Como a IA está transformando a avaliação da dor neonatal?

Modelos multimodais de visão e linguagem permitem identificar dor em recém-nascidos com maior precisão, reduzindo subjetividade e abrindo caminho para monitorização em tempo real na UTI neonatal.

Autor/a: Carlini, L.P. et al.

Fuente: Pediatr Res (2025).

Recém-nascidos internados em Unidades de Terapia Intensiva (UTIs) são submetidos a uma média de 13 procedimentos dolorosos por dia, incluindo punções, cateterismos, intubações e até cirurgias. Nessa fase, a exposição repetida à dor sem o tratamento adequado foi correlacionada a alterações estruturais no cérebro, podendo resultar em prejuízos cognitivos e comportamentais a longo prazo, incluindo redução do volume cerebral, menor QI e predisposição à depressão e ansiedade na infância. Dado que os neonatos são pré-verbais, a prática clínica depende majoritariamente de escalas que avaliem mudanças nas expressões faciais. No entanto, essas ferramentas são subjetivas e os resultados podem variar conforme a maturidade do bebê, o tipo de procedimento e a própria experiência do profissional de saúde que realiza a avaliação

Nesse contexto, engenheiros da Faculdade de Engenharia Industrial (FEI) e pediatras da Universidade Federal de São Paulo (Unifesp) desenvolveram uma ferramenta de inteligência artificial (IA) baseada em vision-language models (VLMs), modelos multimodais capazes de integrar imagens e textos para interpretar expressões faciais com maior precisão e menor subjetividade.

O artigo de Carlini e colaboradores (2025), publicado na revista Pediatric Research, foi o primeiro a aplicar VLMs na Avaliação Automática da Dor (AAD) neonatal. Os autores exploraram duas estratégias de prompts: recuperação de conhecimento clínico latente obtido no pré-treinamento, alcançando um equilíbrio entre precisão (82,3%) e recordação (73,2%) e fornecimento de informações sobre traços faciais clinicamente relevantes, resultando em precisão perfeita (100%), embora com recordação menor (40,1%).

Em ambas as abordagens, o desempenho superou significativamente técnicas anteriores de deep learning, destacando a capacidade da IA de interpretar expressões faciais com profundidade e contexto clínico ampliado.

Além disso, a tecnologia não exige treinamento específico para cada tarefa, diferentemente de modelos tradicionais que dependiam de bancos de dados extensos e pré-processamentos complexos. O uso de VLMs permitiu aproveitar grandes quantidades de conhecimento prévio incorporado durante o treinamento em larga escala, possibilitando aplicações médicas especializadas com mais rapidez e precisão.

Em resumo, a aplicação dos VLMs para avaliação da dor neonatal demonstrou desempenho superior às técnicas tradicionais, recuperando conhecimento clínico latente e alcançando alta precisão quando guiado por traços faciais específicos. Os pesquisadores acreditam que, no futuro, o sistema poderá atuar como um monitor de dor em tempo real na UTI neonatal, auxiliando prescrições mais seguras e intervenções mais precisas. Assim, a IA surge como uma ferramenta capaz de transformar sinais subjetivos em parâmetros objetivos, funcionando como apoio na tomada de decisões clínicas.