PREDIÇÃO DE DOENÇAS PULMONARES EM NEONATOS: UMA REVISÃO SISTEMÁTICA DA LITERATURA

Stephany Paula da Silva canejo; Flávio Leandro De Morais Melo; Anna Beatriz Silva; Anthony Alexandre Morais Militão; Kátia Maria Mendes; Patricia Takako Endo; Waldemar Brandão Neto

Todos os Trabalhos

Trabalho

Título do Trabalho

PREDIÇÃO DE DOENÇAS PULMONARES EM NEONATOS: UMA REVISÃO SISTEMÁTICA DA LITERATURA

Autores

Stephany Paula da Silva canejo
Flávio Leandro De Morais Melo
Anna Beatriz Silva
Anthony Alexandre Morais Militão
Kátia Maria Mendes
Patricia Takako Endo
Waldemar Brandão Neto

Modalidade

SUBMISSÃO / RESUMO-EDITAIS (PROPEGI/PROEC/PROGRAD)

Área temática

Trabalhos Locais - Pesquisa

Data de Publicação

26/08/2026

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/semana-universitaria-upe-2025/1329419-predicao-de-doencas-pulmonares-em-neonatos--uma-revisao-sistematica-da-literatura

ISBN

978-65-272-2695-6

Palavras-Chave

Inteligência Artificial, Recém-Nascido, Doenças pulmonares neonatais

Resumo

As doenças pulmonares estão entre as principais causas de morbimortalidade em recém-nascidos pré-termo, ocasionando perdas irreparáveis para os envolvidos e demandando recursos expressivos do sistema de saúde. Nesse cenário, a Inteligência Artificial (IA) surge como ferramenta promissora para auxiliar na predição precoce de doenças e desfechos, permitindo decisões clínicas mais seguras e individualizadas. O objetivo dessa pesquisa foi realizar uma Revisão Sistemática da Literatura (RSL) para analisar a aplicação da IA na predição de doenças pulmonares em prematuros, identificando modelos empregados, atributos utilizados, métricas de avaliação e limitações metodológicas. O estudo seguiu as diretrizes do PRISMA, com protocolo registrado no PROSPERO, e abrangeu seis bases de dados internacionais, além de técnica de snowballing. Após triagem, 35 artigos foram incluídos e avaliados quanto à qualidade metodológica, considerada excelente em 65% e boa em 34% dos casos. Os resultados evidenciaram predominância de doenças crônicas como Displasia Broncopulmonar (DBP) presente em 26 estudos (74.29%), maior frequência de estudos retrospectivos (77,1%) e ampla diversidade de modelos de IA, com destaque para Random Forest, Support Vector Machines e Logistic Regression. As métricas mais utilizadas foram AUC-ROC, acurácia, sensibilidade e especificidade. Predominaram atributos clínicos e demográficos convencionais, enquanto dados de imagem e genômicos foram pouco explorados. O estudo ressalta o potencial da IA para apoiar a prática clínica, mas também evidencia limitações, como heterogeneidade metodológica, ausência de padronização de critérios diagnósticos e manejo inconsistente de dados faltantes. Conclui-se que a IA apresenta resultados promissores na predição de doenças pulmonares em prematuros, especialmente na DBP, embora seja necessário investir em estudos prospectivos, bases multicêntricas e integração de dados multimodais para consolidar sua aplicabilidade clínica.

Título do Evento: Semana Universitária da Universidade de Pernambuco 2025 (SU-2025)
Cidade do Evento: Recife
Título dos Anais do Evento: Anais da Semana Universitária 2025: Trabalhos Locais
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

CANEJO, Stephany Paula da Silva et al.. PREDIÇÃO DE DOENÇAS PULMONARES EM NEONATOS: UMA REVISÃO SISTEMÁTICA DA LITERATURA.. In: Anais da Semana Universitária 2025: Trabalhos Locais. Anais...Recife(PE) Universidade de Pernambuco, 2025. Disponível em: https//www.even3.com.br/anais/semana-universitaria-upe-2025/1329419-PREDICAO-DE-DOENCAS-PULMONARES-EM-NEONATOS--UMA-REVISAO-SISTEMATICA-DA-LITERATURA. Acesso em: 10/09/2026