Inteligência Artificial Na Detecção Precoce De Coágulos Em Bolsas De Concentrado De Hemácias: Impactos Na Segurança Transfusional
Year: 2026
Type: article
Abstract: O concentrado de hemácias é um hemocomponente obtido a partir do sangue total por processos de centrifugação, sendo amplamente utilizado na prática transfusional para o tratamento de anemias e situações de perda sanguínea. A segurança desse hemocomponente depende rigorosamente da integridade do produto, desde a coleta até a transfusão. A presença de coágulos sanguíneos, formados por agregados de hemácias, plaquetas e fibrina, configura uma condição inaceitável, uma vez que representa risco direto ao paciente receptor, podendo ocasionar obstrução do sistema transfusional, reações adversas e eventos tromboembólicos. Tradicionalmente, a detecção de coágulos ocorre de forma visual ou retrospectiva, o que limita a capacidade de intervenção precoce. Nesse cenário, a incorporação da Inteligência Artificial (IA) associada aos Blood Collection Monitors (BCM) emerge como estratégia inovadora para vigilância em tempo real, permitindo identificar padrões anômalos durante a coleta e prevenir a liberação de hemocomponentes inseguros. Avaliar o potencial da aplicação de Inteligência Artificial integrada aos monitores de coleta de sangue para detecção precoce de coágulos e anomalias em bolsas de concentrado de hemácias, visando o aumento da segurança transfusional, a redução de perdas de hemocomponentes e o aprimoramento da qualidade laboratorial. Trata-se de um estudo descritivo-tecnológico, com abordagem conceitual e aplicada, fundamentado em literatura científica recente (2022–2025) e em cenários simulados de coleta de sangue. Foram modelados algoritmos de Machine Learning supervisionado, integrados a dados gerados por BCM, incluindo: Fluxo sanguíneo em tempo real; variações de pressão e velocidade de coleta; tempo de coleta; padrões irregulares de interrupção do fluxo. Os algoritmos foram treinados para reconhecer desvios compatíveis com formação precoce de coágulos, emitindo alertas automáticos para interrupção da coleta e descarte seguro da bolsa. Os dados apresentados evidenciam que a aplicação de Inteligência Artificial aos dados operacionais dos monitores de coleta permitiu a identificação precoce de padrões anômalos associados à formação de coágulos, por meio da análise integrada de fluxo sanguíneo, pressão, velocidade e interrupções irregulares da coleta. Essas alterações dinâmicas, frequentemente imperceptíveis à inspeção visual, mostraram-se preditoras de eventos de coagulação. O desempenho preditivo elevado do modelo, com Curva ROC apresentando AUC = 1,00, indica excelente capacidade discriminatória entre bolsas seguras e aquelas com risco de coagulação. A combinação de alta sensibilidade e especificidade reforça a confiabilidade do sistema para aplicação em tempo real. Esses achados sustentam o uso da IA como ferramenta estratégica para prevenção de riscos transfusionais, redução de perdas operacionais e fortalecimento da segurança hemoterápica. A aplicação de Inteligência Artificial na análise em tempo real de bolsas de concentrado de hemácias demonstra elevado potencial para a prevenção de riscos transfusionais associados à formação de coágulos, ampliando a segurança do paciente receptor. A integração da IA aos monitores de coleta fortalece a vigilância do processo, reduz falhas operacionais e configura uma estratégia promissora para a modernização dos serviços hemoterápicos em cenários de alta complexidade transfusional.
Language: English
Subfield: Biochemistry
Field: Medicine
Domain: Health Sciences
Open Access status: diamond
OpenAlex ID: W7223106103