Inteligência Artificial na Anestesiologia: transformando o monitoramento e a tomada de decisões no perioperatório

Autores

DOI:

https://doi.org/10.5281/zenodo.14858592

Palavras-chave:

Anestesiologia, Inteligência Artificial, Monitoramento Perioperatório, Suporte à Decisão Clínica

Resumo

A Inteligência Artificial (IA) tem se consolidado como uma ferramenta promissora na anestesiologia, permitindo avanços no monitoramento contínuo e na tomada de decisões durante o período perioperatório. A aplicação de algoritmos de aprendizado de máquina e redes neurais artificiais possibilita a análise em tempo real de múltiplos parâmetros fisiológicos, contribuindo para maior precisão na administração anestésica, identificação precoce de complicações e personalização do atendimento. Com isso, a IA tem o potencial de aprimorar a segurança e a eficiência dos procedimentos anestésicos. Este estudo consiste em uma revisão narrativa da literatura, com o objetivo de sintetizar os principais avanços tecnológicos da IA na anestesiologia, discutir seus benefícios e desafios e explorar suas implicações clínicas. Foram analisadas as aplicações da IA na personalização da anestesia baseada em dados, na previsão e mitigação de complicações perioperatórias e no suporte à decisão clínica. Além disso, aspectos éticos e limitações técnicas da implementação desses sistemas foram abordados. Os avanços da IA na anestesiologia demonstram um impacto significativo na melhoria da segurança do paciente e na eficiência clínica. No entanto, sua adoção plena exige validação rigorosa, regulamentação criteriosa e treinamento adequado dos profissionais. A IA deve ser vista como um complemento à expertise do anestesiologista, auxiliando na análise de dados complexos e permitindo uma abordagem mais precisa e personalizada. A sinergia entre inovação tecnológica e julgamento clínico representa o futuro da anestesiologia moderna.

Referências

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.

Downloads

Publicado

02/12/2025

Edição

Seção

Artigos

Como Citar

KLINGELFUS, Alexsandro et al. Inteligência Artificial na Anestesiologia: transformando o monitoramento e a tomada de decisões no perioperatório. Journal of Social Issues and Health Sciences (JSIHS), [S. l.], v. 2, n. 2, 2025. DOI: 10.5281/zenodo.14858592. Disponível em: https://ojs.thesiseditora.com.br/index.php/jsihs/article/view/312.. Acesso em: 22 fev. 2025.