Ce livre blanc d’Arkangel AI est une synthèse narrative des données probantes, et non une étude évaluée par les pairs ni une revue systématique, sur ce que l’IA peut et ne peut pas faire aujourd’hui en chirurgie et en anesthésiologie, avec un accent sur l’Amérique latine. Il s’appuie sur 28 sources issues d’une recherche ciblée dans PubMed et de documents officiels de l’OMS, de la FDA et de l’OPS (arrêt au 15 juin 2026) et classe six domaines, des alertes d’hypotension peropératoire et de la prédiction des complications à la vidéo chirurgicale, à l’évaluation des compétences et à la planification du bloc opératoire, selon leur stade de preuve, du développement rétrospectif à la mise en œuvre courante.
Les données les plus proches de l’usage clinique concernent la prédiction de l’hypotension peropératoire : une méta-analyse de 8 rapports d’essais randomisés (568 participants comptés avec chevauchement), dont 7 sur le Hypotension Prediction Index, n’a trouvé aucune différence significative de charge hypotensive une fois le plus grand essai inclus (différence moyenne 0.22 mmHg, IC 95 % −0.03 à 0.48 ; I² 93.8 %). Les études régionales, comme un modèle de durée opératoire à Bogotá avec une RMSE de 26 minutes et la cohorte LASOS de 22,126 patients dans 17 pays avec 14.6 % de complications, montrent une capacité de recherche, pas une efficacité clinique. Les auteurs concluent que l’IA peut soutenir des tâches périopératoires circonscrites avec validation locale et gouvernance, mais pas prendre de décisions peropératoires autonomes.
