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.v10i20.806Palavras-chave:
Hipertensão arterial; Inteligência artificial; Monitoramento remoto.Resumo
A hipertensão arterial sistêmica (HAS) é uma importante causa de
morbimortalidade global, e o monitoramento remoto da pressão arterial, aliado à inteligência
artificial (IA), surge como estratégia inovadora para ampliar o controle pressórico,
especialmente em populações de difícil acesso. Objetivo: Analisar o papel da IA no
monitoramento remoto da pressão arterial, destacando suas aplicações na gestão da HAS e na
personalização de estratégias terapêuticas. Metodologia: Foi realizada uma revisão
integrativa da literatura, utilizando descritores controlados em saúde para identificar estudos
relacionados à IA, monitoramento remoto e hipertensão arterial. A busca foi conduzida em
bases nacionais e internacionais, selecionando artigos completos em inglês e português
publicados entre 2019 e 2024. Resultados: A aferição remota e contínua da pressão arterial,
utilizando dispositivos vestíveis e algoritmos de IA, permite um monitoramento mais preciso
e constante da variação pressórica dos pacientes. A IA também facilita a personalização do
tratamento e amplia o acesso à saúde, especialmente em regiões remotas, ao permitir a
triagem automática de casos urgentes e o ajuste terapêutico individualizado.
Conclusões/Considerações finais: A integração da IA ao monitoramento remoto da pressão
arterial tem o potencial de transformar a gestão da hipertensão e outras doenças crônicas,
melhorando a personalização do tratamento, a autonomia dos pacientes e a eficiência dos
sistemas de saúde, desde que desafios tecnológicos e éticos sejam superados.
Downloads
Referências
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
Publicado
Como Citar
Edição
Seção
Categorias
Licença
Copyright (c) 2026 Revista Master - Ensino, Pesquisa e Extensão
Este trabalho está licenciado sob uma licença 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.
