INTELIGÊNCIA ARTIFICIAL NO MONITORAMENTO REMOTO DA PRESSÃO ARTERIAL: INOVAÇÕES NA GESTÃO DE DOENÇAS CRÔNICAS E TRATAMENTO PERSONALIZADO
Área temática: Eixo temático 1 - Acessibilidade: acesso a serviços de saúde de qualidade em regiões remotas
DOI:
https://doi.org/10.47224/revistamaster.v10i20.806Keywords:
Arterial hypertension; Artificial intelligence; Remote monitoring.Abstract
Systemic arterial hypertension (SAH) is a major cause of global morbidity and mortality, and remote blood pressure monitoring, combined with artificial intelligence (AI), emerges as an innovative strategy to enhance blood pressure control, especially in populations with limited access to healthcare. Objective: To analyze the role of AI in remote blood pressure monitoring, highlighting its applications in the management of SAH and the personalization of therapeutic strategies. Methodology: An integrative literature review was conducted, using controlled health descriptors to identify studies related to artificial intelligence, remote monitoring, and arterial hypertension. The search was carried out in national and international databases, selecting full-text articles in English and Portuguese published between 2019 and 2024. Results: Remote and continuous blood pressure measurement, using wearable devices and AI algorithms, enables more accurate and constant monitoring of patients' blood pressure variations. AI also facilitates treatment personalization and expands access to healthcare, especially in remote areas, by enabling automatic triage of urgent cases and individualized therapeutic adjustments. Conclusions/Final Considerations: The integration of AI into remote blood pressure monitoring has the potential to transform the management of hypertension and other chronic diseases, improving treatment personalization, patient autonomy, and healthcare system efficiency, provided that technological and ethical challenges are overcome.
Downloads
References
ALANAZI, Abdullah. Clinicians' views on using artificial intelligence in healthcare: opportunities, challenges, and beyond. Cureus, v. 15, n. 9, e45255, 14 set. 2023. Disponível em: https://doi.org/10.7759/cureus.45255. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.7759/cureus.45255
AMARO JUNIOR, Edson; NAKAYA, Helder; RIZZO, Luiz Vicente. Inteligência artificial em saúde. Revista USP, São Paulo, n. 141, p. 41–50, 2024. Disponível em: https://www.revistas.usp.br/revusp/article/view/225206. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.11606/issn.2316-9036.i141p41-50
ARGHA, Ahmadreza; CELLER, Branko G.; LOVELL, Nigel H. Artificial intelligence based blood pressure estimation from auscultatory and oscillometric waveforms: a methodological review. IEEE Reviews in Biomedical Engineering, v. 15, p. 152–168, 2022. Disponível em: https://pubmed.ncbi.nlm.nih.gov/33237868/. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.1109/RBME.2020.3040715
BRITO, Sara Ferreira Lobato de, et al. Mecanismos de regulação da pressão arterial. Brazilian Journal of Development, v. 7, n. 5, p. 43969–43986, 2021. Disponível em: https://ojs.brazilianjournals.com.br/ojs/index.php/BRJD/article/view/29183. Acesso em: 28 abr. 2025.
CARVALHO, Luísa Paiva Furtado de; CARVALHO, Marina Oliveira de; COELI, Marcela Barbosa Pereira; FRANCO, Gabriel Fernandes; MALTA, Cindy Lima Vidigal. Avanços no tratamento da hipertensão arterial: uma análise integrativa. Revista Ibero-Americana de Humanidades, Ciências e Educação, v. 9, n. 9, p. 524–532, 2023. Disponível em: https://doi.org/10.51891/rease.v9i9.11203. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.51891/rease.v9i9.11203
COSTA, Simone de Melo, et al. Hypertension bearers with high risk/big risk of cardiovascular diseases and socioeconomic and health indicators. Revista da Associação Médica Brasileira, v. 64, n. 7, p. 601–610, 2018. Disponível em: https://pubmed.ncbi.nlm.nih.gov/30365662. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.1590/1806-9282.64.07.601
DOS SANTOS, Marcus Alexandre G.; DE ALBUQUERQUE, Victor Hugo C. Dyheartmon – monitoramento ambulatorial e residencial remoto da pressão arterial baseado em Internet das Coisas. In: CONCURSO DE TESES E DISSERTAÇÕES – SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 19, 2019, Niterói. Anais.... Porto Alegre: Sociedade Brasileira de Computação, 2019. p. 91–96. Disponível em: https://sol.sbc.org.br/index.php/sbcas_estendido/article/view/6290. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.5753/sbcas.2019.6290
FERNANDEZ, Marta Duran. Identificação de padrões de hipertensão arterial via aprendizado de máquina: Identification of arterial hypertension patterns via machine learning. 2022. 62p. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas
2022.
FERRES CORRÊA, Amanda Caroline, et al. Hipertensão arterial sistêmica (HAS): uma revisão abrangente. Revista Corpus Hippocraticum, v. 1, n. 2, 2025. Disponível em: https://revistas.unilago.edu.br/index.php/revista-medicina/article/view/1196. Acesso em: 28 abr. 2025.
GOLBUS, Jessica R., et al. Wearable device signals and home blood pressure data across age, sex, race, ethnicity, and clinical phenotypes in the Michigan Predictive Activity & Clinical Trajectories in Health (MIPACT) study: a prospective, community-based observational study. Lancet Digital Health, v. 3, n. 11, p. e707–e715, nov. 2021. Disponível em: https://www.thelancet.com/journals/landig/article/PIIS2589-7500(21)00138-2/fulltext. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.1016/S2589-7500(21)00138-2
GUIMARÃES, Pedro, et al. Artificial intelligence-derived risk prediction: a novel risk calculator using office and ambulatory blood pressure. Hypertension, v. 82, n. 1, p. 46–56, jan. 2025. Disponível em: https://pubmed.ncbi.nlm.nih.gov/38660828/. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.1161/HYPERTENSIONAHA.123.22529
LUNARDI, Mattia, et al. Performance of wearable watch-type home blood pressure measurement devices in a real-world clinical sample. Clinical Research in Cardiology, v. 113, n. 10, p. 1393–1404, out. 2024. Disponível em: https://pubmed.ncbi.nlm.nih.gov/38112747/. Acesso em: 28 abr. 2025.
MENDES, Karina Dal Sasso; SILVEIRA, Renata Cristina de Campos Pereira; GALVÃO, Cristina Maria. Revisão integrativa: método de pesquisa para a incorporação de evidências na saúde e na enfermagem. Texto & Contexto – Enfermagem, v. 17, n. 4, p. 758–764, out. 2008. Disponível em: https://doi.org/10.1590/S0104-07072008000400018. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.1590/S0104-07072008000400018
MIRANDA, Paulo Roberto de Oliveira, et al. Percepção de pessoas com hipertensão arterial sobre aspectos que influenciam a adesão ao tratamento. Revista de Enfermagem, v. 11, n. 6, p. 1–22, 2021. Disponível em: https://periodicos.ufsm.br/reufsm/article/view/42403. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.5902/2179769242403
PICONE, Dean S., et al. Validation status of blood pressure measuring devices sold globally. JAMA, v. 327, n. 7, p. 680–681, 2022. Disponível em: https://pubmed.ncbi.nlm.nih.gov/35166811/. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.1001/jama.2021.24464
SILVA MACEDO, Luiza Silva, et al. Estratégias terapêuticas na abordagem da hipertensão arterial sistêmica. Brazilian Journal of Implantology and Health Sciences, v. 7, n. 2, p. 1304–1313, 2025. Disponível em: https://bjihs.emnuvens.com.br/bjihs/article/view/5169. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.36557/2674-8169.2025v7n2p1304-1313
SILVA, Gabriel Ferreira dos Santos. Inteligência artificial para a vigilância de doenças crônicas não-transmissíveis. 2023. Tese (Doutorado em Saúde Pública) – Faculdade de Saúde Pública da Universidade de São Paulo, São Paulo – SP, 2023.
TAN, Puchuan, et al. An artificial intelligence-enhanced blood pressure monitor wristband based on piezoelectric nanogenerator. Biosensors (Basel), v. 12, n. 4, p. 234, 2022. Disponível em: https://www.mdpi.com/2079-6374/12/4/234. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.3390/bios12040234
TENENHAUS, Mayer; RENNEKAMPFF, Hans Oliver; VASSOLAS, George A. Wearable biosensors for monitoring and as a predictive adjunct for patients at risk for ischemic cardiac-related injury. Journal of Internal Medicine, v. 297, n. 4, p. 437–447, abr. 2025. Disponível em: https://pubmed.ncbi.nlm.nih.gov/39988463/. Acesso em: 28 abr. 2025. DOI: https://doi.org/10.1111/joim.20073
Downloads
Published
How to Cite
Issue
Section
Categories
License
Copyright (c) 2026 Revista Master - Ensino, Pesquisa e Extensão
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
a) A licença desses direitos autorais abrange o direito exclusivo da Revista Master - Ensino, Pesquisa e Extensão para reproduzir, publicar e distribuir o artigo,
nacional e internacionalmente, incluindo reimpressões, traduções, reproduções fotográficas, microformas, formulários eletrônicos (offline, on-line) ou qualquer outra reprodução de natureza similar.
b) O (s) autor (es) aprovam que o manuscrito não pode ser retirado ou reenviado para qualquer outro Jornal/Revista enquanto a avaliação pelos pares estiver em andamento. Após aprovado o manuscrito, um autor pode auto-arquivar uma versão de seu artigo em seu próprio site e/ou em seu repositório institucional.
c) O (s) autor (es) declaram que são integralmente responsáveis pela totalidade do conteúdo da contribuição e que a Revista Master - Ensino, Pesquisa e Extensão e o corpo editorial da Revista Científica do estão expressamente isentos de qualquer responsabilidade sobre o conteúdo do artigo, métodos, técnicas e resultados de sua pesquisa, tendo, assim, finalidade meramente informativa e educativa.
d) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
