Desempenho Diagnóstico De Modelos De Inteligência Artificial Aplicados À Análise De Esfregaços Sanguíneos Para Identificação De Alterações Hematológicas: Uma Revisão Narrativa
Year: 2026
Type: article
Abstract: Introdução A análise morfológica do esfregaço do sangue periférico constitui uma etapa fundamental na investigação hematológica, auxiliando no diagnóstico e classificação de diversas alterações celulares. Entretanto, a avaliação convencional apresenta limitações relacionadas ao tempo de análise, variabilidade interobservador e dependência da experiência profissional. Nesse contexto, os avanços em inteligência artificial (IA), especialmente por meio de técnicas de aprendizado de máquina e aprendizado profundo, têm possibilitado o desenvolvimento de modelos automatizados capazes de analisar imagens hematológicas e auxiliar na tomada de decisão diagnóstica. Objetivo Reunir e analisar informações, mediante revisão bibliográfica, sobre o desempenho diagnóstico de modelos de inteligência artificial aplicados à análise de esfregaços sanguíneos para a identificação de alterações hematológicas, destacando suas principais aplicações, vantagens e limitações para utilização na rotina laboratorial. Material e Métodos Trata-se de uma revisão narrativa da literatura que foi conduzida por meio de pesquisa de artigos científicos indexados nas bases de dados SCIELO, LILACS e no portal da Biblioteca Virtual em Saúde. Foram considerados elegíveis estudos publicados entre 2025 e 2026, no idioma português ou inglês, com disponibilidade do texto completo. Os descritores utilizados foram: hematologia, inteligência artificial, leucócitos, hemácias e contagem de células sanguíneas. Após a aplicação dos critérios de inclusão, foram selecionados cinco artigos que avaliaram modelos de inteligência artificial, aprendizado de máquina ou aprendizado profundo aplicados à análise de imagens de esfregaços sanguíneos periféricos para classificação celular, identificação de alterações morfológicas ou auxílio diagnóstico em doenças hematológicas. Resultados e Discussão As publicações foram analisadas quanto o tipo de algoritmo empregado, características das bases de imagens, métricas de desempenho diagnóstico e limitações metodológicas descritas pelos autores. Os artigos analisados demonstraram crescente aplicação de modelos de inteligência artificial na hematologia laboratorial, principalmente na classificação automatizada das células sanguíneas, reconhecimento de alterações morfológicas e auxílio diagnóstico em diferentes condições hematológicas. Modelos baseados em aprendizado profundo apresentaram desempenho promissor, com resultados comparáveis à avaliação especializada em diferentes cenários. Entretanto, apesar dos avanços observados, a aplicabilidade clínica desses sistemas ainda é limitada pela heterogeneidade dos bancos de imagens, ausência de padronização entre protocolos de aquisição e treinamento, necessidade de validação externa e desafios relacionados à integração dessas ferramentas à rotina laboratorial. Dessa forma, a IA deve ser considerada uma ferramenta complementar à avaliação hematológica, auxiliando profissionais na tomada de decisão sem substituir a análise especializada. Conclusão Os artigos pesquisados mostraram que os modelos de inteligência artificial apresentam grande potencial para melhorar a análise de esfregaços sanguíneos, agilizando a realização da técnica e servindo de suporte diagnóstico em hematologia. Contudo, a consolidação de sua utilização clínica depende de estudos multicêntricos, validação em diferentes populações e estabelecimento de critérios que garantam segurança e confiabilidade na prática laboratorial hematológica.
Institution: Universidade Federal do Ceará
Language: English
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W7223137591