THE APPLICATION OF ARTIFICIAL INTELLIGENCE IN DIAGNOSTIC MEDICINE: ADVANCES, ETHICAL CHALLENGES, AND FUTURE PERSPECTIVES
REGISTRO DOI: 10.69849/revistaft/fa10202507172353
Anne Beatriz Nunes Silva1, Anne Larissa Passos Lima2, Anny Karolyne Leite de Jesus3, Karolina Freitas4, Letícia Almeida Santos5, Lorena Fonseca Santos Vieira6, Lorena Maria de Melo Rodrigues7, Marcela Feitosa Tenório8, Marina Rosa Mendonça Santos9, Pedro Henrique Sampaio de Freitas10
RESUMO
A inteligência artificial (IA) tem transformado significativamente a medicina diagnóstica, promovendo avanços na acurácia, rapidez e personalização dos diagnósticos clínicos. Este artigo propõe uma revisão narrativa sobre os principais progressos da IA na área, além de discutir os desafios éticos envolvidos, como a responsabilidade médica, o viés algorítmico e a proteção de dados sensíveis. Por fim, são exploradas as perspectivas futuras da IA na prática clínica, com ênfase em sua integração sustentável e ética aos sistemas de saúde. A análise foi embasada em literatura recente das bases PubMed, Scopus e Web of Science, com destaque para artigos entre 2019 e 2024.
Palavras-chave: Inteligência artificial. Diagnóstico médico. Ética em saúde. Tecnologia. Medicina do futuro.
1 INTRODUÇÃO
A inteligência artificial (IA) tem revolucionado diversas áreas do conhecimento humano, especialmente no campo da medicina diagnóstica. Com o desenvolvimento de algoritmos capazes de processar grandes volumes de dados clínicos e imagens médicas, tornou-se possível ampliar a precisão diagnóstica e otimizar o tempo de resposta em situações críticas. A capacidade da IA em detectar padrões sutis e realizar previsões com base em aprendizado de máquina oferece uma nova dimensão à prática médica tradicional (Badrinarayanan et al., 2021).
Contudo, esse avanço traz consigo uma série de implicações éticas, legais e práticas que desafiam os profissionais da saúde e os formuladores de políticas públicas. A confiabilidade dos algoritmos, o viés presente nos dados utilizados para treinamento e a ausência de regulamentações específicas ainda são obstáculos relevantes. Soma-se a isso o receio da desumanização do cuidado, aspecto essencial da medicina (London, 2019).
No Brasil e no mundo, observam-se iniciativas promissoras de incorporação da IA em exames de imagem como radiografias, ressonâncias magnéticas e tomografias computadorizadas, além da utilização em análises laboratoriais e predições clínicas. No entanto, a plena integração dessas tecnologias requer não apenas infraestrutura e investimento, mas também uma reestruturação ética e normativa da prática médica.
Este trabalho tem como objetivo geral refletir sobre os avanços da inteligência artificial na medicina diagnóstica, abordar os principais desafios éticos envolvidos e apontar possíveis caminhos futuros para sua aplicação responsável, eficiente e equitativa.
2 FUNDAMENTAÇÃO TEÓRICA OU REVISÃO DA LITERATURA
A utilização da IA em diagnósticos médicos é um tema crescente na literatura científica. Badrinarayanan et al. (2021) destacam o papel dos algoritmos de deep learning na análise de imagens, superando radiologistas humanos em testes de acurácia. Jin et al. (2021) também reforçam esse avanço com dados robustos sobre o desempenho da IA em diagnósticos de câncer e doenças oftalmológicas.
Entretanto, há preocupações quanto aos vieses nos dados utilizados, o que pode resultar em discriminação involuntária. Obermeyer et al. (2019) demonstraram que sistemas de IA mal treinados tendem a apresentar menor precisão em populações não brancas ou mulheres. Isso ressalta a necessidade de desenvolvimento de algoritmos auditáveis e representativos.
A discussão sobre a “explainable AI” (IA explicável) também ganha destaque, especialmente no contexto clínico, onde decisões precisam ser justificadas (London, 2019).
Assim, há um consenso sobre a importância de tornar os sistemas mais transparentes e éticos.
3 METODOLOGIA
Trata-se de uma revisão narrativa da literatura, utilizando como base publicações científicas indexadas nas plataformas PubMed, Scopus e Web of Science. O recorte temporal incluiu artigos entre 2019 e 2024, nos idiomas português, inglês e espanhol, com foco nas dimensões clínica, técnica e ética da IA aplicada à medicina diagnóstica. Foram excluídos trabalhos duplicados, sem relevância temática ou com dados desatualizados.
A abordagem narrativa foi escolhida por permitir uma análise crítica e integrada do estado atual da IA na medicina diagnóstica, favorecendo uma reflexão ampla sobre as implicações de sua implementação.
4 RESULTADOS E DISCUSSÕES OU ANÁLISE DOS DADOS
A análise da literatura evidenciou avanços expressivos da IA na detecção precoce de doenças como câncer de mama, melanoma e retinopatia diabética. Ferramentas como PathAI, Zebra Medical Vision e Aidoc demonstraram eficácia em contextos clínicos internacionais. Além disso, a IA tem auxiliado na estratificação de risco em pacientes com doenças cardiovasculares e infecciosas.
No entanto, identificaram-se falhas significativas nos sistemas de IA, especialmente relacionadas ao viés nos dados de treinamento. Tais falhas comprometem a equidade diagnóstica e reforçam a necessidade de maior diversidade e controle nos dados utilizados.
Do ponto de vista ético, a falta de regulação levanta questões sobre responsabilidade médica, segurança de dados e transparência dos algoritmos (London, 2019). A IA não deve substituir o julgamento clínico humano, mas sim complementá-lo, como ferramenta de apoio à decisão.
A solução para esses desafios inclui o desenvolvimento de algoritmos mais interpretáveis e o estabelecimento de políticas públicas e diretrizes técnicas que regulamentem seu uso de maneira segura e ética.
5 CONCLUSÃO/CONSIDERAÇÕES FINAIS
A aplicação da inteligência artificial na medicina diagnóstica representa um avanço significativo rumo a uma prática clínica mais precisa e eficiente. Contudo, sua integração requer enfrentamento de barreiras éticas, técnicas e legais. Para garantir sua adoção segura, são necessários investimentos em formação profissional, políticas públicas claras e desenvolvimento de sistemas auditáveis e justos.
A IA não substitui o profissional de saúde, mas deve ser uma aliada estratégica na promoção de diagnósticos mais eficazes e personalizados, respeitando os princípios éticos da medicina.
REFERÊNCIAS
BADRINARAYANAN, Vijay et al. Artificial intelligence and machine learning for medical imaging. Journal of Digital Imaging, v. 34, p. 849–860, 2021. Disponível em: https://doi.org/10.1007/s10278-021-00471-1
JIN, Bo et al. Artificial intelligence applications in medical imaging: current techniques and future directions. Radiology: Artificial Intelligence, v. 3, n. 6, 2021. Disponível em: https://doi.org/10.1148/ryai.2021210025
LONDON, Alex John. Artificial intelligence and black-box medical decisions: accuracy versus explainability. Hastings Center Report, v. 49, n. 1, p. 15–21, 2019. Disponível em: https://doi.org/10.1002/hast.973
OBERMEYER, Ziad et al. Dissecting racial bias in an algorithm used to manage the health of populations. Science, v. 366, n. 6464, p. 447–453, 2019. Disponível em: https://doi.org/10.1126/science.aax2342
OAKDEN-RAYNER, L. Exploring large-scale public medical image datasets. Academic Radiology, v. 27, n. 1, p. 3–5, 2020. Disponível em: https://doi.org/10.1016/j.acra.2019.09.008
1Estudante de medicina Universidade Tiradentes, Brasil
E-mail: Anne.nunes@souunit.com.br
ORCID: https://orcid.org/0009-0005-0079-0924
2Estudante de Medicina Universidade Tiradentes, Brasil
E-mail: Lalaplima@gmail.com
ORCID: https://orcid.org/0009-0004-6787-0104
3Estudante medicina Universidade Tiradentes, Brasil
E-mail: Anny.kleite@souunit.com.br
ORCID: https://orcid.org/0009-0000-9814-9871
4Estudante de Medicina Universidade Tiradentes, Brasil
E-mail: Freitas_karol@hotmail.com
ORCID: https://orcid.org/0009-0008-0572-6878
5Estudante de medicina Universidade Tiradentes, Brasil
E-mail: Leticiaalmeida1303@gmail.com
ORCID: https://orcid.org/0009-0009-7477-108X
6Estudante de medicina Universidade Tirantes, Brasil
E-mail: Lorena.fsantos@souunit.com.br
ORCID: https://orcid.org/0009-0002-4660-1314
7Estudante de medicina Universidade Tiradentes, Brasil
Email: Lorena.maria03@souunit.com
ORCID: https://orcid.org/0009-0006-0559-5551
8Estudante de medicina Universidade Tiradentes, Brasil
E-mail: Marcelafeitosa14@gmail.com
ORCID: https://orcid.org/0009-0005-6069-2808
9Estudante de medicina Universidade Tiradentes, Brasil
E-mail: Marinarosamendonca@gmail.com
ORCID: https://orcid.org/0009-0003-6078-2518
10Estudante de medicina Universidade Tiradentes, Brasil
E-mail: Pedrorsfreitas@hotmail.com
ORCID: https://orcid.org/0009-0002-4364-9785