A Inteligência Artificial na Cirurgia de Revisão do Joelho: Otimização do Internamento e Reabilitação Ortopédica

A artroplastia total do joelho de revisão (RTKA) continua a representar um desafio logístico e económico para os sistemas de saúde. Embora o tempo médio de internamento tenha diminuído com a melhoria das técnicas perioperatórias, o internamento prolongado (LOS > 75.º percentil) permanece como um preditor crítico de custo e morbilidade. Num estudo recente¹, desenvolvido no Massachusetts General Hospital (Harvard Medical School), foi proposta uma abordagem baseada em inteligência artificial (IA) para prever, de forma pré-operatória, o risco individual de internamento prolongado após RTKA.

O estudo analisou 2 512 doentes consecutivos submetidos a RTKA entre 2010 e 2017. A amostra foi dividida em 80% para treino e 20% para teste, utilizando seleção recursiva de variáveis e grid search para otimização de hiperparâmetros. Três modelos de IA foram comparados: Artificial Neural Network (ANN), Support Vector Machine (SVM) e Elastic-Net Penalized Logistic Regression (EPLR), os quais foram avaliados através de discriminação, calibração e decision curve analysis (DCA).

O modelo ANN demonstrou desempenho superior, com AUC de 0,88 na fase de treino e 0,87 na validação, confirmando excelente capacidade discriminativa. Os restantes algoritmos (SVM e EPLR) também apresentaram elevada precisão (AUC ≥ 0,84). A calibração foi adequada (interceção 0,14; declive 0,95; Brier score 0,035). Na análise de decisão, todos os modelos apresentaram benefício clínico líquido superior às estratégias padrão, validando a utilidade prática da previsão automatizada.

As variáveis preditoras com maior peso incluíram: idade > 75 anos (p < 0,001), índice de comorbilidade de Charlson > 6 (p < 0,001) e IMC > 35 kg/m² (p < 0,001), seguidas de tempo operatório > 154 minutos, anemia pré-operatória < 12 g/dL, diabetes, sexo feminino e revisão total de componentes. Estes fatores refletem a interação entre idade, carga sistémica e complexidade cirúrgica como determinantes principais de internamento prolongado.

Os doentes com LOS prolongado apresentaram maiores taxas de revisão (11,4% vs. 7,5%; p < 0,01) e reinternamento aos 90 dias (14,0% vs. 10,7%; p = 0,03), reforçando a relevância prognóstica da estratificação baseada em IA. A modelação local, obtida por meio de explicadores individuais, revelou como variáveis como anemia, diabetes e tempo cirúrgico modulam a probabilidade de prolongamento do internamento, permitindo uma interpretação clínica transparente.

A arquitetura ANN é particularmente adequada para este contexto, dada a sua capacidade de capturar relações não lineares e interdependentes entre múltiplas covariáveis clínicas e cirúrgicas, superando as limitações dos modelos logísticos tradicionais. Ao contrário de abordagens anteriores que tratavam os preditores de forma isolada, esta estrutura analisa padrões combinatórios complexos que influenciam o LOS, oferecendo uma ferramenta de planeamento pré-operatório de alta precisão.

Do ponto de vista clínico e organizacional, a aplicação de IA neste contexto pode permitir a alocação mais eficiente de recursos hospitalares e o planeamento de alta personalizado, reduzindo custos diretos em até 40% por internamento prolongado. O modelo pode ainda ser integrado em sistemas eletrónicos de registo clínico, fornecendo previsões em tempo real e alertas automáticos para as equipas cirúrgicas e de reabilitação.

As limitações referidas pelos autores incluem o desenho retrospetivo e o facto de se tratar de uma única instituição terciária, o que poderá limitar a generalização. No entanto, o tamanho amostral elevado, a validação interna robusta e o cumprimento das normas TRIPOD reforçam a fiabilidade dos resultados.

Em síntese, o estudo de Klemt et al.¹ demonstra que algoritmos de IA, particularmente redes neuronais, são capazes de prever com precisão e de forma interpretável o risco de internamento prolongado após artroplastia total do joelho de revisão. Este trabalho exemplifica o potencial transformador da IA na ortopedia preditiva, antecipando complicações e otimizando os fluxos clínicos na cirurgia reconstrutiva complexa. Fica recomenda a sua leitura.

¹ Klemt C, Tirumala V, Barghi A, Cohen-Levy WB, Robinson MG, Kwon Y-M. Artificial intelligence algorithms accurately predict prolonged length of stay following revision total knee arthroplasty. Knee Surg Sports Traumatol Arthrosc. 2022;30:2556–2564.

Artigo relacionado

Desempenho Diagnóstico de Algoritmos de IA em Fraturas Ósseas Pediátricas