É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.
Artigo de revisão
Aqui, apresentamos uma revisão narrativa avaliando ferramentas de predição baseadas em inteligência artificial (IA) para complicações secundárias e desfechos clínicos em lesão cerebral traumática, avaliando a maturidade das evidências em cinco domínios de complicações e identificando barreiras críticas à implementação clínica.
Complicações secundárias após lesão cerebral traumática (LCT) moderada a grave — incluindo pressão intracraniana elevada (PCI), convulsões pós-traumáticas, coagulopatia induzida por trauma (TIC) e sepse — pioram substancialmente o prognóstico do paciente. As ferramentas prognósticas atuais estimam a mortalidade e a incapacidade geral na admissão, mas não preveem complicações específicas e tratáveis durante a hospitalização. Esta revisão narrativa avalia se as ferramentas de predição baseadas em IA podem atender a essa necessidade clínica não atendida, avalia a maturidade das evidências em cinco domínios de predição e identifica prioridades para pesquisas futuras. Uma busca direcionada de literatura foi realizada no PubMed, Embase e Web of Science de janeiro de 2016 a outubro de 2025, complementada por rastreamento manual de referências. Os estudos foram selecionados com base em sua relevância para IA ou aprendizado de máquina (ML) para prever complicações secundárias ou desfechos clínicos em pacientes com TCE. Modelos baseados em IA alcançam precisão preditiva moderada (área sob a curva característica operacional do receptor [AUC] de 0,70–0,79) até boa precisão (AUC ≥ 0,80) para crises de PIC, TIC, sepse e mortalidade. A previsão de convulsões tem a evidência menos madura, sem estudos externos de validação. A previsão da ICP possui a base de evidências mais forte, com validação externa e replicação independente. A previsão de mortalidade possui o maior volume de evidências, com validação internacional de múltiplos conjuntos de dados. Limitações metodológicas críticas persistem: a maioria dos modelos deriva de dados retrospectivos e de uma única instituição; apenas aproximadamente um terço passou por validação externa; e nenhum ensaio randomizado demonstrou que decisões guiadas por IA melhoram os resultados dos pacientes. Ferramentas de predição por IA mostram potencial para prever complicações secundárias de TCE, mas as evidências atuais não apoiam a implementação clínica rotineira. Antes da adoção, essas ferramentas exigem validação externa rigorosa, ensaios prospectivos e avaliação sistemática de equidade em populações diversas.
A TCE constitui uma das principais causas de morte e incapacidade de longo prazo no mundo, com aproximadamente 69 milhões de casos incidentes ocorrendoanualmente, 1,2. A TCE é a principal causa de morte e deficiência entre indivíduos com menos de 45 anos, impondo profundos encargos de saúde, socioeconômicos e sociais 1,2,3. Uma distinção fundamental na fisiopatologia das LCT separa a lesão primária — o dano mecânico imediato sofrido no impacto — da lesão secundária, que evolui ao long....
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Estratégia de busca e seleção de estudos
Uma busca bibliográfica direcionada e não sistemática foi realizada no PubMed, Embase e Web of Science de janeiro de 2016 a outubro de 2025. A data de início de 2016 foi escolhida para capturar publicações fundamentais de ML anteriores ao recente aumento da pesquisa em aprendizado profundo, mantendo um foco contemporâneo; sua seleção é especificamente justificada pela inclusão de Myers et al. (2016)10, um estudo seminal que estabeleceu abordagens metodológicas centrais para a previsão de ICP baseada em ML. A busca foi complement....
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Ferramentas de predição de IA demonstram potencial real para antecipar complicações secundárias de TCE antes de seu surgimento clínico 5,6,7. Estudos representativos em cinco domínios de complicação relatam precisão preditiva que varia de moderada (AUC 0,70–0,79) a boa (AUC ≥ 0,80), com os modelos de maior desempenho alcançando valores de AUC de até 0,92 na validação interna (validação externa A.......
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Os autores não declaram conflitos de interesse. Nenhuma entidade comercial teve qualquer papel no desenho, interpretação ou decisão de submissão para publicação.
Os autores não receberam financiamento específico para esse trabalho.
....Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.