A Universidade Federal do Rio Grande do Norte (UFRN) desenvolveu uma plataforma inovadora de monitoramento remoto voltada ao acompanhamento neurológico de bebês prematuros. A solução utiliza inteligência artificial e sensores de baixo custo para identificar sinais precoces de distúrbios neurológicos, contribuindo para diagnósticos mais rápidos e intervenções médicas mais eficientes.
Com aproximadamente 340 mil nascimentos prematuros anuais no Brasil, metade dos recém-nascidos corre risco de sequelas neurológicas devido à falta de infraestrutura adequada de monitoramento. A nova tecnologia se apresenta como alternativa viável para hospitais que não dispõem de recursos avançados, ampliando o acesso à saúde neonatal qualificada.
A plataforma combina sensores flexíveis, leves e biocompatíveis, com câmeras térmicas e sensores de movimento. Esses componentes monitoram, em tempo real, sinais vitais como atividade cerebral, frequência cardíaca e oxigenação. As informações são transmitidas via internet para equipes médicas, que podem acompanhar o estado clínico do paciente a distância.
O diferencial da tecnologia está na integração com algoritmos de inteligência artificial capazes de interpretar automaticamente os dados coletados. Essa abordagem permite detectar alterações neurológicas sutis que muitas vezes passam despercebidas em métodos tradicionais, como convulsões silenciosas ou mudanças nos padrões de atividade cerebral.
Embora não substitua a avaliação médica especializada, a solução da UFRN contribui para ampliar a capacidade de triagem e suporte em unidades de terapia intensiva neonatal, principalmente em regiões onde há escassez de profissionais ou equipamentos de alto custo. A tecnologia também reduz a dependência de infraestrutura hospitalar complexa, podendo ser implementada com componentes modulares disponíveis no mercado.
Diferentemente dos equipamentos tradicionais que exigem salas específicas, operadores altamente treinados e elevado investimento, a plataforma da UFRN foi projetada para funcionar em ambientes clínicos comuns, otimizando a implantação em larga escala. Essa abordagem torna possível expandir o acesso ao diagnóstico precoce de forma mais democrática e sustentável.
A iniciativa representa um avanço significativo na interseção entre tecnologia, saúde e inclusão, reforçando o papel estratégico de universidades públicas no desenvolvimento de soluções acessíveis e de alto impacto social. O projeto ainda poderá servir como referência para outras aplicações clínicas baseadas em IA abrindo caminhos para uma medicina mais preditiva, preventiva e personalizada.
