REGISTRO DOI: 10.69849/revistaft/pa10202512071647
Gabriel Madall Caixeta Guimarães
João Vitor Oliveira Tavares
Juliana Lilis da Silva
Natália de Fátima Gonçalves Amâncio
Resumo
A Inteligência Artificial (IA) tem se consolidado como uma das tecnologias mais promissoras na área da saúde, especialmente no contexto da prevenção e do diagnóstico de doenças. Sua capacidade de processar grandes volumes de dados, reconhecer padrões complexos e gerar previsões clínicas com elevado grau de precisão tem impulsionado mudanças significativas na prática médica. O presente estudo realizou uma revisão exploratória integrativa de literatura com o objetivo de analisar as principais aplicações da IA em diversas especialidades médicas, destacando benefícios, limitações e perspectivas futuras. A análise dos artigos selecionados demonstra que a IA tem aprimorado consideravelmente a acurácia diagnóstica, reduzido erros humanos e otimizado fluxos de trabalho em áreas, como oncologia, cardiologia, neurologia, radiologia, psiquiatria e oftalmologia. Na oncologia, algoritmos avançados têm sido aplicados na triagem e detecção precoce de câncer colorretal e câncer de mama, contribuindo para diagnósticos mais rápidos e sensíveis. Na radiologia, sistemas inteligentes auxiliam na interpretação de imagens complexas, reduzindo a variabilidade interobservador e aumentando a eficiência operacional. A cardiologia se beneficia de modelos que predizem eventos cardiovasculares, estratificam riscos e ajudam na condução terapêutica de doenças crônicas. Na oftalmologia, ferramentas de IA apresentam desempenho comparável ao de especialistas na triagem e detecção de retinopatia diabética, ampliando o acesso ao rastreamento populacional. Por sua vez, as áreas de neurologia e psiquiatria têm utilizado algoritmos para identificar marcadores precoces de doenças neurodegenerativas e transtornos mentais, além de prever a evolução clínica dos pacientes. Os artigos analisados convergem na constatação de que a IA fortalece o processo clínico, atuando como ferramenta complementar ao profissional de saúde. Também demonstram que sistemas preditivos baseados em IA ajudam na prevenção ao antecipar descompensações e orientar intervenções precoces, especialmente em doenças crônicas não transmissíveis, sepse, lesões por pressão e complicações cardiovasculares. No entanto, persistem desafios importantes, como a necessidade de padronização e interoperabilidade de dados, validação clínica rigorosa, infraestrutura tecnológica adequada e diretrizes éticas sobre privacidade e transparência algorítmica. Conclui-se que a IA representa um avanço significativo para a medicina contemporânea, contribuindo para diagnósticos mais precisos, estratégias preventivas eficazes e maior eficiência no cuidado em saúde.
Palavras-chaves: Inteligência Artificial; Diagnóstico Médico; Prevenção de Doenças; Aprendizado de Máquina; Tecnologia em Saúde.
INTRODUÇÃO
O rápido avanço das tecnologias digitais tem transformado profundamente o campo da saúde, especialmente com a incorporação da Inteligência Artificial (IA) como ferramenta estratégica para apoiar decisões clínicas, aprimorar diagnósticos e fortalecer ações de prevenção (Costa et al., 2024; Melido et al., 2025). A crescente complexidade das doenças, aliada ao aumento da demanda por serviços de saúde, tem exigido soluções capazes de oferecer agilidade, precisão e padronização na análise de dados médicos, cenário no qual a IA se destaca pela capacidade de identificar padrões invisíveis à avaliação humana e gerar previsões úteis para intervenções precoces (Moraes et al., 2023; Cardoso et al., 2024).
Diversas especialidades médicas já demonstram benefícios concretos decorrentes da aplicação da IA. Na oncologia, algoritmos têm auxiliado na triagem e na detecção de neoplasias, como o câncer colorretal e o câncer de mama, aumentando a sensibilidade diagnóstica e reduzindo a necessidade de exames invasivos (Anschau et al., 2025; Guerreiro et al., 2024). Na radiologia, modelos inteligentes otimizam a interpretação de imagens, diminuindo erros e acelerando o fluxo de trabalho clínico (Costa et al., 2024). No campo neurológico, ferramentas computacionais têm sido aplicadas para identificar doenças degenerativas em estágios iniciais e prever a evolução clínica de condições complexas (Brito et al., 2021; Mateus et al., 2025). Da mesma forma, avanços significativos têm sido observados na oftalmologia, cardiologia, psiquiatria, medicina intensiva e no manejo de doenças crônicas não transmissíveis, evidenciando a versatilidade e a amplitude das aplicações da IA (Nascimento et al., 2025; Silva A.C.R. et al., 2025; Menezes et al., 2024; Dantas et al., 2024).
Além de contribuir para diagnósticos mais precisos, a IA tem ampliado o escopo da prevenção, permitindo estratificação de risco, monitoramento contínuo e intervenções antecipadas. Protocolos baseados em IA já são utilizados para prever eventos cardiovasculares, identificar deterioração clínica, detectar sepse precocemente e prevenir complicações como lesões por pressão (Silva M.C. et al., 2025; Reis et al., 2025; Sousa et al., 2024). Ao incorporar dados provenientes de exames, dispositivos vestíveis, prontuários eletrônicos e biomarcadores, esses sistemas oferecem suporte valioso para a tomada de decisão médica, contribuindo para um cuidado mais personalizado e eficiente (Rocha et al., 2024; Oliveira et al., 2025).
Embora os avanços sejam expressivos, a adoção da IA na saúde ainda enfrenta desafios importantes, como a necessidade de validação clínica robusta, a padronização de dados, a compreensão dos limites éticos e a capacitação de profissionais para uso seguro dessas tecnologias (Cardoso et al., 2024; Melido et al., 2025; Silva Júnior et al., 2024). Tais aspectos reforçam a importância de pesquisas que avaliem criticamente suas aplicações, benefícios e limitações, oferecendo uma visão equilibrada e cientificamente embasada.
Diante disso, este artigo de revisão tem como objetivo analisar as principais aplicações da Inteligência Artificial na prevenção e no diagnóstico de doenças, destacando suas contribuições para diferentes áreas médicas, seus impactos clínicos e os desafios que ainda precisam ser superados, evidenciando sua relevância crescente na prática clínica contemporânea (Melido et al., 2025; Oliveira et al., 2025).
METODOLOGIA
O presente estudo consiste de uma revisão exploratória integrativa de literatura. A revisão integrativa foi realizada em seis etapas: 1) identificação do tema e seleção da questão norteadora da pesquisa; 2) estabelecimento de critérios para inclusão e exclusão de estudos e busca na literatura; 3) definição das informações a serem extraídas dos estudos selecionados; 4) categorização dos estudos; 5) avaliação dos estudos incluídos na revisão integrativa e interpretação e 6) apresentação da revisão.
Na etapa inicial, para definição da questão de pesquisa utilizou-se da estratégia PCC (Acrômio para Patient, Concept e Context). Assim, definiu-se a seguinte questão central que orientou o estudo: “Como a Inteligência Artificial pode ser utilizada para a prevenção e o diagnóstico de doenças?” Nela, observa-se o P: Pacientes; C: Inteligência Artificial; C Prevenção e diagnóstico de doenças.
Os descritores utilizados foram: Inteligência Artificial, Prevenção, Diagnóstico e Doenças. Para o cruzamento das palavras chaves utilizou-se os operadores booleanos “and” nos idiomas português e inglês.
Realizou-se um levantamento bibliográfico por meio de buscas eletrônicas nas bases de dados do Google Scholar e Ebsco Host.
Para complementar a pesquisa, foram utilizadas plataformas baseadas em inteligência artificial, como Consensus, SciSpace e Semantic Scholar, com o objetivo de localizar, sintetizar e analisar artigos científicos relevantes. O uso dessas plataformas visou ampliar a abrangência desta revisão.
A busca foi realizada nos meses de agosto e setembro de 2025. Como critérios de inclusão, limitou-se a artigos escritos em português disponíveis eletronicamente em seu formato integral, com relevância temática, qualidade metodológica e atualidade das publicações (publicados entre os anos de 2021 a 2025). Foram excluídos os artigos em que o título e resumo não estivessem relacionados ao tema de pesquisa e pesquisas que não tiverem metodologia bem clara.
Após a etapa de levantamento das publicações, encontrou-se 28 artigos, dos quais foram realizados a leitura do título e resumo das publicações considerando o critério de inclusão e exclusão definidos. Em seguida, realizou a leitura na íntegra das publicações, atentando-se novamente aos critérios de inclusão e exclusão, sendo que 8 artigos não foram utilizados devido aos critérios de exclusão. Foram selecionados 20 artigos para análise final e construção da revisão.
Após redação da revisão integrativa da literatura, foi realizado a elaboração e validação de um PTT, seguindo as seguintes etapas:
Foi elaborado uma cartilha sobre o “Uso da Inteligência Artificial na Prevenção e no Diagnóstico de Doenças” abordando os aspectos conceituais sobre como a Inteligência Artificial (IA) atua na prevenção e no diagnóstico de doenças. Para melhor visualização, foi utilizado imagens ilustrativas que representasse os conteúdos abordados. A cartilha teve como objetivo compreender como a Inteligência Artificial (IA) atua na prevenção e no diagnóstico de doenças e como a IA impacta na saúde, visto que ela amplia o acesso, melhora diagnósticos, reduz erros e custos, otimiza recursos e impulsiona a inovação, embora ainda enfrente desafios ligados a desigualdade tecnológica, investimentos e regulamentação.
A cartilha foi submetida a análise por dois “juízes” que possuíam autoridade técnica, conhecimentos e envolvimento com assuntos relacionados sobre Inteligência Artificial na saúde brasileira. Os “juízes” possuem formação acadêmica nas áreas de medicina e nutrição. As pessoas convidadas a compor a banca de “juízes” receberam um e-mail enviado por correio eletrônico (online) que continha o convite, juntamente com a cartilha e o Roteiro de Medida e Avaliação (APÊNDICE A).
O roteiro para avaliação foi construído a partir da adaptação de um estudo de Silva et al., (2024) sobre “Processos de validação de instrumentos para área da saúde”, estabelecendo como critérios de avaliação os itens: Conteúdo, Relevância Técnica e Utilidade; Clareza e Compreensão; Usabilidade e Design; Impressão Geral e Recomendação. O juiz precisa considerar se o item avaliado: Discordo Totalmente; Discordo Parcialmente; Neutro (Nem concordo, nem discordo); Concordo Parcialmente; Concordo Totalmente, o conteúdo do PTT.
A cartilha foi elaborada e submetida a análise por dois “juízes” e não foram necessárias alterações em alguns.
A análise dos “juízes” não sugeriu mudanças.
A cartilha foi publicada e pode ser acessada a partir do registro com o DOI 10.5281/zenodo.17819269.
RESULTADOS
O Quadro 1 apresenta os artigos que foram selecionados na presente revisão de literatura, contendo informações relevantes sobre os mesmos, como autores do estudo, o ano de publicação, o título e os achados principais.
Quadro 1 – Resultados da inclusão da IA na prevenção e no diagnóstico de doenças.
Fonte: Dados da Pesquisa, 2025.
DISCUSSÃO
A análise integrada dos estudos evidencia que a Inteligência Artificial tem se consolidado como uma ferramenta estratégica na prevenção e no diagnóstico de doenças, apresentando benefícios consistentes em múltiplas áreas da medicina. Em diferentes especialidades, como oncologia, cardiologia, neurologia, oftalmologia, psiquiatria e radiologia, observa-se um ponto comum: a IA amplia a capacidade de detecção precoce, reduz a subjetividade do julgamento clínico e otimiza fluxos diagnósticos, contribuindo para decisões mais rápidas e precisas (Cardoso et al., 2024; Costa et al., 2024; Melido et al., 2025).
No campo oncológico, as aplicações relatadas nos estudos sobre câncer colorretal e câncer de mama demonstram sensibilidade elevada na detecção de lesões pré-malignas e tumores iniciais. Algoritmos de aprendizado profundo foram capazes de identificar padrões imperceptíveis ao olho humano, reforçando o potencial da IA como ferramenta complementar à avaliação médica. Resultado semelhante aparece na radiologia, onde sistemas inteligentes reduziram o tempo de análise de exames e aumentaram a acurácia diagnóstica, especialmente em imagens complexas (Anschau et al., 2025; Costa et al., 2024; Guerreiro et al., 2024).
Outro eixo de destaque envolve as doenças crônicas não transmissíveis. Diversos estudos mostraram que a IA tem papel significativo na estratificação de risco, no monitoramento e na predição de desfechos clínicos. Nas doenças cardiovasculares, algoritmos foram eficazes na previsão de eventos agudos, identificação de pacientes de alto risco e apoio à tomada de decisão terapêutica. Trabalhos sobre sepse, lesões por pressão e DCNT reforçam essa tendência, indicando que sistemas preditivos baseados em dados multimodais podem antecipar complicações e orientar intervenções precoces, o que é essencial em contextos de alta complexidade (Menezes et al., 2024; Nascimento et al., 2025; Reis et al., 2025; Silva M.C. et al., 2025; Sousa et al., 2024).
Na neurologia e psiquiatria, a IA demonstrou avanços tanto no diagnóstico quanto no prognóstico. Ferramentas aplicadas a doenças neurodegenerativas e distúrbios psiquiátricos permitiram identificar biomarcadores, analisar padrões comportamentais e prever trajetórias clínicas. Apesar dos resultados promissores, esses estudos também destacam desafios importantes, como a dependência de bases de dados extensas e bem estruturadas, a heterogeneidade das populações e a necessidade de validação clínica robusta (Brito et al., 2021; Mateus et al., 2025; Silva et al., 2025).
A oftalmologia é outra área em que a IA tem mostrado desempenho expressivo, especialmente na triagem e no diagnóstico de retinopatia diabética. Os artigos analisados demonstram que algoritmos podem atingir níveis de sensibilidade comparáveis aos de especialistas, reduzindo a carga de trabalho e permitindo rastreamento populacional em larga escala. Esse achado reforça a aplicabilidade prática da IA em regiões com escassez de profissionais (Dantas et al., 2024; Silva J.C. et al., 2025).
Embora todos os estudos apontem benefícios consistentes, a literatura também destaca limitações relevantes: a falta de padronização de dados, a dificuldade de integração com sistemas clínicos, questões éticas relacionadas ao uso de informações sensíveis e a resistência de parte dos profissionais devido ao desconhecimento ou insegurança sobre o funcionamento dos algoritmos. Além disso, a maioria das pesquisas ainda se concentra em ambientes controlados, exigindo ensaios clínicos robustos que comprovem eficácia e segurança em cenários reais (Cardoso et al., 2024; Melido et al., 2025; Oliveira et al., 2025; Silva Júnior et al., 2024).
Apesar desses desafios, há consenso na literatura de que a IA não substitui o profissional de saúde, mas amplia sua capacidade de trabalho. A tecnologia atua como ferramenta de apoio, oferecendo análises rápidas e precisas enquanto o julgamento clínico permanece como elemento central do cuidado. A superação das barreiras identificadas, sobretudo as relacionadas à infraestrutura, capacitação profissional e validação científica, é fundamental para garantir o uso ético, seguro e eficaz da IA na prática médica. Assim, a discussão integrada dos achados revela que a Inteligência Artificial já desempenha papel transformador na saúde, mas seu potencial pleno depende de avanços estruturais, normativos e educacionais que permitam a transição de tecnologias promissoras para soluções amplamente adotadas e clinicamente validadas (Melido et al., 2025; Oliveira et al., 2025).
CONCLUSÃO
A síntese dos estudos avaliados demonstra que a Inteligência Artificial tem desempenhado um papel cada vez mais central na prevenção e no diagnóstico de doenças em diversas áreas da saúde. Suas aplicações mostram benefícios consistentes, como aumento da acurácia diagnóstica, identificação precoce de condições clínicas, otimização do fluxo de trabalho e ampliação da capacidade de monitoramento contínuo. As evidências apresentadas nas áreas de oncologia, cardiologia, neurologia, radiologia, oftalmologia, psiquiatria e no manejo de doenças crônicas reforçam que a IA já contribui de maneira significativa para decisões clínicas mais seguras e eficientes.
Os artigos analisados convergem ao demonstrar que a IA atua como ferramenta complementar ao profissional de saúde, fortalecendo o processo de tomada de decisão e reduzindo a variabilidade diagnóstica. Além disso, mostram que sistemas preditivos baseados em dados podem antecipar riscos, apoiar ações preventivas e melhorar o prognóstico de pacientes, destacando seu potencial transformador para a medicina personalizada e baseada em evidências.
Entretanto, também são unânimes em apontar desafios que ainda precisam ser superados, como a necessidade de bases de dados amplas e padronizadas, a validação clínica rigorosa dos algoritmos, a integração com sistemas de saúde e as preocupações éticas quanto à privacidade e ao uso responsável das informações. A capacitação de profissionais e o desenvolvimento de políticas regulatórias adequadas são aspectos essenciais para garantir que essas tecnologias sejam utilizadas de forma segura, ética e efetiva.
Diante desse cenário, conclui-se que a Inteligência Artificial representa uma inovação promissora e já impactante para o diagnóstico e a prevenção de doenças, mas seu potencial máximo depende da superação das limitações atuais e da construção de um ecossistema que favoreça sua implementação responsável. O avanço contínuo da pesquisa, aliado à integração entre tecnologia e prática clínica, será determinante para consolidar a IA como elemento indispensável no cuidado em saúde.
REFERÊNCIAS
ANSCHAU, Jenifer Katerine Peres et al. Inteligência artificial na triagem, diagnóstico e tratamento do câncer colorretal. Brazilian Journal of One Health, v. 2, n. 2, p. 351-363, 2025.
BRITO, Emilayne Nicácio Dias et al. Inteligência artificial no diagnóstico de doenças neurodegenerativas: uma revisão sistemática de literatura. Research, Society and Development, v. 10, n. 11, e482101120004, 2021.
CARDOSO, José Fernandes da Silva et al. Inteligência artificial no diagnóstico precoce de doenças crônicas: desafios e perspectivas. Revista Ibero-Americana de Humanidades, Ciências e Educação, São Paulo, v. 10, n. 12, p. 2451-2461, dez. 2024.
COSTA, Maria Eduarda da Silva et al. O impacto da inteligência artificial na radiologia: avanços na eficiência diagnóstica e personalização do tratamento. Revista Ibero-Americana de Humanidades, Ciências e Educação, São Paulo, v. 10, n. 11, p. 3364-3376, nov. 2024.
DANTAS, Breno Mangueira et al. Avanços no uso de inteligência artificial para diagnóstico e prognóstico em doenças oculares. Brazilian Journal of Implantology and Health Sciences, v. 6, n. 11, p. 697-705, 2024.
GUERREIRO, Aline Angélica Peres et al. Integrando inteligência artificial à mamografia: uma abordagem complementar no diagnóstico do câncer de mama. Revista Ibero-Americana de Humanidades, Ciências e Educação, São Paulo, v. 10, n. 5, p. 479-485, maio 2024.
MATEUS, Adrielly Oliveira et al. Uso da inteligência artificial para predição da evolução clínica em doenças neurológicas. Revista Neurociências, São Paulo, v. 33, p. 1-20, 2025.
MELIDO, Giovanna da Silva et al. Aplicação da inteligência artificial na medicina diagnóstica: uma revisão integrativa. Brazilian Journal of One Health, v. 2, n. 2, p. 792- 799, 2025.
MENEZES, Carlos Alexandre Gomes Passarinho et al. Detecção precoce de doenças crônicas não transmissíveis (DCNT): a importância de protocolos baseados em inteligência artificial (IA). Journal of Medical and Biosciences Research, v. 1, n. 4, p. 569-579, 2024.
MORAES, Joel Junior de et al. Impacto da tecnologia de inteligência artificial na medicina diagnóstica. Revista Ibero-Americana de Humanidades, Ciências e Educação, São Paulo, v. 9, n. 7, p. 1303-1316, jul. 2023.
NASCIMENTO, Filipe Gabriel Oliveira et al. Uso da inteligência artificial na estratificação de risco e diagnóstico cardiovascular. Cognitus Interdisciplinary Journal, v. 2, n. 3, 2025.
NEVES, Ana Bela Alcântara et al. Usos da inteligência artificial na cardiologia: uma revisão da literatura. Brazilian Journal of Health Review, Curitiba, v. 6, n. 6, p. 30053-30069, nov./dez. 2023.
OLIVEIRA, Marcela Cavalcante Almeida de et al. Inteligência artificial na cardiologia: uma revisão das aplicações no diagnóstico e prevenção de doenças cardiovasculares. Contribuciones a Las Ciencias Sociales, São José dos Pinhais, v. 18, n. 3, p. 1-11, jan. 2025.
REIS, Luísa Veber et al. O uso da inteligência artificial na prevenção e tratamento de lesões por pressão: uma revisão integrativa. Revista Foco, [s.l.], v. 18, n. 5, e8429, p. 1-20, 2025.
ROCHA, Karine Siqueira Cabral et al. Utilização da inteligência artificial como estratégia de monitoramento e controle de doenças crônicas não transmissíveis: uma revisão integrativa da literatura. Revista Aracê, São José dos Pinhais, v. 6, n. 3, p. 7676-7691, 2024.
Silva B. A et al. Processos de validação de instrumentos para área da saúde. Revista Eletrônica Acervo Saúde, v. 24, n.2, 2024.
SILVA JÚNIOR, Paulo Roberto Carvalho da et al. A aplicabilidade da inteligência artificial nas doenças cardiovasculares. Revista Caderno Pedagógico, Curitiba, v. 21, n. 12, p. 1-14, 2024.
SILVA, Ana Clara Ramos et al. Aplicação da inteligência artificial no âmbito das doenças psiquiátricas: uma revisão bibliográfica. Journal of Medical and Biosciences Research, v. 2, n. 1, p. 82-89, 2025.
SILVA, Jhenyfer Coutinho da et al. Aplicação da inteligência artificial no diagnóstico e prevenção da retinopatia diabética: desafios e perspectivas futuras. Revista Eletrônica Acervo Saúde, v. 25, p. 1-9, 2025.
SILVA, Maria Cecília Carneiro da et al. Inteligência artificial no combate à sepse: apoiando o diagnóstico e tratamento clínico. Revista Eletrônica Acervo Saúde, v. 25, n. 5, p. 1-7, 2025.
SOUSA, Joquebede Pereira de Araújo et al. Inteligência artificial na prevenção de eventos cardiovasculares: um estudo de viabilidade e impacto clínico. Cuadernos de Educación y Desarrollo, Portugal, v. 16, n. 12, p. 1-11, 2024.