Neste artigo
Uma pesquisa multicêntrica publicada em 19 de junho de 2026 acendeu um alerta positivo para a prática assistencial: um sistema de inteligência artificial treinado com imagens de 59 hospitais apresentou desempenho promissor na classificação de lesões por pressão e ainda foi adaptado, de forma preliminar, para uso em smartphone. O estudo, divulgado no Journal of Global Health, pode ter impacto direto sobre fluxos de avaliação clínica, prevenção de agravamentos e suporte à tomada de decisão da enfermagem.
Lesões por pressão continuam sendo um problema importante para hospitais, equipes assistenciais e pacientes, especialmente entre pessoas com mobilidade reduzida, idosos e pacientes críticos. A identificação correta do estágio da lesão é decisiva para definir condutas, evitar piora do quadro e reduzir complicações. Na prática, porém, essa avaliação nem sempre acontece com o mesmo nível de precisão em todos os cenários, o que abre espaço para tecnologias de apoio.
Os autores concluem que o sistema baseado em aprendizado profundo apresentou desempenho promissor na classificação de lesões por pressão e pode oferecer suporte relevante à tomada de decisão clínica.
No estudo, os pesquisadores reuniram 1.903 imagens de lesões por pressão, das quais 1.713 foram usadas para treinamento e 190 para validação. Três modelos de análise de imagem por IA foram comparados. O melhor resultado veio de uma arquitetura Mask R-CNN com Swin Transformer, que alcançou mAP de 0,894, AP50 de 0,900, AP de 0,757 e AR100 de 0,792. Depois dessa etapa, o modelo mais eficiente foi integrado a um protótipo de aplicativo para smartphone.
Embora a notícia tenha forte componente tecnológico, o ponto mais relevante para a enfermagem está na aplicação prática. A avaliação de lesões por pressão é uma atividade profundamente ligada ao cuidado de enfermagem, tanto no ambiente hospitalar quanto na atenção domiciliar e em instituições de longa permanência. Ferramentas capazes de apoiar o reconhecimento de estágios podem ajudar na padronização de condutas, no registro clínico e na priorização de casos que exigem intervenção rápida.
- Escala do estudo: participação de 59 hospitais, o que amplia a diversidade do banco de imagens.
- Foco assistencial: apoio à classificação de lesões por pressão, tema diretamente ligado à segurança do paciente.
- Potencial de uso: tradução do modelo para smartphone, sugerindo aplicação futura à beira do leito.
Os autores também destacam um ponto importante: muitos profissionais e cuidadores ainda têm formação limitada em cuidado de feridas, e parte dos pacientes nem sempre procura o hospital especificamente por esse problema. Nesse contexto, uma solução digital validada pode funcionar como camada adicional de apoio, sobretudo em locais com menor acesso a especialistas em estomaterapia ou tratamento de feridas.
Isso não significa substituição do julgamento clínico. Pelo contrário, os próprios resultados apontam a IA como ferramenta de suporte, não como decisão final. O exame físico, a avaliação global do paciente, a análise de risco e o contexto assistencial continuam sendo responsabilidades humanas. O que muda é a possibilidade de incorporar uma triagem mais padronizada e rápida, com apoio visual computacional, especialmente em serviços com alta demanda.
Para o cenário brasileiro, a notícia é relevante porque pressiona hospitais, operadoras e desenvolvedores a olhar com mais seriedade para soluções de IA realmente conectadas ao trabalho da enfermagem. Em vez de focar apenas em automação administrativa, o estudo aponta para uma aplicação concreta no cuidado direto, com potencial para melhorar qualidade assistencial e reduzir sofrimento do paciente quando implementada com validação, governança e treinamento adequados.
O próximo passo será confirmar se o desempenho se mantém em bases ainda mais diversas e em rotinas reais de assistência. Se novos estudos confirmarem esses achados, a classificação assistida por IA de lesões por pressão pode se tornar uma das aplicações mais tangíveis da inteligência artificial no dia a dia da enfermagem.
Fonte
Artigo original no PubMed: Deep learning-based pressure injury staging: a multicentre study involving 59 hospitals.
Versão no periódico: Journal of Global Health. Publicação original em 19 de junho de 2026.
