# Como a inteligência artificial pode aprimorar o fluxo de trabalho neurocirúrgico intraoperatório na prática clínica?

> Uma revisão sistemática identificou artigos sobre plataformas de IA aplicadas ao perioperatório e intraoperatório em neurocirurgia, com modelos de aprendizado supervisionado voltados a tarefas preditivas em neuro-oncologia, coluna, funcional e outras áreas. Os modelos podem apoiar a equipe cirúrgica, mas o risco de viés foi médio-alto e são necessários estudos de maior qualidade.

Estudo citado: Tariciotti L, Palmisciano P, Giordano M, Remoli G, Lacorte E, Bertani G et al.. Artificial intelligence-enhanced intraoperative neurosurgical workflow: current knowledge and future perspectives. Journal of neurosurgical sciences. 2022. DOI: https://doi.org/10.23736/S0390-5616.21.05483-7. PubMed: https://pubmed.ncbi.nlm.nih.gov/34545735/

## Resposta

A revisão sistemática reuniu a literatura sobre plataformas de inteligência artificial e aprendizado de máquina aplicadas ao ambiente perioperatório e intraoperatório da neurocirurgia, descrevendo seu papel em diversas subespecialidades. O objetivo foi mapear as aplicações existentes e as tarefas preditivas associadas a cada área.

Os artigos incluídos avaliaram algoritmos de aprendizado supervisionado. Dez modelos de aprendizado de máquina foram descritos, sendo os mais frequentes as redes neurais e os modelos baseados em árvores. Os artigos foram agrupados em quatro categorias conforme a subespecialidade: neuro-oncologia, coluna, funcional e outras.

Os autores avaliam que os modelos de aprendizado de máquina podem impulsionar o desempenho da equipe cirúrgica ao reduzir erros humanos e fornecer planos cirúrgicos personalizados ao paciente. Essa perspectiva é apresentada como potencial, não como resultado consolidado de eficácia clínica.

A conclusão do artigo é que, embora o panorama atual seja promissor, são necessárias mais pesquisas e de maior qualidade. O risco de viés global foi médio-alto, ainda que a aplicabilidade tenha sido considerada positiva para todos os estudos incluídos.

## O que o estudo mostrou

Revisão sistemática conduzida segundo as diretrizes PRISMA, com busca em PubMed, EMBASE e Scopus desde o início até 31 de dezembro de 2020. Foram incluídos artigos originais que apresentavam plataformas de IA implementadas em contextos perioperatório e intraoperatório e relatavam métricas de desempenho de modelos de aprendizado de máquina. Todos os estudos avaliaram aprendizado supervisionado; 10 modelos foram descritos, com destaque para redes neurais (N.=15) e modelos baseados em árvores (N.=13). Os artigos foram agrupados em neuro-oncologia, coluna, funcional e outras categorias, com diferentes tarefas preditivas.

## Limitações

O risco de viés foi médio-alto na avaliação com a ferramenta PROBAST. O resumo não informa detalhes sobre tamanho de amostra dos estudos incluídos nem sobre heterogeneidade específica entre as subespecialidades. A síntese foi qualitativa, e os autores concluem que são necessários estudos adicionais e de maior qualidade para confirmar o valor clínico das plataformas.

## Aplicação no consultório

Para o neurocirurgião, a revisão indica que plataformas de IA já descritas na literatura podem apoiar decisões perioperatórias e intraoperatórias, mas ainda com evidência de qualidade limitada. Na prática e na gestão do consultório, isso sugere cautela antes de incorporar essas ferramentas ao fluxo de atendimento e de planejamento cirúrgico, priorizando avaliação crítica da validade dos modelos e acompanhamento dos desfechos.

## Perguntas para aprofundar

- Quais tarefas preditivas os modelos de aprendizado de máquina desempenham em neuro-oncologia segundo esta revisão?
- Como o risco de viés médio-alto afeta a confiança nos modelos de IA aplicados à neurocirurgia?
- Quais lacunas de pesquisa os autores apontam para a incorporação da IA no fluxo neurocirúrgico?

Tema: IA em oncologia. Página: https://alphadoctor.com.br/ciencia/ia-oncologia/como-a-inteligencia-artificial-pode-aprimorar-o-fluxo-de-trabalho/

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