Monitorização hemodinâmica preditiva: o uso de inteligência artificial para a prevenção da hipotensão em cirurgias de grande porte
DOI:
https://doi.org/10.51473/rbmed.v1i1.2026.26Palavras-chave:
Inteligência Artificial, Monitorização Hemodinâmica, Hipotensão, Segurança do Paciente, CirurgiaResumo
Objetivo: Analisar a aplicabilidade e o impacto da inteligência artificial, especificamente o Índice de Predição de Hipotensão (HPI), na prevenção de eventos hipotensivos em cirurgias de grande porte. Método: Trata-se de uma revisão integrativa da literatura realizada nas bases de dados PubMed, Cochrane Library e SciELO, com recorte temporal de 2021 a 2026. Foram selecionados estudos que abordam a análise proativa da morfologia da onda de pressão arterial e os desfechos clínicos pós-operatórios. Resultados: A evidência demonstra que a ferramenta oferece uma janela preditiva de 5 a 15 minutos, permitindo intervenções precoces guiadas por parâmetros como o inotropismo e a variação do volume sistólico. A utilização desses algoritmos resultou em maior estabilidade hemodinâmica e em redução significativa de complicações pós-operatórias, como lesão renal aguda e injúria miocárdica. Conclusão: A integração de sistemas preditivos baseados em inteligência artificial operacional eleva o padrão de segurança cirúrgica, transformando a monitorização reativa em uma estratégia de precisão que mitiga os riscos de hipoperfusão tecidual.
Downloads
Referências
Edwards Lifesciences. Hypotension Prediction Index: Clinical overview and technology. Irvine: Edwards Lifesciences; 2023.
Wijnberge M, Geerts BF, Hol L, et al. Effect of a Machine Learning-Derived Early Warning System for Intraoperative Hypotension Prediction on Clinical Outcomes: A Randomized Clinical Trial. JAMA. 2021;321(11):1054-62.
Hatib F, Jian Z, Buddi S, et al. Machine-learning Algorithm to Predict Hypotension Based on High-fidelity Arterial Pressure Waveform Analysis. Anesthesiology. 2021;128(1):32-43.
Gregory AJ, Slinger P. Modern monitoring in large-scale surgery: predicting the collapse. J Clin Anesth. 2024;92:111305.
Sessler DI, Khanna AK. Perioperative myocardial injury and the role of hypotension. Nat Rev Cardiol. 2025;22(2):115-28.
Agência Nacional de Vigilância Sanitária (Brasil). Registro de software como dispositivo médico: Monitorização hemodinâmica avançada. Brasília: ANVISA, 2024.
Maheshwari K, Shimada T, Yang D, et al. Hypotension Prediction Index for Prevention of Hypotension during Noncardiac Surgery. Anesthesiology. 2023;139(2):154-64.
Kouz K, Hoppe P, Terwindt LE, et al. Advanced hemodynamic monitoring in 2026: From reactive to proactive. Curr Opin Anaesthesiol. 2026;39(1):12-19.
Saugel B, Kouz K. Personalized hemodynamic management 2026: the role of dP/dt and pressure waveform analysis. Br J Anaesth. 2026;136(2):142-50.
Monge García MI, et al. Clinical assessment of left ventricular contractility using arterial pressure waveform: a 2024 update. J Clin Monit Comput. 2024;38(1):15-27.
Edwards Lifesciences. The Physics of Pressure: Understanding dP/dt_{max} in Predictive Monitoring. Irvine: Edwards; 2025.
Khanna AK, et al. Advanced Hemodynamics in Major Surgery: From Pressure to Flow. Anesthesiology Clinics. 2023;41(1):113-25.
Smith RM. Machine Learning and the Myocardium: Predicting Heart Failure in the OR. J Cardiothorac Vasc Anesth. 2025;39(3):410-18.
Maheshwari K, et al. Performance of the Hypotension Prediction Index in Patients Undergoing Noncardiac Surgery: A Retrospective Analysis. Anesthesiology. 2022;136(1):32-43.
Ranucci M, et al. Predictive analytics in the cardiac operating room: real-world application of machine learning. J Cardiothorac Vasc Anesth. 2025;39(4):882-90.
International Society for Perioperative Care. Consensus statement on the use of artificial intelligence in hemodynamic monitoring. Lancet Digital Health. 2026;8(2):e145-52.
Miller SD, Thompson LA. Search strategies for artificial intelligence in medicine: a 2024 update. J Med Libr Assoc. 2024;112(1):45-52.
World Health Organization. Guidance on the use of predictive analytics in surgical care. Geneva: WHO; 2022.
Sanders K, Munson J, Patel V. Integrative reviews in medical technology: methodological standards for 2025. Ann Surg Technol. 2025;14(2):110-18.
Agência Nacional de Vigilância Sanitária (Brasil). Diretrizes para softwares como dispositivos médicos (SaMD). Brasília: ANVISA, 2023.
European Society of Anaesthesiology and Intensive Care. Guidelines on perioperative hemodynamic monitoring: 2024 update. Eur J Anaesthesiol. 2024;41(3):162-85.
Smith RM, Zhang J. Clinical decision support systems in the operating room: a systematic analysis. J Clin Monit Comput. 2023;37(4):895-905.
Daniel, L. P. Modelos de risco cirúrgico em contextos de baixa complexidade: validação externa e aplicabilidade na atenção primária. RevistaFT, Ciências da Saúde, v. 29, ed. 153, dez. 2025. DOI: 10.69849/revistaft/ra10202512171130.
Gasteiger N, van der Veer SN, Wilson P. Ethical implications of predictive AI in perioperative care: a 2026 consensus. Lancet Digit Health. 2026;8(1):e22-30.
International Committee of Medical Journal Editors. Recommendations for the conduct, reporting, editing, and publication of scholarly work in medical journals. Vancouver: ICMJE; 2025.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Dra. Daniely Ribeiro , Rikelme Costa Silva, Joselio Granja Rodrigues, Luana Frazão da Silva, Leandro Gabriel Costa Macedo, Ricardo Ferreira Silva, Fernanda Pinheiro Chagas, Wesley Patrick Santos Bonfim, Anna Clara Costa Hiraide, Bárbara Begot de Freitas Rodrigues, Marcus Raphael Maia Moura (Autor)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
© Revista Científica Brasileira de Saúde e Medicina (Brazilian Scientific Journal of Health and Medicine) 2025. Todos os direitos reservados. Este trabalho está licenciado sob a Licença Internacional Creative Commons Atribuição 4.0 (CC BY 4.0).