Avaliação da efetividade da inteligência artificial no diagnóstico imediato de patologias torácicas em radiografias de urgência: revisão integrativa da literatura

Abstract

Considerando o problema da demora na interpretação de radiografias de tórax em contextos de urgência, sobretudo diante da escassez de radiologistas, este estudo justifica-se pela necessidade de ferramentas capazes de otimizar o diagnóstico e aprimorar a tomada de decisão clínica. Objetiva-se avaliar a efetividade da Inteligência Artificial (IA), em especial dos algoritmos de deep learning, no diagnóstico imediato de patologias torácicas em radiografias de urgência. Para tanto, procede-se a uma revisão integrativa da literatura, realizada entre agosto e setembro de 2025, nas bases Google Scholar, PubMed, LILACS e SciELO, incluindo estudos publicados nos últimos cinco anos que abordam o uso de IA na detecção de pneumotórax, insuficiência cardíaca, pneumonia e tuberculose. Desse modo, observa-se que os modelos de deep learning alcançam sensibilidade e especificidade médias superiores a 90%, com desempenho comparável ao de radiologistas experientes e significativa redução no tempo de triagem, o que reforça seu potencial clínico como ferramenta de apoio diagnóstico. Isso permite concluir que a aplicação da IA em radiografias de tórax representa um avanço relevante para a radiologia de urgência, contribuindo para diagnósticos mais rápidos, precisos e acessíveis, embora ainda demande padronização metodológica e validação multicêntrica para garantir sua integração segura à prática médica.