Aplicações e desafios da Inteligência Artificial na radiologia: revisão narrativa da literatura
DOI:
https://doi.org/10.34119/bjhrv8n6-312Keywords:
Inteligência Artificial, radiologia, diagnóstico por imagem, ética, desempenhoAbstract
A Inteligência Artificial (IA) tem se consolidado como uma ferramenta essencial na Radiologia, destacando-se pela capacidade de otimizar fluxos de trabalho, aumentar a precisão diagnóstica e apoiar a tomada de decisão clínica. Este estudo consiste em uma Revisão Narrativa da Literatura, realizada por meio de buscas estruturadas no Portal de Periódicos CAPES, aplicando termos relacionados à IA e diagnóstico radiológico. Após filtros de acesso aberto, anos de publicação e revisão por pares, 20 artigos foram selecionados para análise qualitativa. Os resultados indicam que a IA apresenta desempenho elevado em diversas aplicações clínicas, como detecção de patologias oftalmológicas e análise cardiopulmonar, alcançando sensibilidade e especificidade comparáveis às de radiologistas. Contudo, a literatura destaca desafios significativos, incluindo lacunas educacionais, limitações de infraestrutura, viés algorítmico e questões éticas relacionadas à proteção de dados. A integração humano-IA mostrou-se o modelo mais eficiente, combinando velocidade computacional com julgamento clínico. Conclui-se que a IA tem potencial para transformar a prática radiológica, mas sua implementação segura depende de capacitação profissional contínua, regulamentações adequadas e supervisão humana rigorosa, garantindo diagnósticos mais precisos, éticos e confiáveis.
References
AULOGE, P. et al. Interventional radiology and artificial intelligence in radiology: Is it time to enhance the vision of our medical students? Insights into Imaging, v. 11, n. 1, art. 127, 2020. DISPONÍVEL EM: https://doi.org/10.1186/s13244-020-00942-y. ACESSO EM: 04 out. 2025.
BHARADWAJ, P. et al. Unlocking the Value: Quantifying the Return on Investment of Hospital Artificial Intelligence. Journal of the American College of Radiology, v. 21, n. 10, p. 1677-1685, 2024. DISPONÍVEL EM: https://doi.org/10.1016/j.jacr.2024.02.034. ACESSO EM: 04 out. 2025.
CHAMBERLIN, J. et al. Automated detection of lung nodules and coronary artery calcium using artificial intelligence on low-dose CT scans for lung cancer screening: accuracy and prognostic value. BMC Medicine, v. 19, art. 55, 2021. DISPONÍVEL EM: https://doi.org/10.1186/s12916-021-01928-3. ACESSO EM: 04 out. 2025.
CHAROW, R. et al. Artificial Intelligence Education Programs for Health Care Professionals: Scoping Review. JMIR Medical Education, v. 7, n. 4, e31043, 2021. DISPONÍVEL EM: https://doi.org/10.2196/31043. ACESSO EM: 04 out. 2025.
CHEN, Y. et al. Radiology Residents’ Perceptions of Artificial Intelligence: Nationwide Cross-Sectional Survey Study. Journal of Medical Internet Research, v. 25, e48249, 2023. DISPONÍVEL EM: https://doi.org/10.2196/48249. ACESSO EM: 04 out. 2025.
FARIČ, N. et al. Early experiences of integrating an artificial intelligence-based diagnostic decision support system into radiology settings: a qualitative study. Journal of the American Medical Informatics Association, v. 31, n. 1, p. 24–34, 2024.
DISPONÍVEL EM: https://doi.org/10.1093/jamia/ocad191. ACESSO EM: 05 out. 2025.
GAUBE, S. et al. Do as AI say: susceptibility in deployment of clinical decision-aids. npj Digital Medicine, v. 4, art. 31, 2021. DISPONÍVEL EM: https://doi.org/10.1038/s41746-021-00385-9. ACESSO EM: 05 out. 2025.
HU, R. et al. An Artificial Intelligence Training Workshop for Diagnostic Radiology Residents. Radiology: Artificial Intelligence, v. 5, n. 2, e220170, 2023. DISPONÍVEL EM: https://doi.org/10.1148/ryai.220170. ACESSO EM: 05 out. 2025.
KUIAVA, V. A. et al. Desenvolvimento de sistema estruturado com inteligência artificial para apoio no diagnóstico de patologias oftalmológicas mais relevantes. Clinical and Biomedical Research, v. 41, n. 1, 2021. DISPONÍVEL EM: https://doi.org/10.22491/2357-9730.109565. ACESSO EM: 05 out. 2025.
MARTIN, C. et al. The ethical considerations including inclusion and biases, data protection, and proper implementation among AI in radiology and potential implications. Intelligence-Based Medicine, v. 6, e100073, 2022. DISPONÍVEL EM: https://doi.org/10.1016/j.ibmed.2022.100073. ACESSO EM: 05 out. 2025.
MEHRIZI, M. H. R. Pre-framing an emerging technology before it is deployed at work: the case of artificial intelligence and radiology. Journal of Computer-Mediated Communication, v. 28, n. 4, zmad029, 2023. DISPONÍVEL EM: https://doi.org/10.1093/jcmc/zmad029. ACESSO EM: 06 out. 2025.
MEHRIZI, M. H. R.; VAN OOIJEN, P.; HOMAN, M. Applications of artificial intelligence (AI) in diagnostic radiology: a technography study. European Radiology, v. 31, p. 1805–1811, 2021. DISPONÍVEL EM: https://doi.org/10.1007/s00330-020-07230-9. ACESSO EM: 06 out. 2025.
MEHRIZI, M. H. R. et al. How do providers of artificial intelligence (AI) solutions propose and legitimize the values of their solutions for supporting diagnostic radiology workflow? A technography study in 2021. European Radiology, v. 33, n. 2, p. 915-924, 2023. DISPONÍVEL EM: https://doi.org/10.1007/s00330-022-09090-x. ACESSO EM: 06 out. 2025.
MELO, G. B. P. de et al. Um comparativo entre a inteligência artificial e os médicos radiologistas no campo da interpretação de exames de imagens. Research, Society and Development, v. 13, n. 11, e125131147411, 2024. DISPONÍVEL EM: https://doi.org/10.33448/rsd-v13i11.47411. ACESSO EM: 06 out. 2025.
MORAIS, T. C. et al. Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial. Arquivos Brasileiros de Cardiologia, v. 116, n. 6, p. 1091-1098, 2021. DISPONÍVEL EM: https://doi.org/10.36660/abc.20190329. ACESSO EM: 06 out. 2025.
OLIVEIRA, L. E. S. de. et al. Diagnóstico da retinopatia diabética por inteligência artificial por meio de smartphone. Revista Brasileira de Oftalmologia, v. 83, e0006, 2024. DISPONÍVEL EM: https://doi.org/10.37039/1982.8551.20240006. ACESSO EM: 07 out. 2025.
RUECKEL, J. et al. Pneumothorax detection in chest radiographs: optimizing artificial intelligence system for accuracy and confounding bias reduction using in-image annotations in algorithm training. European Radiology, v. 31, p. 7888–7900, 2021. DISPONÍVEL EM: https://doi.org/10.1007/s00330-021-07833-w. ACESSO EM: 07 out. 2025.
SHANKAR, P. R. Artificial Intelligence in Health Professions Education. Archives of Medicine and Health Sciences, v. 10, n. 2, p. 256–261, 2022. DISPONÍVEL EM: https://doi.org/10.4103/amhs.amhs_234_22. ACESSO EM: 07 out. 2025.
SILVA, G. G. da et al. Desafios do uso da inteligência artificial nos diagnósticos de saúde: uma revisão integrativa. Cadernos Ibero-Americanos de Direito Sanitário, v. 13, n. 2, p. 11-18, 2024. DISPONÍVEL EM: https://doi.org/10.17566/ciads.v13i2.1241. ACESSO EM: 07 out. 2025.
TAJALDEEN, A.; ALGHAMDI, S. Evaluation of radiologist’s knowledge about the Artificial Intelligence in diagnostic radiology: a survey-based study. Acta Radiologica Open, v. 9, n. 7, e2058460120945320, 2020. DISPONÍVEL EM: https://doi.org/10.1177/2058460120945320. ACESSO EM: 07 out. 2025.
