INTELIGÊNCIA ARTIFICIAL NA PREVISÃO DE DETERIORAÇÃO CLÍNICA EM PACIENTES ATENDIDOS EM SERVIÇOS DE EMERGÊNCIA

Autores

  • João Lucas Watrin Braga

DOI:

https://doi.org/10.47879/ed.ep.20260637p109

Palavras-chave:

INTELIGÊNCIA ARTIFICIAL, DETERIORAÇÃO CLÍNICA

Resumo

INTRODUÇÃO: Os serviços de emergência concentram pacientes de alta complexidade, sob superlotação e recursos limitados, o que favorece a deterioração clínica não reconhecida; cerca de 10% das paradas cardíacas intra-hospitalares ocorrem nesse setor (MITCHELL; EDELSON; ABELLA, 2020). Sistemas convencionais de triagem dependem de avaliação subjetiva e discriminam mal o risco, sobretudo nos níveis intermediários. Modelos de inteligência artificial (IA), alimentados por dados rotineiros, como sinais vitais, queixa principal e comorbidades, surgem como alternativa para a estratificação precoce de risco (BIESHEUVEL; DONGELMANS; ELBERS, 2024). OBJETIVO: Analisar as evidências sobre o desempenho, os benefícios e as limitações dos modelos de IA na previsão de deterioração clínica em pacientes atendidos em serviços de emergência. MÉTODO: Trata-se de revisão narrativa da literatura, com busca na base PubMed. Foram selecionados, por pertinência temática, estudos originais, revisões sistemáticas e revisões narrativas publicados entre 2017 e 2025. RESULTADOS E DISCUSSÃO: Em estudo multicêntrico com 172.726 atendimentos, a triagem eletrônica baseada em floresta aleatória obteve áreas sob a curva (AUC) entre 0,73 e 0,92 e reclassificou mais de 10% dos pacientes do nível 3 do Emergency Severity Index que apresentavam maior risco de cuidados críticos (LEVIN et al., 2018). Com dados nacionais norte-americanos, uma rede neural profunda alcançou AUC de 0,86 na previsão de desfecho crítico, contra 0,74 do modelo de referência (RAITA et al., 2019). Revisão sistemática com 26 estudos confirmou a superioridade frequente dos modelos de aprendizado de máquina sobre ferramentas tradicionais, ressaltando a escassez de ensaios prospectivos (EL ARAB; AL MOOSA, 2025). No ambiente hospitalar, um sistema automatizado de alerta associou-se à redução da mortalidade em 30 dias (ESCOBAR et al., 2020); em contrapartida, a validação externa de um modelo comercial de sepse revelou discriminação fraca (AUC de 0,63) e elevada carga de alertas (WONG et al., 2021). CONCLUSÃO: A IA demonstra potencial para antecipar a deterioração clínica e qualificar a triagem nos serviços de emergência, superando os escores convencionais em estudos retrospectivos. Sua incorporação segura, contudo, exige validação externa e prospectiva, integração ao prontuário eletrônico, transparência dos algoritmos e monitoramento contínuo do desempenho em cada contexto assistencial.

Biografia do Autor

João Lucas Watrin Braga

 

 

Downloads

Publicado

2026-11-17

Como Citar

Braga, J. L. W. . (2026). INTELIGÊNCIA ARTIFICIAL NA PREVISÃO DE DETERIORAÇÃO CLÍNICA EM PACIENTES ATENDIDOS EM SERVIÇOS DE EMERGÊNCIA. Epitaya E-Books, 1(139), 109-110. https://doi.org/10.47879/ed.ep.20260637p109

Edição

Seção

Capítulo de Livro