APLICAÇÃO DO DEEP LEARNING NA IDENTIFICAÇÃO AUTOMATIZADA DE ASSINCRONIAS PACIENTE-VENTILADOR EM TERAPIA INTENSIVA

Resumo

Introdução: As assincronias paciente-ventilador representam importante desafio clínico em pacientes críticos submetidos à ventilação mecânica invasiva, estando associadas a desfechos negativos, como aumento do tempo de ventilação mecânica e mortalidade. Nesse contexto, o Deep Learning tem emergido como ferramenta promissora para automatização da monitorização ventilatória em Unidade de Terapia Intensiva. Objetivo: Analisar as evidências científicas relacionadas à aplicação do Deep Learning na identificação automatizada de assincronias paciente-ventilador em terapia intensiva, com enfoque na fisioterapia respiratória. Metodologia: Trata-se de uma revisão integrativa da literatura, fundamentada nas recomendações do PRISMA 2020. As buscas foram realizadas nas bases PubMed/MEDLINE, Scopus, Web of Science, Embase e Biblioteca Virtual em Saúde, incluindo estudos publicados entre 2020 e 2025 relacionados à inteligência artificial aplicada à ventilação mecânica. Resultados: Foram incluídos 7 estudos na revisão. Os artigos demonstraram que os algoritmos baseados em aprendizado profundo e inteligência artificial apresentaram elevada sensibilidade diagnóstica na identificação automatizada das assincronias ventilatórias, favorecendo monitorização contínua e suporte à tomada de decisão clínica em pacientes críticos. Discussão: Os estudos evidenciaram que a inteligência artificial aplicada à ventilação mecânica possui potencial para otimizar a interação paciente-ventilador e reduzir limitações relacionadas à identificação manual das assincronias respiratórias. Entretanto, persistem desafios relacionados à padronização metodológica e validação clínica dos modelos computacionais. Conclusão: O Deep Learning apresenta elevado potencial para aprimorar a monitorização ventilatória em terapia intensiva, contribuindo para práticas mais precisas, seguras e individualizadas na fisioterapia respiratória intensiva