Como a inteligência artificial está sendo aplicada na reabilitação e quais são as lacunas de evidência?
Resposta curta: Uma revisão sistemática mapeou 240 estudos sobre IA em reabilitação, predominando aprendizado supervisionado e machine learning clássico, com foco em neurologia e ortopedia. A maioria usou dados brutos ou tabulares, sem comparador, e raramente aplicou validação externa ou explicabilidade, limitando a tradução clínica.
Resposta
A revisão sistemática viva identificou 240 estudos que aplicaram inteligência artificial (IA) em reabilitação entre dezembro de 2014 e dezembro de 2024. A maioria concentrou-se em reabilitação neurológica (57.9%) e ortopédica (22.7%), especialmente em acidente vascular cerebral, doença de Parkinson e amputação. A pesquisa foi predominantemente da China (24.6%) e dos EUA (16.7%).
A IA foi testada em todas as fases do processo médico, com ligeiro predomínio em intervenção (23.8%), seguida de prognóstico (17.5%), avaliação (16.7%), diagnóstico (12.9%) e monitoramento (12.5%). As aplicações frequentemente integraram sensores vestíveis, sistemas robóticos e tecnologias digitais, como unidades de medida inercial, eletromiografia de superfície, aplicativos móveis e eletroencefalografia.
Em relação aos dados, a maioria dos estudos utilizou dados brutos (37.9%) ou tabulares (27.5%), com entradas multimodais em apenas 11.3%. Mais da metade não teve comparador (50.8%). O aprendizado supervisionado (70.8%) e o machine learning clássico (43.8%) predominaram, enquanto validação externa (5.8%) e explicabilidade (10.2%) foram raramente aplicadas.
Os autores concluem que as aplicações de IA em reabilitação estão em rápida expansão, especialmente nas áreas neurológica e ortopédica, com abordagens orientadas por dados e assistidas por tecnologia. No entanto, a evidência atual baseia-se em grande parte em aprendizado supervisionado com conjuntos de dados pequenos e de um único tipo, validação externa limitada e explicabilidade escassa, questões críticas que precisam ser abordadas para permitir a tradução confiável para a prática clínica.
Para o médico brasileiro, esses achados indicam que a IA em reabilitação ainda está em fase de desenvolvimento, com poucos estudos apresentando validação externa robusta. A aplicação clínica rotineira requer cautela e avaliação crítica da qualidade metodológica antes de incorporar essas ferramentas na prática.
O que o estudo mostrou
Revisão sistemática viva que buscou estudos em PubMed, Scopus, WOS/Embase e PEDro, de dezembro de 2014 a dezembro de 2024. De 4193 registros, 240 estudos atenderam aos critérios. A maioria focou em reabilitação neurológica (57.9%) e ortopédica (22.7%), com predomínio de pesquisas na China (24.6%) e EUA (16.7%). A IA foi aplicada principalmente em intervenção (23.8%), prognóstico (17.5%), avaliação (16.7%), diagnóstico (12.9%) e monitoramento (12.5%). Houve uso de sensores vestíveis, robótica e tecnologias digitais. Dados brutos (37.9%) e tabulares (27.5%) predominaram; entradas multimodais em 11.3%. Mais da metade (50.8%) não teve comparador. Aprendizado supervisionado (70.8%) e machine learning clássico (43.8%) foram os mais usados; validação externa (5.8%) e explicabilidade (10.2%) raras.
Limitações
O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre possíveis vieses de publicação. A revisão é uma primeira versão de um mapeamento sistemático vivo, e os resultados podem mudar com atualizações. A ausência de validação externa e explicabilidade na maioria dos estudos limita a generalização dos achados. O resumo também não informa a população específica ou os desfechos clínicos avaliados.
Aplicação no consultório
Os achados sugerem que ferramentas de IA em reabilitação ainda carecem de validação externa e explicabilidade para uso clínico rotineiro. Na gestão do consultório, é prudente avaliar criticamente a qualidade metodológica antes de adotar tecnologias assistidas por IA. A predominância de estudos sem comparador e com dados limitados indica que decisões clínicas baseadas apenas nessas ferramentas podem não ser confiáveis. Médicos interessados em incorporar IA devem buscar evidências robustas e considerar a necessidade de validação local.
Estudo citado
Artificial intelligence in rehabilitation: a living systematic mapping review - first release. European journal of physical and rehabilitation medicine, 2025.
Autores: Morone G, Carbonetti R, Martino Cinnera A, Malfitano C, Bisirri A, Negrini F, REHALISE Group.
DOI: 10.23736/S1973-9087.25.09331-1 · PubMed: PMID 41424220
Perguntas para aprofundar
- Quais são as principais lacunas na validação de ferramentas de IA para reabilitação?
- Como a explicabilidade dos modelos de IA pode influenciar a confiança do clínico?
- Qual o impacto da falta de comparadores nos estudos de IA em reabilitação?
Mais sobre IA e wearables
- O uso de wearables combinados com inteligência artificial na educação já tem evidências suficientes para aplicação prática?
- Como a inteligência artificial e os wearables podem auxiliar na avaliação do risco de quedas em pacientes com esclerose múltipla?
- Sensores vestíveis e algoritmos de aprendizado de máquina podem otimizar o processo de reabilitação de diferentes doenças?
- Dispositivos vestíveis com inteligência artificial são eficazes para prever níveis de glicose em pacientes com diabetes?
- Tecnologias portáteis para fenotipagem digital do transtorno bipolar: o que a evidência mostra?
Todas as perguntas sobre IA e wearables · Todos os temas · Versão em markdown