A cirurgia que antecipa o risco antes que ele aconteça

Por décadas, a segurança cirúrgica foi construída sobre a resposta: identificar uma complicação e agir rápido. Sangramento, queda de pressão, sinais de infecção — o time cirúrgico reage ao que já está acontecendo. Um novo capítulo da medicina assistida por inteligência artificial propõe inverter essa lógica: prever o evento antes que ele se manifeste, e agir antes que o dano exista.

Do reativo ao preditivo

Modelos de aprendizado de máquina já são capazes de cruzar, em tempo real, sinais fisiológicos contínuos — pressão arterial, oxigenação, frequência cardíaca — com padrões aprendidos a partir de milhares de cirurgias anteriores. O resultado é uma capacidade de antecipação que a monitorização tradicional não oferece: algoritmos descritos na literatura conseguem prever hipotensão intraoperatória com até dez minutos de antecedência, abrindo uma janela real de intervenção antes que a instabilidade se instale.

Essa lógica preditiva não se limita ao centro cirúrgico. Em anestesiologia, algoritmos já são estudados para antecipar falência respiratória em cirurgias de grande porte, com potencial de reduzir tanto complicações quanto o tempo de internação em UTI. E o horizonte se estende além do intraoperatório: um estudo publicado na JAMA Otolaryngology–Head & Neck Surgery, com dados de mais de oito mil pacientes, demonstrou que modelos de IA conseguem prever complicações pós-operatórias com elevada precisão mesmo antes da cirurgia começar — permitindo ajustar o planejamento cirúrgico ao perfil de risco individual de cada paciente.

Por que isso muda a prática

A diferença entre reagir e antecipar não é sutil — é estrutural. Um sangramento identificado e tratado a tempo é uma intercorrência controlada; o mesmo sangramento identificado tarde pode significar uma reoperação, uma UTI, um desfecho pior. Ao processar continuamente múltiplas variáveis fisiológicas simultâneas — algo que ultrapassa a capacidade de atenção humana sustentada por horas de procedimento —, a IA funciona como uma camada adicional de vigilância, não como substituta do julgamento clínico, mas como ampliadora dele.

Essa integração já começa a aparecer nas próprias plataformas robóticas, que passam a incorporar métricas intraoperatórias em tempo real — força aplicada, sensibilidade tátil, reconhecimento de estruturas anatômicas — como parte do ecossistema de dados que também alimenta os modelos preditivos.

Os limites que ainda existem

Nenhum modelo preditivo é melhor do que os dados que o treinam. Pesquisadores brasileiros que revisam a literatura sobre IA em terapia intensiva e ambientes cirúrgicos apontam uma lacuna real: ainda há poucos estudos de qualidade suficiente para validar esses algoritmos em larga escala, e a variabilidade dos registros clínicos — sobretudo em contextos de alta complexidade, como cirurgia cardíaca pediátrica — segue sendo um desafio central para a confiabilidade desses sistemas. Previsão não é certeza; é probabilidade informada, e o papel da equipe cirúrgica continua sendo interpretar esse sinal, não apenas obedecê-lo.

O horizonte

O que essas pesquisas convergem em apontar é uma mudança de paradigma silenciosa: a segurança cirúrgica do futuro não será medida apenas pela habilidade de reagir bem a uma intercorrência, mas pela capacidade de enxergá-la antes que ela se torne uma. Isso não elimina a incerteza da cirurgia — nenhuma tecnologia elimina —, mas desloca a régua de quando a equipe médica começa a agir.

É uma reorganização discreta, mas profunda, do que significa cuidar: prever para prevenir, não apenas responder para corrigir.