DIAGNÓSTICO POR IMAGEM EM CIRURGIA PEDIÁTRICA COM INTELIGÊNCIA ARTIFICIAL: DO RECONHECIMENTO AUTOMATIZADO À EXPLICABILIDADE.

Resumo

Contexto: O diagnóstico por imagem é essencial na cirurgia pediátrica, apoiando o planejamento cirúrgico e o seguimento pós-operatório. As particularidades anatômicas e fisiológicas infantis exigem métodos de alta precisão, sobretudo em malformações congênitas, traumas e infecções. A interpretação convencional apresenta limitações, como variabilidade interobservador, sobrecarga assistencial e escassez de especialistas. Nesse cenário, a inteligência artificial (IA) surge como recurso promissor, aplicando machine learning e deep learning ao reconhecimento de padrões, segmentação e predição de desfechos Objetivo: O estudo teve como objetivo avaliar o papel da IA no diagnóstico por imagem em cirurgia pediátrica, com foco em acurácia, aplicabilidade clínica e explicabilidade Método: Realizou-se revisão integrativa segundo PRISMA 2020, estruturada pelo modelo PICO. A população incluiu crianças de 0 a 18 anos submetidas a cirurgias; a intervenção consistiu no uso de IA em radiografias, tomografias, ressonâncias e ultrassonografias; o comparador foi a interpretação convencional; e os desfechos avaliaram acurácia, sensibilidade, especificidade, tempo de análise, custo-efetividade, explicabilidade e segurança. A busca contemplou PubMed, SciELO e LILACS (2015–2025), em inglês, português e espanhol. Foram incluídos estudos originais, ensaios clínicos e revisões sistemáticas; excluíram-se revisões narrativas, pesquisas sem translação clínica e modelos animais Resultado: Foram identificados 524 artigos; após exclusões e triagem, 21 atenderam aos critérios. A IA aumentou a acurácia diagnóstica (85–93%), reduziu o tempo de interpretação (até 40% mais rápido) e promoveu maior padronização de relatórios. Aplicações promissoras foram observadas na detecção precoce de complicações pós-operatórias e na análise de malformações complexas. Persistiram, contudo, limitações como heterogeneidade metodológica, ausência de validação multicêntrica e fragilidade dos modelos explicáveis, que restringiram sua incorporação clínica plena Conclusão: A IA apresentou potencial transformador no diagnóstico por imagem pediátrico, ao combinar ganhos de precisão, eficiência e padronização. Entretanto, sua consolidação dependeu do desenvolvimento de modelos transparentes, validados em populações reais e aplicados de forma ética. A adoção de soluções digitais seguras pôde otimizar fluxos assistenciais, ampliar o acesso e melhorar a qualidade do cuidado oferecido a crianças e famílias