Inteligência Artificial Aplicada à Segurança da Assistência de Enfermagem Perioperatória: Revisão Integrativa
DOI:
https://doi.org/10.36489/nursing.2026v31i332p12798-12827Palavras-chave:
Inteligência Artificial, Sistemas Inteligentes, Enfermagem Perioperatória, Segurança do PacienteResumo
Objetivo: Identificar as contribuições da inteligência artificial para a segurança da assistência de enfermagem perioperatória. Método: Revisão integrativa da literatura, com coleta de dados realizada entre agosto e setembro de 2025. A busca e seleção dos artigos primários, publicados em português ou inglês entre 2015 e 2025, ocorreram nas bases de dados: Literatura Latino-Americana e do Caribe em Ciências da Saúde, Base de dados em Enfermagem e Medical Literature Analysis and Retrieval System Online. Resultados: Na busca primária foram encontrados 36 artigos, dos quais 10 foram incluídos. A inteligência artificial apresentou potencial para contribuir com a tomada de decisão clínica ou gerencial, melhorar a precisão e a acurácia na interpretação de exames de imagem, prevenir complicações e eventos adversos, promover qualidade de vida e satisfação do paciente, identificar riscos e detectar alterações clínicas, otimizar o processo de trabalho e fluxo cirúrgico, favorecer a recuperação acelerada no pós-operatório (fast-track), melhorar a comunicação e a colaboração interprofissional e colaborar com a vigilância no período pós-alta hospitalar. Considerações finais: A inteligência artificial fortalece a segurança e a qualidade da enfermagem perioperatória ao apoiar decisões, prevenir complicações e otimizar processos. Aliada a protocolos bem estruturados, promove cuidado eficiente, individualizado e seguro, sem substituir o pensamento crítico e o raciocínio e julgamento clínico da equipe de enfermagem.
Métricas
Referências
Nyberg A, Jirwe M, Fagerdahl A, Otten V, Haney M, Olofsson B. Perioperative patient safety indicators-A Delphi study. J Clin Nurs. 2025;34(4):1351-1363. Disponível em: https://doi.org/10.1111/jocn.17212
World Health Organization. Global Patient Safety Action Plan 2021-2030: Towards Eliminating avoidable harm in health care. Geneva: World Health Organization; 2021. Disponível em: https://iris.who.int/bitstream/handle/10665/343477/9789240032705-eng.pdf?sequence=1
Micco F, Di Palma G, Ferorelli D, Benedictis A, Tomassini L, Tambone V, Cingolani M, Scendoni R. Artificial intelligence in healthcare: transforming patient safety with intelligent systems-A systematic review. Front Med (Lausanne). 2025;11:1522554. Disponível em: https://doi.org/10.3389/fmed.2024
World Health Organization . Ethics and governance of artificial intelligence for health: WHO guidance. Geneva: World Health Organization, 2021. Disponível em: https://apps.who.int/iris/handle/10665/341996
Mahesh N, Devishamani CS, Raghu K, Mahalingam M, Bysani P, Chakravarthy AV, Raman R. Advancing healthcare: the role and impact of AI and foundation models. Am J Transl Res. 2024;16(6):2166-2179. Disponível em: https://doi.org/1010.62347/WQWV9220
Fischer L. Applying Artificial Intelligence to Perioperative Nursing Practice. AORN J. 2024;119(6):P1-P4. Disponível em: https://doi.org/10.1002/aorn.14156
Ferreres AR. Ethical aspects of artificial intelligence in general surgical practice. Rev Col Bras Cir. 2024;51: e20243762EDIT01. Disponível em: https://doi.org/10.1590/0100-6991e-20243762EDIT01-en
Silva LLT. Digital health and its interface with patient safety and perioperative care. Revista SOBECC. 2022;27:E2227858. Disponível em: https://doi.org/10.5327/Z1414-4425202227858
Sousa CS. Transformação digital na enfermagem perioperatória. Enferm Foco. 2024;15:e-202401. Disponível em: https://doi.org/10.21675/2357-707X.2024.v15.e-202401
Lopes AF, Nascimento DAP, Gaspar AACS, Machado JP. Benefits of Artificial Intelligence for Safe Care: Integrative Review. Saúde Coletiva. 2025; 15(94):15381–398. Disponível em: https://doi.org/10.36489/saudecoletiva.2025v15i94p15381-15398
Mendes KDS, Silveira RCCP, Galvão CM. Revisão integrativa: método de pesquisa para a incorporação de evidências na saúde e na enfermagem. Texto contexto enferm. 2008; 17(4):758–64. Disponível em: https://doi.org/10.1590/S0104-07072008000400018
Melnyk BM, Fineout-Overholt E. Evidence-based practice in nursing & healthcare: a guide to best practice. 5. ed. Philadelphia: Wolters Kluwer, 2023.
Zhao H, Li N, Zhang J. Postoperative self-care ability of continuous nursing based on artificial intelligence for stroke patients with neurological injury. SLAS Technol. 2025;32:100299. Disponível em: https://doi.org/10.1016/j.slast.2025.100299
Moura NBF, Rinaldi LC, Sousa CS. Digital transformation with the Hoobox OR© system: Optimising efficiency in the surgical theatre of a Brazilian hospital. J Perioper Pract. 2025; 19:17504589251346635. Disponível em: https://doi.org/10.1177/17504589251346635
Reeve KA, Gelsomino NS, Venturini M, Buddeberg F, Zozman M, Stocker R, Kedda MA, Meier P, et al. Prospective external validation of the automated PIPRA multivariable prediction model for postoperative delirium on real-world data from a consecutive cohort of non-cardiac surgery inpatients. BMJ Health Care Inform. 2025;32(1):e101291. Disponível em: https://doi.org/10.1136/bmjhci-2024-101291
Wang J, Zhuang Z, Zhou J, Lu X, Chen S, Wang L, Chen Y. 3D printing and intelligent technology increase convenience, reliability, and patient acceptance of ostomy nursing: a randomized controlled trial. Updates Surg. 2024;76(6):2211-19. Disponível em: https://doi.org/10.1007/s13304-024-01878-4
Hoshijima H, Miyazaki T, Mitsui Y, Omachi S, Yamauchi M, Mizuta K. Machine learning-based identification of the risk factors for postoperative nausea and vomiting in adults. PLoS One. 2024;19(8):e0308755. Disponível em: https://doi.org/10.1371/journal.pone.0308755.
Xu W, Xie Y, Zhang X, Li W. Cerebral Angiography under Artificial Intelligence Algorithm in the Design of Nursing Cooperation Plan for Intracranial Aneurysm Patients in Craniotomy Clipping. Comput Math Methods Med. 2022;2022:2182931. Disponível em: https://doi.org/10.1155/2022/2182931
Zhang L, Wang F. Evaluation of Nursing Effects of Pelvic Floor Muscle Rehabilitation Exercise on Gastrointestinal Tract Rectal Cancer Patients Receiving Anus-preserving Operation by Intelligent Algorithm-based Magnetic Resonance Imaging. Contrast Media Mol Imaging. 2022 ;2022:1613632. Disponível em: https://doi.org/10.1155/2022/1613632
Yu H, Zhao Z, Duan X, Zhou J, Su D. Ultrasound Image under Artificial Intelligence Algorithm to Evaluate the Intervention Effect of Accelerated Rehabilitation Surgery Nursing on Laparoscopic Hysterectomy. Comput Intell Neurosci. 2022;2022:9042954. Disponível em: https://doi.org/10.1155/2022/9042954
Duan X, Su D, Yu H, Xin W, Wang Y, Zhao Z. Adoption of Artificial Intelligence (AI)-Based Computerized Tomography (CT) Evaluation of Comprehensive Nursing in the Operation Room in Laparoscopy-Guided Radical Surgery of Colon Cancer. Comput Intell Neurosci. 2022;2022:2180788. Disponível em: https://doi.org/10.1155/2022/2180788
Kulkarni H, Thangam M, Amin AP. Artificial neural network-based prediction of prolonged length of stay and need for post-acute care in acute coronary syndrome patients undergoing percutaneous coronary intervention. Eur J Clin Invest. 2021;51(3):e13406. Disponível em: https://doi.org/10.1111/eci.13406
Vitorino LM, Yoshinari Júnior GH, Lopes-Júnior LC. Artificial intelligence in nursing: advancing clinical judgment and decision-making. Rev Bras Enferm. 2025;78(4):e780401. Disponível em: https://doi.org/10.1590/0034-7167.2025780401
Carvalho R, Federico WA. Artificial intelligence: potential and challenges for perioperative nursing. Revista SOBECC. 2025; 30:E25301038. Disponível em: https://doi.org/10.5327/Z1414-44252025301038
Kumar R, Singh P, Aawliya P. The Integration of Artificial Intelligence in Surgical Nursing: Opportunities and Challenges. J Surg Nurs Allied Health Sci. 2025; 1(1):24-7. Disponível em: https://medical.advancedresearchpublications.com/index.php/JSNAHS/article/view/4731
Conselho Federal de Enfermagem. Resolução Cofen nº 736, de 17 de janeiro de 2024. Dispõe sobre a implementação do Processo de Enfermagem em todo contexto socioambiental onde ocorre o cuidado de enfermagem. 2024. Disponível em: https://www.cofen.gov.br/resolucao-cofen-no-736-de-17-de-janeiro-de-2024/
Vitorino LM, Yoshinari Júnior GH, Lopes Júnior LC. The joint evolution of Nursing and Artificial Intelligence: Safety and optimization in the Nursing Process. Rev Enferm UFPI. 2025;14(1): e6831. Disponível em: https://doi.org/10.26694/reufpi.v14i1.6831
Shah R, Bozic KJ, Jayakumar P. Artificial Intelligence in Value-Based Health Care. HSSJ. 2025; 28:15563316251340074. Disponível em: https://doi.org/10.1177/15563316251340074
Silva R, Gonçalves D. O futuro da Inteligência Artificial na prática de Enfermagem do Perioperatório. Ter ISAVE – Investigação & Inovação em Saúde. 2025; 4(1):10-5. Disponível em: https://doi.org/10.17309j/epx6.a4
Alcântara HS, Almeida DM, Pinto EV. Inteligência artificial no cuidado de enfermagem: um estudo acerca do futuro da profissão. Revista Ibero-Americana de Humanidades, Ciências e Educação. 2024; 10(12): 1290-1305. Disponível em: https://doi.org/10.51891/rease.v10i12.17352
Downloads
Publicado
Como Citar
Licença
Copyright (c) 2026 Anny Larissa de Castro, Joyce Meldola Soares, Marina Berneck Renner , Maria Luiza de Medeiros Amaro, Fernanda Broering Gomes Torres, Josemar Batista
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
