de la IA en anestesiología demuestran un impacto significativo en la mejora de la seguridad del paciente y la eficiencia clínica. Sin embargo, su adopción completa requiere una validación rigurosa, una regulación cuidadosa y una formación adecuada para los profesionales de la salud. La IA debe considerarse como un complemento a la experiencia del anestesiólogo, ayudando en el análisis de datos complejos y permitiendo un enfoque más preciso y personalizado. La sinergia entre la innovación tecnológica y el juicio clínico representa el futuro de la anestesiología moderna.
Referencias
BELLINI, V. et al. Artificial intelligence and anesthesia: a narrative review. Annals of translational medicine, v. 10, n. 9, 2022. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC9347047/. Acesso em 10 dez. 2024.
BELLINI, V. et al. Artificial intelligence in operating room management. Journal of Medical Systems, v. 48, n. 1, p. 19, 2024. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC10867065/. Acesso em 29 nov. 2024.
BISHARA, A. et al. Opal: An implementation science tool for machine learning clinical decision support in anesthesia. Journal of clinical monitoring and computing, p. 1-11, 2022. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC9275816/. Acesso em 03 dez. 2024.
BOWNESS, J. S. et al. Exploring the utility of assistive artificial intelligence for ultrasound scanning in regional anesthesia. Regional Anesthesia & Pain Medicine, v. 47, n. 6, p. 375-379, 2022. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC9046753/. Acesso em 29 nov. 2024.
BRENNAN, M. et al. Comparing clinical judgment with the MySurgeryRisk algorithm for preoperative risk assessment: a pilot usability study. Surgery, v. 165, n. 5, p. 1035-1045, 2019. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC6502657/. Acesso em 10 dez. 2024.
HASHIMOTO, D. A. et al. Artificial intelligence in anesthesiology: current techniques, clinical applications, and limitations. Anesthesiology, v. 132, n. 2, p. 379, 2020. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC7643051/. Acesso em 24 nov. 2024.
KAMBALE, M.; JADHAV, S. Applications of artificial intelligence in anesthesia: A systematic review. Saudi Journal of Anaesthesia, v. 18, n. 2, p. 249-256, 2024. Disponível em: https://pubmed.ncbi.nlm.nih.gov/38654854/. Acesso em 13 dez. 2024.
KANG, A. R. et al. Development of a prediction model for hypotension after induction of anesthesia using machine learning. PloS one, v. 15, n. 4, p. e0231172, 2020. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC7162491/. Acesso em 03 dez. 2024.
LOPES, S.; ROCHA, G.; GUIMARÃES-PEREIRA, L. Artificial intelligence and its clinical application in Anesthesiology: a systematic review. Journal of Clinical Monitoring and Computing, v. 38, n. 2, p. 247-259, 2024. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC10995017/. Acesso em 24 nov. 2024.
SCHMIERER, T.; LI, T.; LI, Y. Harnessing machine learning for EEG signal analysis: Innovations in depth of anaesthesia assessment. Artificial Intelligence in Medicine, p. 102869, 2024. Disponível em: https://pubmed.ncbi.nlm.nih.gov/38593683/. Acesso em 29 nov. 2024.
SEGER, C.; CANNESSON, M. Recent advances in the technology of anesthesia. F1000Research, v. 9, 2020. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC7236591/. Acesso em 24 nov. 2024.
SINGH, M.; NATH, G. Artificial intelligence and anesthesia: A narrative review. Saudi Journal of Anaesthesia, v. 16, n. 1, p. 86-93, 2022. Disponível em: https://pubmed.ncbi.nlm.nih.gov/35261595/. Acesso em 03 dez. 2024.
VATANSEVER, S. et al. Artificial intelligence and machine learning‐aided drug discovery in central nervous system diseases: State‐of‐the‐arts and future directions. Medicinal research reviews, v. 41, n. 3, p. 1427-1473, 2021. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC8043990/. Acesso em 24 nov. 2024.
XUE, B. et al. Use of machine learning to develop and evaluate models using preoperative and intraoperative data to identify risks of postoperative complications. JAMA network open, v. 4, n. 3, p. e212240-e212240, 2021. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC8010590/. Acesso em 11 dez. 2024.
YOON, H-K. et al. Artificial intelligence in perioperative medicine: a narrative review. Korean journal of anesthesiology, v. 75, n. 3, p. 202-215, 2022. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC9171545/. Acesso em 24 nov. 2024.
ZENG, S. et al. Personalized anesthesia and precision medicine: a comprehensive review of genetic factors, artificial intelligence, and patient-specific factors. Frontiers in Medicine, v. 11, p. 1365524, 2024. Disponível em: https://pubmed.ncbi.nlm.nih.gov/38784235/. Acesso em 13 dez. 2024.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Journal of Social Issues and Health Sciences (JSIHS)

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
