Resumo
A avaliação pré-operatória na cirurgia geral antigamente confiava em escores clínicos tipo ASA, POSSUM, RCRI, contudo, apesar de serem valiosos, suas capacidade de prever riscos de forma individualizada é limitada. A inteligência artificial (IA) surgiu recentemente como uma ferramenta inovadora para estratificação de risco, oferecendo uma análise multimodal que usa dados clínicos, laboratoriais, de imagem e cognição. Essa revisão bibliográfica analisa criticamente a literatura sobre o uso da IA no período pré-operatório em cirurgias gerais, examinando a evolução dos métodos clássicos às inovações atuais, com foco em modelos de aprendizado de máquina e abordagens multimodais que combinam a composição corporal da tomografia computadorizada, parâmetros laboratoriais e testes de fragilidade cognitiva.
Os resultados das publicações revistadas mostram progressos consideráveis na performance preditiva, com maior precisão e calibração em comparação com os métodos convencionais, todavia desvendam desafios cruciais, a exemplo da carência de validação externa robusta, a falta de estudos clínicos que provem efeito na prática, e restrições sobre transparência, interpretabilidade, e justiça nos modelos. Ademais, muitas abordagens ainda estão concentradas em prever riscos, sem conexão imediata com conselhos terapêuticos ou de aprimoramento perioperatório. Chega-se a conclusão que a IA no pré-operatório é um campo em amplo desenvolvimento, contudo precisa padronização metodológica, validação multicêntrica, e modelos prescritivos, que convertam o risco em ação clínica efetiva. Esse panorama marca a próxima etapa da integração entre tecnologia e cirurgia, prometendo um impacto positivo na segurança e eficiência da assistência.