Avanços em monitorização anestésica: contribuições da Inteligência Artificial para a redução de eventos adversos e melhoria da segurança do paciente
DOI:
https://doi.org/10.34119/bjhrv9n1-165Keywords:
anestesiologia, Inteligência Artificial, monitoramento intraoperatórioAbstract
A monitorização anestésica constitui um dos principais pilares da segurança do paciente, ao permitir a detecção precoce de alterações fisiológicas durante o ato anestésico-cirúrgico. Com o avanço da tecnologia, a incorporação da inteligência artificial (IA) vem transformando esse processo em um modelo mais preciso, integrado e preditivo. Este estudo teve como objetivo analisar as contribuições da IA para a monitorização anestésica, especialmente na prevenção de eventos adversos intraoperatórios, na personalização do manejo anestésico e no aprimoramento da tomada de decisão clínica. Para isso, realizou-se uma revisão sistemática conforme as diretrizes PRISMA, por meio de buscas nas bases PubMed, Google Acadêmico e SciELO, abrangendo publicações entre 2018 e 2024. Foram incluídos estudos clínicos, revisões sistemáticas e diretrizes oficiais em português e inglês, que abordassem a aplicação da IA em anestesiologia; ao final, dez artigos atenderam aos critérios de elegibilidade. Os resultados indicaram que a IA tem ampliado significativamente a capacidade de monitorização intraoperatória, possibilitando a predição de complicações como hipotensão e hipóxia, aprimorando a detecção precoce de instabilidades fisiológicas e permitindo a automação da administração de anestésicos por sistemas de circuito fechado. Tecnologias como algoritmos de machine learning, robôs anestesistas (McSleepy, iControl-RP), softwares de suporte à decisão clínica (AIMS, SAM) e modelos farmacológicos individualizados demonstraram ganhos em precisão, estabilidade hemodinâmica, padronização de condutas e redução de erros humanos. Conclui-se que a integração da IA à monitorização anestésica representa um avanço relevante para a segurança e a qualidade do cuidado perioperatório, embora sua implementação definitiva ainda dependa de validação clínica robusta, capacitação profissional adequada, padronização de protocolos e atenção às implicações éticas e regulatórias. Assim, a IA configura-se como uma ferramenta complementar ao julgamento do anestesiologista, contribuindo para a redução de eventos adversos e para o aprimoramento dos desfechos em anestesia.
References
BELLINI V, RAFANO CARNÀ E, RUSSO M, et al. Artificial intelligence and anesthesia: a narrative review. Annals of Translational Medicine. May, v. 10, n. 9, p. 528, 2022. DOI: https://doi.org/10.21037/atm-21-7031 . PMID: 35928743; PMCID: PMC9347047.
Bihorac A, Ozrazgat-Baslanti T, Ebadi A, Motaei A, Madkour M, Pardalos PM, et al. MySurgeryRisk: Development and validation of a machine-learning risk algorithm for major complications and death after surgery. Annals of Surgery. v. 269, n. 4, p. 652-662, 2019.DOI: https://doi.org/10.1097/SLA.0000000000002706
BOGOŃ A, GÓRSKA M, OSTOJSKA M, KAŁUŻA I, DZIUBA G, DOBOSZ M. Artificial intelligence in anaesthesiology – a review. J Pre-Clin Clin Res, v. 18, n. 3, p. 265–269, 2024. doi: 10.26444/jpccr/191550
BROOK, K., AGARWALA, A. V, LI, F., PURDON, P. L. Depth of anesthesia monitoring: an argument for its use for patient safety. Curr Opin Anaesthesiol. 2024 Dec 1;37(6):689-696. doi: https://doi.org/10.1097/ACO.0000000000001430 .
CAO Y, WANG Y, LIU H, WU L. Artificial intelligence revolutionizing anesthesia management: advances and prospects in intelligent anesthesia technology. Front Med (Lausanne). v. 12, p. 1571725, 2025. doi: https://doi.org/10.3389/fmed.2025.1571725
CONSELHO FEDERAL DE MEDICINA. Parecer CFM nº 30/16: Recomendação do uso de monitorização cerebral tipo BIS. Brasília, 2016. Disponível em: https://sistemas.cfm.org.br/normas/arquivos/pareceres/BR/2016/30_2016.pdf
CUNHA KABARITI, Cleide Marques; NUNES CARDOSO, Mislene; CAVALCANTI COSTA, Laisa. Envelhecimento e saúde, a urgência dos cuidados paliativos. Revista Cedigma, v. 1, n. 1, p. 53-70, 2024. Disponível em: https://revistacedigma.cedigma.com.br/index.php/cedigma/article/view/29.
DE SANTANA LEMOS C, DE BRITO POVEDA V. Adverse Events in Anesthesia: An Integrative Review. J Perianesth Nurs. v. 34, n. 5, p. 978-998, 2019. doi: https://doi.org/10.1016/j.jopan.2019.02.005.
GIRI, R., FIRDHOS SH, VIDA TA. Artificial Intelligence in Anesthesia: Enhancing Precision, Safety, and Global Access Through Data-Driven Systems. J Clin Med. 2025 Sep v. 29, n. 14, p.19:6900. doi: https://doi.org/10.3390/jcm14196900 .
HAO W, CONG C, YUANFENG D, DING W, LI J, YONGFENG S, et al. Multidata analysis based on an artificial neural network model for long term pain outcome and key predictors of microvascular decompression in trigeminal neuralgia. World Neurosurg n. 164, p. 271–9, 2022.
HASHIMOTO, D. A, WITKOWSKI, E., GAO, L, MEIRELES, O, ROSMAN G. Artificial intelligence in anesthesiology: Current techniques, clinical applications, and limitations. Anesthesiology n. 132, p. 379 94, 2020.
HARFAOUI W, ALILOU M, EL ADIB AR, ZIDOUH S, ZENTAR A, LEKEHAL B, BELYAMANI L, Obtel M. Patient Safety in Anesthesiology: Progress, Challenges, and Prospects. Cureus. Sep v. 16, n. 16, p. 9:e69540, 2024. doi: https://doi.org/10.7759/cureus.69540
HU, X.Y. et al. Automated machine learning-based model predicts postoperative delirium. CNS Neurosci Ther. 2022.
KENDALE S, KULKARNI P, ROSENBERG AD, WANG J. Supervised machine learning predictive analytics for prediction of post induction hypotension. Anesthesiology v. 129, p. 675 8, 2018.
LATIFI K, NEGARESH M, NIMA JAVANSHIR, SAFARI S. The advent of artificial intelligence in anesthesiology and pain management: A review article. Int J Drug Res Clin p.1:E14–4, 2023.
LEE, C.K. et al. Development and validation of an interpretable neural network for prediction of postoperative in-hospital mortality. NPJ Digit Med. 2021.
MATHIS MR, KHETERPAL S, NAJARIAN K. Artificial intelligence for anesthesia: What the practicing clinician needs to know: More than black magic for the art of the dark. Anesthesiology n. 129, p. 619 22, 2018.
NAIR BG, CHINTHAMREDDY S, SHUKLA R, BIHORAC A, SCHWID HA. Applications of artificial intelligence in anesthesiology. BMC Anesthesiol. v.21, n.1, p. 204, 2021. doi: https://doi.org/10.1186/s12871-021-01423-7
PRETTO, G. et al. Artificial Intelligence as a tool to support decision-making in the management of intraoperative hypotension. International Journal of Cardiovascular Sciences, v. 38, p. e20240221, 2025.
SCHAMBERG, G., BADGELEY M., MESCHEDE-KRASA, B., KWON, O., BROWN, E. N. Continuous action deep reinforcement learning for propofol dosing during general anesthesia. Artificial Intelligence Med 2022; 123:102227.
SHIM J. G, RYU KH, CHO EA, AHN JH, KIM HK, LEE YJ, et al. Machine learning approaches to predict chronic lower back pain in people aged over 50 years. Medicina n. 11, p. 1230, 2021. doi: https://doi.org/10.3390/medicina57111230
SINGH M, NATH G. Artificial intelligence and anesthesia: A narrative review. Saudi J Anaesth n. 16, p. 86 93, 2022.
SINGHAL M, GUPTA L, HIRANI K. A Comprehensive Analysis and Review of Artificial Intelligence in Anaesthesia. Cureus. v.15, n. 9, p. e45038, 2023. doi: https://doi.org/10.7759/cureus.45038.
ROZARIO, D. Can machine learning optimize the efficiency of the operating room in the era of COVID-19? Can J Surg. 2020.
VIEIRA, B. DA S., DA SILVA, A. F. R., RODRIGUES, E. G., DE ANDRADE, L. M. L., & OLIVEIRA, J. S. Contribuições da inteligência artificial na anestesiologia. Revista Brasileira de Anestesiologia e Medicina Perioperatória, v. 3, n. 1, p. e215298, 2023. https://doi.org/10.5281/zenodo.7942549
ZHANG, L. et al. A System for Automated Determination of Perioperative Patient Acuity. J Med Syst. 2018.
WEST, N. et al. Design and Evaluation of a Closed-Loop Anesthesia System. Anesth Analg. 2018.
WIJNBERGE M, GEERTS BF, HOL L, et al. Effect of a Machine Learning-Derived Early Warning System for Intraoperative Hypotension vs Standard Care on Depth and Duration of Intraoperative Hypotension During Elective Noncardiac Surgery: The HYPE RandomizedClinical Trial. JAMA n. 323, p. 1052-60, 2020.
WFSA – World Federation of Societies of Anaesthesiologists. International Standards for a Safe Practice of Anesthesia. London, 2022.
