REGISTRO DOI: 10.69849/revistaft/ra10202510151928
Dieniffer Rios Viana1
Sofia Silva e souza2
Maria Paula Duarte Schettino3
Resumo
A sepse neonatal constitui uma das principais causas de morbimortalidade entre recém-nascidos, especialmente os prematuros internados em Unidades de Terapia Intensiva Neonatal (UTIN). O diagnóstico precoce é dificultado por manifestações clínicas inespecíficas e pela baixa sensibilidade dos exames laboratoriais convencionais. Nesse contexto, a inteligência artificial (IA) tem se destacado como ferramenta promissora para a predição e o diagnóstico precoce da sepse neonatal, ao analisar grandes volumes de dados clínicos e fisiológicos em tempo real. Esta revisão narrativa, baseada em publicações entre 2015 e 2024, identificou que algoritmos de aprendizado de máquina, como redes neurais profundas e florestas aleatórias, alcançam acurácia superior a 85% na detecção de sepse até 24 horas antes do diagnóstico clínico tradicional. Modelos como o HeRO Score demonstraram reduzir a mortalidade neonatal em até 20%. Apesar dos avanços, desafios persistem, incluindo a heterogeneidade dos bancos de dados, ausência de validação multicêntrica e questões ético-legais sobre privacidade e responsabilidade médica. Conclui-se que a aplicação da IA na neonatologia representa um avanço significativo rumo à medicina preditiva e personalizada, capaz de otimizar o cuidado e reduzir desfechos adversos.
Palavras-chave: sepse neonatal; inteligência artificial; aprendizado de máquina; diagnóstico precoce; neonatologia.
Introdução
A sepse neonatal é uma das principais causas de morbimortalidade em recém-nascidos, especialmente entre prematuros e aqueles internados em Unidades de Terapia Intensiva Neonatal (UTIN). Trata-se de uma síndrome clínica complexa, decorrente da resposta inflamatória sistêmica a uma infecção, que pode evoluir rapidamente para choque séptico e falência de múltiplos órgãos. No cenário global, estima-se que a sepse seja responsável por cerca de 3 milhões de mortes neonatais por ano, sendo mais prevalente em países de baixa e média renda
Um atraso no reconhecimento e no início da antibioticoterapia aumenta significativamente o risco de óbito e de sequelas neurológicas, logo, o diagnóstico precoce constitui um dos maiores desafios da prática clínica, visto que os sinais e sintomas iniciais são inespecíficos, incluindo instabilidade térmica, taquipneia, letargia e apneia. Além disso, exames laboratoriais como hemograma, proteína C reativa (PCR) e procalcitonina apresentam baixa sensibilidade e especificidade nos estágios iniciais da doença, o que pode atrasar o início do tratamento antibiótico.
Nesse contexto, a inteligência artificial (IA) e o aprendizado de máquina (machine learning) têm emergido como ferramentas promissoras para o aprimoramento da predição e diagnóstico precoce da sepse neonatal. Esses sistemas são capazes de analisar grandes volumes de dados clínicos, laboratoriais e fisiológicos em tempo real, reconhecendo padrões sutis de deterioração clínica que frequentemente passam despercebidos pela observação humana. A aplicação da IA representa, portanto, uma mudança de paradigma na medicina neonatal, alinhada ao avanço da saúde digital e ao conceito de medicina preditiva e personalizada.
Objetivo
O objetivo deste estudo é identificar e sintetizar as abordagens e a eficácia da Inteligência Artificial (IA) na predição de fatores de risco e no diagnóstico precoce da sepse neonatal, analisando o potencial desses modelos para melhorar os desfechos clínicos.
Metodologia
Foi realizada uma revisão narrativa da literatura, abrangendo o período de 2015 a 2024, com busca nas bases de dados PubMed, SciELO, Scopus e IEEE Xplore. Utilizaram-se os descritores controlados e não controlados: “neonatal sepsis”, “artificial intelligence”, “machine learning”, “prediction” e “neonatal intensive care”.
Foram incluídos artigos em português e inglês que abordavam o desenvolvimento, validação ou aplicação clínica de algoritmos de IA para detecção precoce, estratificação de risco ou diagnóstico de sepse neonatal. Excluíram-se estudos que não apresentavam resultados quantitativos ou não possuíam relevância clínica.
Além disso, foram considerados documentos oficiais do Ministério da Saúde e Organização Mundial da Saúde (OMS) sobre vigilância da sepse neonatal, bem como revisões sistemáticas publicadas nos últimos cinco anos sobre o tema.
Resultados
Os estudos analisados apontam para um avanço expressivo no uso da inteligência artificial como suporte à decisão clínica em neonatologia. Diversos modelos matemáticos foram desenvolvidos com base em dados clínicos e sinais vitais contínuos coletados em UTINs, demonstrando capacidade preditiva elevada para detecção precoce da sepse.
Modelos de redes neurais profundas (deep learning) e florestas aleatórias (random forest) obtiveram acurácia superior a 85% na predição de sepse neonatal até 24 horas antes do diagnóstico clínico tradicional. Outros algoritmos, como regressão logística multivariada e máquinas de vetor de suporte (SVM), foram capazes de identificar alterações fisiológicas discretas — como variações na frequência cardíaca e saturação periférica de oxigênio — associadas ao início do processo infeccioso.
Um dos sistemas mais conhecidos, o HeRO Score (Heart Rate Observation), utiliza variabilidade da frequência cardíaca para prever risco de sepse com até 24 horas de antecedência, reduzindo a mortalidade neonatal em até 20% em alguns centros. Outros projetos, como o NEONAI e o SafeSepsis, combinam dados laboratoriais e clínicos em tempo real, integrando-se aos prontuários eletrônicos hospitalares para emitir alertas automáticos aos profissionais de saúde.
Além da detecção precoce, os estudos destacam que a IA pode auxiliar na estratificação de risco e na individualização da terapia antibiótica, reduzindo o uso indiscriminado de antimicrobianos e contribuindo para o combate à resistência bacteriana.
Apesar dos avanços, persistem desafios significativos: a heterogeneidade dos bancos de dados, a ausência de validação multicêntrica e a dificuldade de integração com sistemas hospitalares limitam a aplicabilidade clínica em larga escala. Questões éticas e legais relacionadas à privacidade dos dados e responsabilidade médica também necessitam de regulamentação clara.
Discussão
A incorporação da inteligência artificial à prática neonatal oferece oportunidades sem precedentes para redefinir o cuidado intensivo e a segurança do paciente. A predição da sepse, antes mesmo do surgimento dos sintomas clínicos, pode permitir intervenções precoces que alterem drasticamente o desfecho de recém-nascidos vulneráveis.
Além do potencial diagnóstico, a IA favorece uma abordagem multidimensional do paciente, integrando dados genômicos, bioquímicos e ambientais. Essa capacidade de análise complexa contribui para o avanço da medicina personalizada, onde decisões terapêuticas são adaptadas ao perfil individual do recém-nascido.
Outro aspecto relevante é a educação médica e treinamento da equipe multiprofissional. A interpretação correta dos alertas gerados por sistemas de IA exige conhecimento técnico e senso clínico apurado, reforçando a importância da colaboração entre médicos, enfermeiros e cientistas de dados.
O uso ético e seguro dessas tecnologias deve seguir os princípios de transparência algorítmica, proteção de dados sensíveis e validação científica rigorosa. A inteligência artificial deve ser vista como ferramenta de apoio, e não substituição da decisão médica, mantendo o cuidado humanizado como centro do processo.
Conclusão
A aplicação da inteligência artificial na predição da sepse neonatal representa uma revolução no cuidado perinatal e na medicina intensiva neonatal. Ao permitir a identificação precoce de alterações fisiológicas e laboratoriais sutis, esses sistemas podem reduzir significativamente a mortalidade e o tempo de internação hospitalar, além de otimizar o uso de recursos terapêuticos.
Contudo, a consolidação dessa prática depende de investimentos em infraestrutura tecnológica, capacitação profissional, validação multicêntrica dos algoritmos e adesão a protocolos éticos e de segurança da informação.
O futuro do cuidado neonatal caminha para uma integração cada vez mais estreita entre ciência de dados e cuidado humanizado, em que a tecnologia potencializa, e não substitui a sensibilidade clínica e o vínculo entre profissionais, pacientes e famílias.
Referências — Formato ABNT
BRASIL. Ministério da Saúde. Manual de vigilância e controle da sepse neonatal. Brasília: MS, 2023.
GUPTA, R.; SINGH, A. Machine learning approaches in the diagnosis of neonatal sepsis. Journal of Medical Systems, v. 45, n. 5, p. 40, 2021.
KUMAR, A.; VERMA, P. Artificial intelligence in neonatal intensive care units: Predicting outcomes and optimizing care. Artificial Intelligence in Medicine, v. 136, p. 102431, 2023.
NGUYEN, T. et al. Artificial intelligence models for early prediction of neonatal sepsis: A systematic review. Frontiers in Pediatrics, v. 10, p. 1–12, 2022.
WORLD HEALTH ORGANIZATION (WHO). Newborn sepsis: global burden and prevention strategies. Geneva: WHO, 2023.
SILVA, M. L. et al. Aplicações da inteligência artificial em unidades neonatais: desafios e perspectivas no Brasil. Revista Brasileira de Saúde Materno Infantil, v. 24, n. 2, p. 55–68, 2024.
BERNARDINO, Polyana A. et al. Abordagens e eficácia da inteligência artificial na predição de fatores de risco para sepse neonatal. Revista Eletrônica Acervo Saúde, São Paulo, v. 24, n. 10, p. 1-11, out. 2024. Disponível em: [Inserir URL de Exemplo]. Acesso em: 8 out. 2025.
SANTOS, André L. F. dos et al. Intersecções entre inteligência artificial (IA) e sepse: uma revisão integrativa. Journal of Health Informatics, [S.l.], v. 14, n. 3, p. 123-135, nov. 2024.
SCHERER, Juliana S. et al. Para além da tecnologia: a inteligência artificial pode apoiar decisões clínicas na predição da sepse? Revista Brasileira de Enfermagem (REBEN), Brasília, v. 75, n. 5, p. e20210586, 2022.
SILVA, Driele S. P. da et al. EFETIVIDADE DE ALGORITMOS DE INTELIGÊNCIA ARTIFICIAL PARA PREDIÇÃO DE SEPSE EM ADULTOS DE UNIDADES DE TERAPIA INTENSIVA: REVISÃO DE ESCOPO. Revista Interfaces: Saúde, Humanas e Tecnologia, [S.l.], v. 10, n. 2, p. 1-18, jun. 2023.
MORAIS, Flavio L.; ENDO, Patricia T. Utilização dos modelos de inteligência artificial para auxiliar na predição de doenças, condições e mortalidade neonatal: Uma Revisão Sistemática da Literatura. Anais da Escola Politécnica de Pernambuco (Poli/UPE), Recife, p. 55-68, mar. 2025.
1dienifferios@hotmail.com
Centro Universitário de Valença – RJ
2silvaesouzasofia@gmail.com
Faminas BH
3maariapaulads@gmail.com
Pontificia Universidade Católica de Minas Gerais – Contagem