Palavras-chave
Diagnóstico por imagem
Câncer
Como Citar
Copyright © | Todos os direitos reservados.
A revista detém os direitos autorais exclusivos de publicação deste artigo nos termos da lei 9610/98.
Reprodução parcial
É livre o uso de partes do texto, figuras e questionário do artigo, sendo obrigatória a citação dos autores e revista.
Reprodução total
É expressamente proibida, devendo ser autorizada pela revista.
Resumo
Objetivo: Descrever a aplicabilidade da inteligência artificial no campo médico, especificamente no diagnóstico por imagem. Métodos: Trata-se de uma revisão integrativa da literatura, com abordagem qualitativa e descritiva, baseada em estudos publicados entre janeiro de 2020 e maio de 2025. A estratégia de busca seguiu o modelo PICO, com foco em pacientes com câncer e o uso da inteligência artificial no diagnóstico por imagem. As buscas foram realizadas nas bases PubMed e Cochrane Library. Foram incluídos estudos originais publicados em inglês, português ou espanhol, em periódicos revisados por pares. Excluíram-se revisões, teses, dissertações e artigos que não abordassem diretamente o tema. A seleção dos estudos ocorreu em três etapas: leitura de títulos, resumos e textos completos, seguida da avaliação metodológica com base nos critérios do Oxford Centre for Evidence-Based Medicine. Resultados: A inteligência artificial apresentou desempenho variável conforme o contexto médico, mas demonstrou redução nos falsos positivos e maior taxa de detecção de pólipos e neoplasias. Sua aplicação contribuiu para maior precisão diagnóstica, especialmente em profissionais menos experientes. Considerações finais : A IA mostra grande potencial para melhorar o diagnóstico oncológico por imagem, sobretudo na detecção precoce, embora sua eficácia dependa do cenário clínico específico.
Referências
AHMAD A, et al. Evaluation of a real-time computer-aided polyp detection system during screening colonoscopy: AI-DETECT study. Endoscopy, 2023; 55: 313–319.
CUI H, et al. Diagnosing solid lesions in the pancreas with multimodal artificial intelligence: A randomized crossover trial. JAMA Network Open, 2024; 7(7): e2422454.
DEMBROWER K, et al. Artificial intelligence for breast cancer detection in screening mammography in Sweden: a prospective, population-based, paired-reader, non-inferiority study. Lancet Digital Health, 2023; 5(10): e703–e711.
DENG R, et al. Comparison of MRI artificial intelligence-guided cognitive fusion-targeted biopsy versus routine cognitive fusion-targeted prostate biopsy in prostate cancer diagnosis: a randomized controlled trial.
Revista Eletrônica Acervo Saúde, 2024; 22: e3742.
DJINBACHIAN R, et al. Autonomous artificial intelligence vs artificial intelligence–assisted human optical diagnosis of colorectal polyps: a randomized controlled trial. Revista Eletrônica Acervo Saúde, 2024; 167(2): e1044.
ESKREIS-WINKLER S, et al. Using deep learning to improve nonsystematic viewing of breast cancer on MRI. Journal of Breast Imaging, 2021; 3(2): 201–207.
HERNSTRÖM V, et al. Screening performance and characteristics of breast cancer detected in the Mammography Screening with Artificial Intelligence trial (MASAI). Lancet Digital Health, 2025; 7: e175–83.
KIM S, et al. Pivotal clinical study to evaluate the efficacy and safety of assistive artificial intelligence-based software for cervical cancer diagnosis. Journal of Clinical Medicine, 2023; 12: 4024.
LAZĂR DC, et al. The impact of artificial intelligence in the endoscopic assessment of premalignant and malignant esophageal lesions: Present and future. Medicina, 2020; 56(7): 364.
LUI TKL, et al. Endocuff with or without artificial intelligence-assisted colonoscopy in detection of colorectal adenoma: A randomized colonoscopy trial. American Journal of Gastroenterology, 2024; 119: 1318–1325.
MIYOSHI H, et al. Deep learning shows the capability of high-level computer-aided diagnosis in malignant lymphoma. Laboratory Investigation, 2020; 100(10): 1300–1310.
NAKASHIMA H, et al. Clinical evaluation of computer-aided colorectal neoplasia detection using a novel endoscopic artificial intelligence: a single-center randomized controlled trial. Revista Eletrônica Acervo Saúde, 2023; 104(3): e2085.
NIIKURA R, et al. Artificial intelligence versus expert endoscopists for diagnosis of gastric cancer in patients who have undergone upper gastrointestinal endoscopy. Revista Eletrônica Acervo Saúde, 2022; 54: 780–784.
PARK DK, et al. A prospective multicenter randomized controlled trial on artificial intelligence assisted colonoscopy for enhanced polyp detection. Scientific Reports, 2024; 14: 25453.
RONDONOTTI E, et al. Artificial intelligence-assisted optical diagnosis for the resect-and-discard strategy in clinical practice: the Artificial intelligence BLI Characterization (ABC) study. Revista Eletrônica Acervo Saúde, 2023; 55: 14–22.
SAHA A, et al. Artificial intelligence and radiologists in prostate cancer detection on MRI (PI-CAI): an international, paired, non-inferiority, confirmatory study. Lancet Oncology, 2024; 25(7): 879–887.
SALIM M, et al. AI-based selection of individuals for supplemental MRI in population-based breast cancer screening: the randomized ScreenTrustMRI trial. Nature Medicine, 2024; 30(9): 2623–2630.
SOUZA MT, et al. Revisão integrativa: o que é e como fazer. Einstein, 2010; 8(1 Pt 1): 102–6.
VAN DOOIEJWEERT C, et al. Clinical implementation of artificial-intelligence-assisted detection of breast cancer metastases in sentinel lymph nodes: the CONFIDENT-B single-center, non-randomized clinical trial. Revista Eletrônica Acervo Saúde, 2024; 5(8): e788.
VAN ZELST JCM, et al. Validation of radiologists’ findings by computer-aided detection (CAD) software in breast cancer detection with automated 3D breast ultrasound. Acta Radiologica, 2020; 61(3): 312–320.
WALLACE MB, et al. Impact of artificial intelligence on miss rate of colorectal neoplasia. Gastroenterology, 2022; 163: 295–304.
WARIN K, et al. Automatic classification and detection of oral cancer in photographic images using deep learning algorithms. Revista Eletrônica Acervo Saúde, 2021; 50: 911–918.
XU L, et al. Artificial intelligence-assisted colonoscopy: a prospective, multicenter, randomized controlled trial of polyp detection. Revista Eletrônica Acervo Saúde, 2021; 10: 7184–7193.
ZHANG L, et al. Artificial intelligence algorithm-based ultrasound image segmentation technology in the diagnosis of breast cancer axillary lymph node metastasis. Journal of Healthcare Engineering, 2021; Article ID 5591436.