Dados do Trabalho

Título

Integração da Inteligência Artificial na Monitorização Anestésica: estudo sobre aplicabilidade

Descrição

Justificativa e Objetivos: A monitorização anestésica é uma componente crucial da prática anestésica moderna, garantindo a segurança e o bem-estar dos pacientes durante procedimentos cirúrgicos. A inteligência artificial (IA) tem emergido como uma ferramenta poderosa na medicina, oferecendo novas perspectivas para a monitorização anestésica por meio de análises mais precisas e em tempo real. Este artigo revisa os avanços recentes no uso da IA na monitorização anestésica, destacando as principais tecnologias envolvidas, os benefícios potenciais para a prática clínica e os desafios que ainda precisam ser superados.
Método: Este estudo é uma revisão integrativa de literatura de caráter narrativo sobre a integração da IA na monitorização anestésica. A pesquisa foi realizada em julho de 2024, nas bases de dados PubMed, Embase e SciELO, utilizando os descritores "anesthetic monitoring" e "artificial intelligence". Foram incluídos apenas artigos publicados nos últimos cinco anos. Excluíram-se artigos repetidos e estudos com temáticas diferentes, resultando na seleção de 23 artigos para análise detalhada a partir de um total de 236 artigos encontrados.
Resultados: A utilização de Machine Learning (ML) e IA na monitorização anestésica apresenta avanços significativos, mas enfrenta desafios complexos. Entre esses desafios, está a alta dependência dos algoritmos de ML em dados, o que dificulta a previsão de seu desempenho em ambientes reais ao longo do tempo. Agências reguladoras exigem que os algoritmos não sejam modificados após a aprovação, resultando em modelos "trancados" que, embora evitem atualizações prejudiciais, estão suscetíveis à degradação de desempenho em ambientes de saúde dinâmicos. Os algoritmos de IA identificam correlações entre variáveis dos pacientes e desfechos clínicos para alcançar alta precisão preditiva. No entanto, sua eficácia pode ser reduzida em ambientes clínicos dinâmicos e populações heterogêneas, como observado durante a pandemia de COVID-19. O monitoramento de IA visa levantar alarmes diante de variações anômalas e corrigir modelos ou processos de dados usando gráficos de controle estatístico. Após um alarme, é crucial investigar a causa raiz e tomar ações corretivas, exigindo colaboração entre desenvolvedores, profissionais de saúde, TI e estatísticos. Procedimentos de atualização de modelos buscam corrigir quedas no desempenho e melhorar continuamente a eficácia dos algoritmos, contudo, apresentam riscos e devem ser realizados com cautela. Agências reguladoras, como a FDA, estão considerando soluções como o Protocolo de Mudança de Algoritmo (ACP) para garantir a segurança e a eficácia das modificações nos modelos.
Conclusões: A integração de IA e ML na monitorização anestésica é complexa e demanda abordagens cuidadosas e colaborativas para superar desafios relacionados à dependência de dados, manutenção de desempenho e necessidade de atualizações contínuas.

Referência 1

FENG, Jean et al. Clinical artificial intelligence quality improvement: towards continual monitoring and updating of AI algorithms in healthcare. NPJ digital medicine, 2022; v. 5, n. 1, p. 66.

Referência 2

BELLINI, Valentina et al. Artificial intelligence and telemedicine in anesthesia: potential and problems. Minerva anestesiologica, 2022; v. 88, n. 9, p. 729-734.

Palavras Chave

monitorização anestésica; Inteligência Artificial; machine learning