INTELIGÊNCIA ARTIFICIAL NA PREDIÇÃO DA PRÉ-ECLÂMPSIA: FERRAMENTA EMERGENTE PARA RASTREIO E DIAGNÓSTICO PRECOCE

Resumo

A pré-eclâmpsia é uma das principais causas de morbimortalidade materno-fetal, o que torna o diagnóstico precoce fundamental para intervenções profiláticas eficazes. Os métodos tradicionais de rastreio muitas vezes apresentam limitações quanto à sensibilidade, o que pode resultar em diagnóstico tardio da condição. Diante disso, este estudo tem como objetivo explorar o impacto da Inteligência Artificial (IA) e do Aprendizado de Máquina (AM) como ferramentas emergentes na predição da pré-eclâmpsia. A metodologia baseou-se na realização de uma revisão narrativa de literatura, abordando uma seleção e análise de estudos recentes que abordam a integração de variáveis clínicas, laboratoriais, genômicas e hemodinâmicas. Os principais achados demonstram que modelos de IA alcançam acurácia superior a 85%, superando os métodos convencionais que raramente ultrapassam 60%. Algoritmos como Random Forest, Redes Neurais e Árvores de Classificação mostraram-se eficazes ao processar dados como pressão arterial (sistólica, diastólica e média), histórico de hipertensão, biomarcadores angiogênicos (PlGF e sFlt-1) e dados de hemodinâmica não invasiva no primeiro trimestre. Relatos institucionais sugerem potencial redução de complicações graves e melhor estratificação de risco com a integração de sistemas de IA a prontuários eletrônicos. Conclui-se que a IA oferece contribuições significativas, viabilizando o monitoramento contínuo, a personalização do cuidado e a indicação precoce de tratamentos profiláticos, redefinindo os paradigmas da prática obstétrica contemporânea.