Pesquisadores da Mayo Clinic desenvolveram uma ferramenta baseada em inteligência artificial (IA) com potencial para mudar o acompanhamento de incisões pós-operatório: um sistema que identifica infecções de sítio cirúrgico (ISC) por meio de fotos das feridas enviadas pelos próprios pacientes.
Tecnologia a serviço da recuperação cirúrgica
O estudo foi publicado no Annals of Surgery e revela que o modelo tem desempenho elevado, podendo ser incorporado à rotina clínica em um futuro próximo.
A proposta é oferecer uma forma prática e precisa de monitorar incisões cirúrgicas, especialmente em tempos de alta demanda por cirurgias ambulatoriais e consultas virtuais. A ferramenta foi treinada com mais de 20 mil imagens de mais de 6 mil pacientes atendidos em nove hospitais da rede Mayo Clinic.
Como funciona o sistema de IA
O modelo de IA utiliza uma estrutura em duas etapas. Primeiro, detecta se a imagem recebida contém uma incisão cirúrgica. Em seguida, avalia sinais visuais de infecção. O sistema usa uma arquitetura chamada Vision Transformer, que obteve 94% de precisão na detecção de incisões e um desempenho de 81% (AUC) na identificação de infecções.
“Nosso objetivo era criar uma ferramenta de triagem que economize tempo dos clínicos e permita respostas mais rápidas aos pacientes”, explica Cornelius Thiels, cirurgião oncologista da Mayo Clinic e coautor do estudo.
Acesso ampliado e respostas mais rápidas
A autora principal da pesquisa, Hala Muaddi, médica e pesquisadora em cirurgia hepatopancreatobiliar, acredita que a IA representa um avanço importante. “Esse modelo permite que pacientes recebam atenção precoce caso algo esteja errado, mesmo antes que os sinais de infecção se tornem evidentes para a equipe médica”, afirma.
Essa abordagem se mostra especialmente relevante para pacientes em áreas remotas ou com recursos limitados, onde o acesso a acompanhamento presencial pode ser demorado ou inexistente. Ao identificar os casos mais urgentes, a IA ajuda a direcionar melhor o tempo e os esforços das equipes de saúde.
Impacto potencial no sistema de saúde
Além de melhorar o atendimento, a ferramenta pode reduzir custos e complicações. O diagnóstico precoce de infecções diminui o risco de internações, morbidade e intervenções mais complexas. O modelo também demonstrou desempenho consistente entre diferentes perfis de pacientes, um fator crucial para garantir equidade nos cuidados.
Segundo Hojjat Salehinejad, pesquisador do Kern Center for the Science of Health Care Delivery, o próximo passo é avaliar como essa tecnologia se integra ao dia a dia das equipes clínicas. “Já iniciamos estudos prospectivos para entender o impacto real na prática médica e como esse sistema pode ser escalado de forma segura e eficiente”, diz.
Apesar dos resultados promissores, os cientistas enfatizam que a tecnologia ainda exige validações adicionais antes de ser amplamente utilizada.
