Predição de Complicações Vasculares com Modelos de Machine Learning

Vollständiger Abstract

Worum geht es in dieser Arbeit?

O avanço da medicina de precisão tem impulsionado a integração de técnicas de inteligência artificial na prática clínica, visando a otimização da estratificação de risco em pacientes cirúrgicos. As complicações vasculares, abrangendo desde eventos trombóticos pós-operatórios até falhas em enxertos e dissecções aórticas, representam uma fonte significativa de morbimortalidade que exige predição acurada. Modelos de Machine Learning (ML), ao processarem grandes volumes de dados multivariados — clínicos, laboratoriais e de imagem —, demonstram capacidade superior aos sistemas de escore tradicionais na identificação de padrões complexos e preditores ocultos de risco. Este estudo teve como objetivo realizar uma revisão sistemática da literatura brasileira sobre o desenvolvimento, a validação e o impacto clínico da aplicação de algoritmos de ML na predição de complicações em cirurgia vascular. A síntese das evidências sugere que a implementação desses modelos, embora promissora, enfrenta desafios relacionados à interpretabilidade dos algoritmos e à necessidade de integração efetiva nos sistemas de prontuário eletrônico. Conclui-se que o uso de ML representa um paradigma transformador no planejamento cirúrgico e na vigilância pós-operatória, permitindo intervenções preventivas personalizadas.