Neste artigo
Um novo sistema de inteligência artificial desenvolvido por pesquisadores da China Medical University Hospital é capaz de classificar automaticamente o estágio de lesões por pressão diretamente a partir de imagens clínicas, sem necessidade de marcação manual prévia. O estudo, publicado no BMJ Health Care Inform em março de 2026, apresenta um framework de deep learning em duas etapas que pode revolucionar a forma como enfermeiros avaliam e documentam essas feridas.
O Desafio da Classificação de Lesões por Pressão
As lesões por pressão representam um dos maiores desafios enfrentados pela enfermagem hospitalar. A classificação precisa do estágio dessas feridas é fundamental para determinar o tratamento adequado, mas tradicionalmente depende da avaliação visual por profissionais de saúde. Essa abordagem pode ser subjetiva e variar entre diferentes avaliadores, especialmente quando as lesões estão em estágios intermediários ou apresentam características visuais semelhantes.
A equipe liderada por Ting-Yu Lai desenvolveu uma solução que combina duas técnicas avançadas de deep learning: YOLOv9 para detecção e localização da lesão na imagem, e DenseNet161 para classificação do estágio. Essa abordagem em duas etapas permite que o sistema processe imagens clínicas reais, sem necessidade de recorte manual da área da ferida.
Como Funciona o Sistema
O framework desenvolvido opera em duas fases distintas:
- Primeira etapa (Detecção): O modelo YOLOv9 analisa a imagem clínica completa e identifica a localização exata da lesão por pressão, isolando-a do restante da imagem
- Segunda etapa (Classificação): O modelo DenseNet161 recebe a região identificada e classifica o estágio da lesão de acordo com os critérios padronizados
“Este sistema de IA em duas etapas pode auxiliar a equipe clínica fornecendo classificação de lesões por pressão padronizada e reprodutível a partir de imagens clínicas, com potencial para integração aos fluxos de trabalho de enfermagem.”
— Conclusão do estudo publicado no BMJ Health Care Inform
Resultados Promissores
O estudo utilizou 1.807 imagens de lesões por pressão coletadas entre 2020 e 2024 no China Medical University Hospital. Cada imagem foi anotada por cinco enfermeiras seniores que chegaram a um consenso sobre o estágio correto, garantindo a qualidade dos dados de treinamento.
Os resultados foram expressivos: o modelo de detecção alcançou uma precisão média ([email protected]) de 79,6%. No conjunto de teste independente com 365 imagens, o sistema de classificação demonstrou acurácia geral de 77,5%, com especificidade de 95,5% — um indicador importante de que o sistema raramente classifica erroneamente lesões saudáveis como problemáticas.
Implicações para a Prática de Enfermagem
A implementação desta tecnologia nos fluxos de trabalho de enfermagem pode trazer benefícios significativos. Primeiro, oferece uma segunda opinião automatizada que pode auxiliar enfermeiros menos experientes na avaliação de casos complexos. Segundo, promove a padronização das classificações, reduzindo a variabilidade entre diferentes avaliadores.
Os pesquisadores reconhecem que ainda existem desafios a serem superados, especialmente na identificação de lesões em estágios iniciais e no tratamento de feridas com características heterogêneas. A qualidade variável das imagens clínicas também representa um obstáculo que futuras versões do sistema precisarão endereçar.
O Futuro da Avaliação de Feridas
Este estudo representa mais um passo importante na integração da inteligência artificial ao cuidado de enfermagem. À medida que essas ferramentas se tornam mais precisas e acessíveis, a tendência é que se tornem auxiliares indispensáveis na prática clínica, permitindo que enfermeiros concentrem seu tempo e expertise no cuidado direto ao paciente.
Fonte: Novel two-stage deep learning framework for automated pressure injury classification — BMJ Health Care Inform, março de 2026. DOI: 10.1136/bmjhci-2026-101234
