DESEMPENHO DIAGNÓSTICO DE MODELOS DE INTELIGÊNCIA ARTIFICIAL APLICADOS À ANÁLISE DE ESFREGAÇOS SANGUÍNEOS PARA IDENTIFICAÇÃO DE ALTERAÇÕES HEMATOLÓGICAS: UMA REVISÃO NARRATIVA

@article{rodrigues2026desempenho,
  title = {{DESEMPENHO DIAGNÓSTICO DE MODELOS DE INTELIGÊNCIA ARTIFICIAL APLICADOS À ANÁLISE DE ESFREGAÇOS SANGUÍNEOS PARA IDENTIFICAÇÃO DE ALTERAÇÕES HEMATOLÓGICAS: UMA REVISÃO NARRATIVA}},
  author = {Maria Eduarda Castelo RODRIGUES and Alcínia Braga de Lima ARRUDA and Dara Rodrigues DA SILVA and Alessandra De Lima ARRUDA},
  journal = {Hematology, Transfusion and Cell Therapy},
  year = {2026},
  month = oct,
  doi = {10.1016/j.htct.2026.108173},
  url = {https://doi.org/10.1016/j.htct.2026.108173},
  note = {CC BY},
}

TY  - JOUR
TI  - DESEMPENHO DIAGNÓSTICO DE MODELOS DE INTELIGÊNCIA ARTIFICIAL APLICADOS À ANÁLISE DE ESFREGAÇOS SANGUÍNEOS PARA IDENTIFICAÇÃO DE ALTERAÇÕES HEMATOLÓGICAS: UMA REVISÃO NARRATIVA
AU  - Maria Eduarda Castelo RODRIGUES
AU  - Alcínia Braga de Lima ARRUDA
AU  - Dara Rodrigues DA SILVA
AU  - Alessandra De Lima ARRUDA
PY  - 2026
DA  - 2026/10/23
JO  - Hematology, Transfusion and Cell Therapy
DO  - 10.1016/j.htct.2026.108173
UR  - https://doi.org/10.1016/j.htct.2026.108173
AB  - 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.
SN  - 2531-1379
SN  - 2531-1387
ER  -