Aplicações da inteligência artificial na otimização da anestesia veterinária e humana: avanços, segurança e desafios éticos
DOI:
https://doi.org/10.34188/bjaerv8n4-043Palavras-chave:
inteligência artificial, anestesia, hemodinâmica, ética, infusão alvo-controladaResumo
A inteligência artificial (IA) tem trazido uma nova abordagem a anestesiologia veterinária e humana, introduzindo ferramentas capazes de otimizar o controle farmacológico, o monitoramento fisiológico e a segurança anestésica. Este artigo tem como objetivo revisar e discutir as principais aplicações da IA na anestesia, destacando avanços tecnológicos, implicações éticas, riscos hemodinâmicos e o papel das bombas alvo controladas por modelo farmacocinético (Target-Controlled Infusion, TCI). A metodologia baseou-se em uma revisão bibliográfica integrativa de artigos científicos publicados entre 2018 e 2024, obtidos em bases indexadas nacionais e internacionais. As evidências indicam que o uso de algoritmos de aprendizado de máquina e sistemas de suporte à decisão clínica permite prever instabilidades hemodinâmicas, ajustar doses de anestésicos em tempo real e reduzir complicações intraoperatórias e otimizar a recuperação anestésica. Na medicina veterinária, embora o uso ainda seja pouco difundido, os resultados mostram potencial para padronizar protocolos e minimizar a variabilidade entre profissionais. Todavia, os desafios éticos e regulatórios, como a transparência algorítmica e a preservação da autonomia do anestesiologista, permanecem em debate. Conclui-se que a IA representa uma ferramenta promissora na anestesia, mas seu uso deve ser pautado por evidências científicas, segurança, conhecimento técnico do profissional que usa e rigor ético.
Referências
ABSALOM, A.; GLEN, J.; ZWART, G.; SCHNIDER, T.; STRUYS, M. Target-Controlled Infusion: A Mature Technology. Anesthesia & Analgesia, v.122, p.70–78, 2016. https://doi.org/10.1213/ANE.0000000000001009
AKINSULIE, A. O.; et al. Artificial Intelligence Applications in Veterinary Anesthesia and Surgery: A Review.Frontiers in Veterinary Science, v.11, 1379021, 2024.
AKINSULIE, O.; IDRIS, I.; ALIYU, V.; et al. The potential application of artificial intelligence in veterinary clinical practice and biomedical research. Frontiers in Veterinary Science, v.11, 2024. https://doi.org/10.3389/fvets.2024.1347550
APPLEBY, R.; BASRAN, P. Artificial intelligence in veterinary medicine. Journal of the American Veterinary Medical Association, p.1–6, 2022. https://doi.org/10.2460/javma.22.03.0093
BELLINI, V.; CARNÀ, E.; RUSSO, M.; et al. Artificial intelligence and anesthesia: a narrative review. Annals of Translational Medicine, v.10, 2021. https://doi.org/10.21037/atm-21-7031
BOGOŃ, A.; GÓRSKA, M.; OSTOJSKA, M.; et al. Artificial intelligence in anesthesiology – a review. Journal of Pre-Clinical and Clinical Research, 2024. https://doi.org/10.26444/jpccr/191550
BOWNESS, J.; METCALFE, D.; EL-BOGHDADLY, K.; et al. Artificial intelligence for ultrasound scanning in regional anaesthesia: a scoping review of the evidence from multiple disciplines. British Journal of Anaesthesia, v.132, p.1049–1062, 2024. https://doi.org/10.1016/j.bja.2024.01.036
CARNEIRO, R.; PEREIRA, L. Depth of Anesthesia Monitoring and Artificial Intelligence. Current Anesthesiology Reports, 2025. https://doi.org/10.1007/s40140-024-00655-8
CASCELLA, M.; TRACEY, M.; PETRUCCI, E.; BIGNAMI, E. Exploring Artificial Intelligence in Anesthesia: A Primer on Ethics and Clinical Applications. Surgeries, 2023. https://doi.org/10.3390/surgeries4020027
CUNIBERTI, B.; HUUSKONEN, V.; HUGHES, J. Comparison between continuous rate infusion and target-controlled infusion of propofol in dogs: a randomized clinical trial. Veterinary Anaesthesia and Analgesia, 2021. https://doi.org/10.1016/j.vaa.2021.08.048
CRUZ, H. N. da; PRATES, F. B. da C.; CARVALHO, E. dos S. R.; SILVA, E. de A. V.; ARAÚJO, M. C. A. de; NASCIMENTO, M. M. R. “IAgora: como o uso de tecnologias influencia a formação do profissional”, Brazilian Journal of Animal and Environmental Research, 8(4), p. e82719. 2025. https://doi:10.34188/bjaerv8n4-003
DACCACHE, N.; ZAKO, J.; MORISSON, L.; LAFERRIÈRE-LANGLOIS, P. As aplicações do ChatGPT e outros grandes modelos de linguagem em anestesiologia e cuidados intensivos: uma revisão sistemática. Canadian Journal of Anaesthesia, v.72, n.6, p.904–922, 2025. https://doi.org/10.1007/s12630-025-02973-9
HEMMERLING, T. Robots Will Perform Anesthesia in the Near Future. Anesthesiology, 2019. https://doi.org/10.1097/ALN.0000000000003088
HEMMERLING, T.; JEFFRIES, S. Robotic Anesthesia: A Vision for 2050. Anesthesia & Analgesia, v.138, n.2, p.239–251, 2024. https://doi.org/10.1213/ANE.0000000000006835
HENCKERT, D.; MALORGIO, A.; SCHWEIGER, G.; et al. Attitudes of Anesthesiologists toward Artificial Intelligence in Anesthesia: A Multicenter, Mixed Qualitative–Quantitative Study. Journal of Clinical Medicine, v.12, 2023. https://doi.org/10.3390/jcm12062096
HUUSKONEN, V.; HUGHES, J. In vitro delivery accuracy of Computer Controlled Infusion Pump (CCIP) software linked to an Alaris® GH syringe pump for propofol target-controlled infusion in dogs. Medycyna Weterynaryjna, v.74, 2018. https://doi.org/10.21521/MW.5988
KAPOOR, S.; ARVIND, A.; KLOUB, G.; et al. Evolution of Artificial Intelligence in Anesthesia and Its Path Forward. International Journal of Advanced Research, 2024. https://doi.org/10.21474/ijar01/19608
LOFTUS, T.; TIGHE, P.; FILIBERTO, A.; et al. Artificial Intelligence and Surgical Decision-Making. JAMA Surgery, 2019. https://doi.org/10.1001/jamasurg.2019.4917
LOPES, R.; CARNEIRO, F.; PEREIRA, M. Machine Learning na Anestesiologia Veterinária: Tendências e Desafios Éticos. Revista Brasileira de Anestesiologia Veterinária, v.3, n.1, p.15–29, 2025.
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, p.247–259, 2023. https://doi.org/10.1007/s10877-023-01088-0
LONSDALE, H.; BURNS, M.; EPSTEIN, R.; et al. Strengthening Discovery and Application of Artificial Intelligence in Anesthesiology: A Report from the Anesthesia Research Council. Anesthesia & Analgesia, v.140, p.920–930, 2025. https://doi.org/10.1213/ANE.0000000000007474
MATHIS, M.; KHETERPAL, S.; NAJARIAN, K. Artificial Intelligence for Anesthesia: What the Practicing Clinician Needs to Know. Anesthesiology, v.129, p.619–622, 2018. https://doi.org/10.1097/ALN.0000000000002384
MATHIS, M.; STEFFNER, K.; SUBRAMANIAN, H.; et al. Overview and Clinical Applications of Artificial Intelligence and Machine Learning in Cardiac Anesthesiology. Journal of Cardiothoracic and Vascular Anesthesia, 2024. https://doi.org/10.1053/j.jvca.2024.02.004
MCKENDRICK, M.; YANG, S.; MCLEOD, G. The use of artificial intelligence and robotics in regional anaesthesia.Anaesthesia, v.76, 2021. https://doi.org/10.1111/anae.15274
MENG, E.; HOANG, T. MEMS-enabled implantable drug infusion pumps for laboratory animal research, preclinical, and clinical applications. Advanced Drug Delivery Reviews, v.64, n.14, p.1628–1638, 2012. https://doi.org/10.1016/j.addr.2012.08.006
MIRZA, M.; MEHTAB, M.; ISLAM, B.; SHAHBAZ, S. Artificial Intelligence for Perioperative Medicine in Anesthesia: Present State and Future Perspectives of AI in Anesthesiology. The Healer Journal of Physiotherapy and Rehabilitation Sciences, v.5, n.1, 2025. https://doi.org/10.55735/hjprs.v5i1.330
NADA, I.; NGUYEN, T.; GUO, N.; et al. The evaluation of the performance of ChatGPT in the management of labor analgesia. Journal of Clinical Anesthesia, v.98, 2024. https://doi.org/10.1016/j.jclinane.2024.111582
NIEUWENHUYZEN, M.; ENGBERS, F.; VUYK, J.; BURM, A. Target-Controlled Infusion Systems. Clinical Pharmacokinetics, v.38, p.181–190, 2000. https://doi.org/10.2165/00003088-200038020-00003
PARDO, E.; CAM, L.; VERDONK, F. Artificial intelligence and nonoperating room anesthesia. Current Opinion in Anaesthesiology, v.37, p.413–420, 2024. https://doi.org/10.1097/ACO.0000000000001388
REN, W.; CHEN, J.; LIU, J.; et al. Feasibility of intelligent drug control in the maintenance phase of general anesthesia based on convolutional neural network. Heliyon, v.9, 2022. https://doi.org/10.1016/j.heliyon.2022.e12481
SCHNIDER, T.; MINTO, C.; STRUYS, M.; ABSALOM, A. The Safety of Target-Controlled Infusions. Anesthesia & Analgesia, v.122, p.79–85, 2016. https://doi.org/10.1213/ANE.0000000000001005
SINGAM, A. Revolutionizing Patient Care: A Comprehensive Review of Artificial Intelligence Applications in Anesthesia. Cureus, v.15, 2023. https://doi.org/10.7759/cureus.49887
SINGHAL, M.; GUPTA, L.; HIRANI, K. A Comprehensive Analysis and Review of Artificial Intelligence in Anaesthesia. Cureus, v.15, 2023. https://doi.org/10.7759/cureus.45038
SINGH, M.; NATH, G. Artificial intelligence and anesthesia: A narrative review. Saudi Journal of Anaesthesia, v.16, p.86–93, 2022. https://doi.org/10.4103/sja.sja_669_21
SINGHAL, A.; et al. Machine Learning and Artificial Intelligence in Anesthesia: The Future Is Now. Journal of Clinical Anesthesia, v.86, 111081, 2023.
SONG, B.; ZHOU, M.; ZHU, J. Necessity and Importance of Developing AI in Anesthesia from the Perspective of Clinical Safety and Information Security. Medical Science Monitor, v.29, 2023. https://doi.org/10.12659/MSM.938835
STRUYS, M.; DE SMET, T.; GLEN, J.; et al. The History of Target-Controlled Infusion. Anesthesia & Analgesia, v.122, p.56–69, 2016. https://doi.org/10.1213/ANE.0000000000001008
VIDERMAN, D.; DOSSOV, M.; SEITENOV, S.; LEE, M. Artificial intelligence in ultrasound-guided regional anesthesia: A scoping review. Frontiers in Medicine, v.9, 2022. https://doi.org/10.3389/fmed.2022.994805
YUAN, L.; LI, G.; TENG, Z.; TENG, J. Application Analysis of Artificial Intelligence Target Controlled Infusion in Clinical Anesthesia Operation. International Conference on Artificial Intelligence and Advanced Manufacture, 2021. https://doi.org/10.1145/3495018.3495389
ZENG, S.; QING, Q.; XU, W.; et al. Personalized anesthesia and precision medicine: a comprehensive review of genetic factors, artificial intelligence, and patient-specific factors. Frontiers in Medicine, v.11, 2024. https://doi.org/10.3389/fmed.2024.1365524
ZHANG, J.; ZHANG, Z. Ethics and governance of trustworthy medical artificial intelligence. BMC Medical Informatics and Decision Making, v.23, 2023. https://doi.org/10.1186/s12911-023-02103-9
Downloads
Publicado
Como Citar
Edição
Seção
Licença
- O conteúdo dos artigos é de responsabilidade exclusiva dos autores.
- É permitida a reprodução total ou parcial do conteúdo dos artigos, desde que citada a fonte.
- Artigos com plágio serão recusados, e o autor do plágio perderá o direito de publicar nesta revista.
- Os nomes e endereços informados nesta revista serão utilizados exclusivamente para os serviços prestados por esta publicação e não estão disponíveis para outros fins ou a terceiros.
- Depois de enviar os artigos, os autores cedem os direitos autorais de seus artigos ao BJAER. Se você se arrepender da submissão, o autor tem o direito de solicitar ao BJAER que não publique seu artigo. Porém, essa solicitação deve ocorrer até dois meses antes da divulgação do número que o artigo será publicado.
- O BJAER usa a licença Creative Commons CC BY. Informações sobre esta licença podem ser encontradas em: https://creativecommons.org/licenses/by/3.0/br/
Brazilian Journal of Animal and Environmental Research (BJAER) se reserva o direito de efetuar nos originais alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores. Os trabalhos finais não serão enviadas aos autores.
