USO DE INTELIGÊNCIA ARTIFICIAL NO CAMPO DAS MALIGNIDADES HEMATOLÓGICAS: UMA REVISÃO SISTEMÁTICA DA LITERATURA

Abstract

Introdução: As malignidades hematológicas requerem um diagnóstico preciso para direcionar o tratamento adequado, o qual tem sido cada vez mais específico para cada paciente à medida que novas técnicas são incorporadas à conduta clínica. O uso de inteligência artificial (IA) tem sido investigado para aprimorar a identificação precoce, classificação e prognóstico dessas doenças. Embora promissor, o uso da IA apresenta seus desafios, pois surgem preocupações em relação à confiabilidade e à interpretação dos resultados obtidos por esses sistemas. Esta revisão analisa a literatura científica sobre uso de IA no diagnóstico de doenças onco-hematológicas, buscando entender sua eficácia e identificar lacunas para sua adequada implementação na prática clínica. Métodos: Esta revisão de literatura foi construída a partir de uma abrangente pesquisa de artigos disponíveis gratuitamente nas bases de dados acadêmicos: PubMed, Embase e Scielo. Os termos de busca utilizados incluíram combinação de palavras-chave: “Artificial Intelligence”, “Machine Learning” e “Hematologic Neoplasms”, o operador booleano (OR) foi utilizado para os dois primeiros termos seguido do operador (AND) para o terceiro. Resultados: Após a análise da literatura disponível, as questões levantadas por este estudo baseiam-se em torno da eficácia de modelos de IA e/ou Machine Learning em identificar e associar padrões genéticos e imunohistoquímicos dos mais variados perfis clínicos de pacientes acometidos por neoplasias hematológicas, a fim de auxiliar na conduta em cenários heterogêneos para uma mesma doença. Discussão: À medida que a área avança, o tratamento para as neoplasias hematológicas adquire um perfil cada vez mais específico para cada paciente, o que gera prognósticos mais animadores. Todavia, sua execução, atualmente, é uma tarefa difícil, devido aos altos recursos investidos e complexidade. Nesse contexto, as IAs têm se tornado ferramenta importante para tal, devido sua capacidade de analisar um grande contingente de dados necessários para uma terapia personalizada, apresentando estudos em que sua eficácia atinge 95% de precisão em executar tal processo. Porém, os estudos pautados nesse tema ainda são escassos e muito recentes, necessitando de mais evidências que pautem o uso dessa tecnologia na prática médica. Conclusão: Nessa perspectiva, estipula-se que, no futuro, o desenvolvimento de terapias cada vez mais específicas, estruturadas em conjunto com IAs, possam ser acessíveis aos sistemas de saúde graças à capacidade dessa ferramenta em elucidar as interrogações dos perfis moleculares oncogênicos de cada paciente.