# Como a inteligência artificial, o machine learning e o deep learning estão sendo aplicados na cirurgia plástica estética, e quais cuidados o cirurgião deve ter?

> Uma revisão sistemática qualitativa identificou dezoito estudos, publicados de 2019 a 2024, que usam algoritmos de inteligência artificial, machine learning e deep learning em cirurgia plástica estética. As aplicações incluíram apoio à decisão clínica e identificação de fatores associados a complicações pós-operatórias. Os autores alertam que imagens geradas por IA podem criar expectativas irreais, exigindo cautela no uso clínico.

Estudo citado: Nogueira R, Eguchi M, Kasmirski J, de Lima BV, Dimatos DC, Lima DL et al.. Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review. Aesthetic plastic surgery. 2025. DOI: https://doi.org/10.1007/s00266-024-04421-3. PubMed: https://pubmed.ncbi.nlm.nih.gov/39384606/

## Resposta

A revisão sistemática qualitativa avaliou o uso de machine learning, deep learning e inteligência artificial na cirurgia plástica estética. Foram triados 2.148 estudos e 41 passaram por revisão de texto completo, resultando em dezoito estudos incluídos. Todos foram publicados entre 2019 e 2024, o que mostra que a aplicação dessas tecnologias nessa área é recente e ainda em consolidação.

Os estudos variaram quanto à população estudada, ao tipo de machine learning, ao modelo de deep learning e ao tipo de inteligência artificial utilizados, além do procedimento estético abordado. Entre as cirurgias contempladas estão aumento de mama com mastopexia, aumento de mama, mamoplastia redutora, rinoplastia, cirurgia de rejuvenescimento facial incluindo lifting facial, blefaroplastia e contorno corporal. Essa diversidade indica que as aplicações não se restringem a um único procedimento.

As abordagens descritas eram baseadas em imagens, com algoritmos de inteligência artificial, machine learning e deep learning usados para melhorar a tomada de decisão humana e identificar fatores associados a complicações pós-operatórias. Ou seja, o foco relatado está em apoiar o raciocínio clínico e reconhecer elementos que podem influenciar o desfecho cirúrgico, e não em substituir a avaliação do cirurgião.

A conclusão dos autores é que esses algoritmos oferecem potencial para transformar o campo da cirurgia plástica estética. Ao analisar dados de pacientes, essas tecnologias podem, no futuro, ajudar a otimizar planos de tratamento, prever complicações potenciais e esclarecer melhor as preocupações dos pacientes, favorecendo decisões informadas. Trata-se, portanto, de potencial futuro, e não de benefício já estabelecido.

O resumo também destaca um risco importante: assim como na simulação cirúrgica pré-operatória, o paciente pode ver uma imagem gerada por inteligência artificial que lhe agrada, mas que é impossível de alcançar. Os autores recomendam grande cuidado no uso dessas ferramentas para não criar expectativas irreais, reforçando que a antiga máxima da cirurgia plástica de prometer menos e entregar mais continua válida, ao menos no futuro previsível.

## O que o estudo mostrou

Revisão sistemática qualitativa que seguiu a diretriz Preferred Reporting Items for Systematic Reviews and Meta-analyses, com busca em MEDLINE/PubMed, EMBASE e Cochrane Library desde o início até julho de 2024, sem filtros, usando termos MeSH de machine learning, deep learning ou inteligência artificial e cirurgia plástica. Foram triados 2.148 estudos, 41 revisados integralmente e dezoito incluídos, todos publicados de 2019 a 2024. Os artigos variaram quanto à população, ao tipo de algoritmo e ao procedimento estético, incluindo aumento de mama com mastopexia, aumento de mama, mamoplastia redutora, rinoplastia, rejuvenescimento facial com lifting, blefaroplastia e contorno corporal. As abordagens baseadas em imagens foram usadas para melhorar a decisão humana e identificar fatores associados a complicações pós-operatórias.

## Limitações

O resumo não informa o tamanho das amostras dos estudos incluídos nem detalhes sobre os modelos de algoritmo utilizados. Também não descreve os resultados quantitativos de desempenho dessas ferramentas. Por se tratar de revisão qualitativa, sem meta-análise, e com heterogeneidade entre populações, algoritmos e procedimentos, os achados não permitem afirmar eficácia clínica consolidada. O resumo não detalha os resultados da avaliação de risco de viés pelo ROBINS-I.

## Aplicação no consultório

O cirurgião deve encarar essas ferramentas como apoio à decisão, e não como substitutas do julgamento clínico, já que o resumo descreve potencial futuro e não benefício comprovado. Na gestão do consultório, é prudente definir critérios para uso de imagens geradas por inteligência artificial na comunicação com o paciente, evitando expectativas irreais. A documentação do que foi discutido e a moderação no uso de simulações protegem a relação médico-paciente e reduzem risco de insatisfação.

## Perguntas para aprofundar

- Quais algoritmos de inteligência artificial já foram estudados em rinoplastia e lifting facial?
- Como evitar expectativas irreais ao usar imagens geradas por inteligência artificial na consulta?
- Que fatores associados a complicações pós-operatórias foram identificados por esses modelos?

Tema: Ética, viés e explicabilidade da IA em saúde. Página: https://alphadoctor.com.br/ciencia/ia-etica-vies/como-a-inteligencia-artificial-o-machine-learning-e-o-deep-learning-estao-sendo/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.