{
  "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.",
  "abstract_shown": true,
  "affiliations": [
    "Universidade Federal do Ceará (UFC), Fortaleza, CE, Brazil",
    "Universidade Federal do Ceará (UFC), Sobral, CE, Brazil"
  ],
  "article_type": null,
  "arxiv": null,
  "author_total": 4,
  "authors": [
    {
      "affs": [
        0
      ],
      "name": "Maria Eduarda Castelo RODRIGUES"
    },
    {
      "affs": [
        0
      ],
      "name": "Alcínia Braga de Lima ARRUDA"
    },
    {
      "affs": [
        0
      ],
      "name": "Dara Rodrigues DA SILVA"
    },
    {
      "affs": [
        1
      ],
      "name": "Alessandra De Lima ARRUDA"
    }
  ],
  "bibtex": "https://research.draconitic.com/paper/1jggtq8n9c6j9.bib",
  "cited_by": 0,
  "doi": "10.1016/j.htct.2026.108173",
  "fulltext_url": "http://www.sciencedirect.com/science/article/pii/S2531137926019206",
  "id": "1jggtq8n9c6j9",
  "issns": [
    "2531-1379",
    "2531-1387"
  ],
  "landing_url": "https://doi.org/10.1016/j.htct.2026.108173",
  "language": "en",
  "licence": "CC-BY",
  "licence_label": "CC BY",
  "licence_source": "journal",
  "licence_url": "https://creativecommons.org/licenses/by/4.0/",
  "metadata_licence": null,
  "native_subjects": [
    [
      "lcc",
      "RC633-647.5"
    ],
    [
      "openalex",
      "1707|Digital Imaging for Blood Diseases"
    ]
  ],
  "openalex": "W7223137591",
  "pdf_url": null,
  "pmcid": null,
  "pmid": null,
  "published": "2026-10-23",
  "publisher": "Elsevier",
  "ris": "https://research.draconitic.com/paper/1jggtq8n9c6j9.ris",
  "sources": [
    {
      "first_seen": "2026-10-30T13:43:27Z",
      "native_id": "c549380930ac40d0a82e468759830480",
      "source": "doaj",
      "url": "https://doi.org/10.1016/j.htct.2026.108173"
    }
  ],
  "subjects": [
    {
      "field": "medicine",
      "origin": "lcc:RC633-647.5",
      "subfield": "endocrinology-metabolism"
    }
  ],
  "title": "DESEMPENHO DIAGNÓSTICO DE MODELOS DE INTELIGÊNCIA ARTIFICIAL APLICADOS À ANÁLISE DE ESFREGAÇOS SANGUÍNEOS PARA IDENTIFICAÇÃO DE ALTERAÇÕES HEMATOLÓGICAS: UMA REVISÃO NARRATIVA",
  "title_text": "DESEMPENHO DIAGNÓSTICO DE MODELOS DE INTELIGÊNCIA ARTIFICIAL APLICADOS À ANÁLISE DE ESFREGAÇOS SANGUÍNEOS PARA IDENTIFICAÇÃO DE ALTERAÇÕES HEMATOLÓGICAS: UMA REVISÃO NARRATIVA",
  "type": "peer-reviewed",
  "updated_at": "2026-10-30T13:43:27Z",
  "url": "https://research.draconitic.com/paper/1jggtq8n9c6j9",
  "venue": "Hematology, Transfusion and Cell Therapy",
  "versions": []
}