INTELIGÊNCIA ARTIFICIAL E BIOMARCADORES NO CÂNCER DE PULMÃO: AVANÇOS RUMO À MEDICINA PERSONALIZADA

Resumo

Introdução: O câncer de pulmão é uma das neoplasias mais letais globalmente, exigindo avanços para uma terapia individualizada. Nesse cenário, biomarcadores moleculares são ferramentas essenciais para estratificar riscos e guiar terapias-alvo. Paralelamente, a Inteligência Artificial (IA) revoluciona a medicina ao permitir a análise integrada de dados clínicos, genômicos e de imagem em larga escala, ampliando significativamente o potencial dos biomarcadores e favorecendo a personalização do cuidado oncológico Objetivo: Analisar, por meio de uma revisão crítica da literatura, como a IA potencializa o uso de biomarcadores no diagnóstico, prognóstico e tratamento do câncer de pulmão Metodologia: Realizou-se uma revisão crítica da literatura com artigos publicados entre 2020 e 2025, consultando as bases de dados PubMed e SciELO. Foram utilizados os descritores DeCS/MeSH “Inteligência Artificial”, “Biomarcadores”, “Neoplasias Pulmonares” e “Medicina de Precisão” para selecionar estudos que abordassem a sinergia entre esses temas, excluindo-se editoriais e estudos sem aplicabilidade translacional Resultados: A análise revelou que algoritmos de IA melhoram a acurácia diagnóstica e prognóstica ao processar dados de radiômica e patologia digital, identificando padrões não perceptíveis aos métodos convencionais. Modelos de aprendizado de máquina identificam novas assinaturas moleculares em dados genômicos, otimizando a estratificação de risco. Destaca-se o papel da IA na previsão de resposta à imunoterapia, que integra múltiplos biomarcadores para selecionar pacientes com maior probabilidade de benefício clínico, permitindo intervenções mais eficazes e precoces Conclusão: A sinergia entre IA e biomarcadores possui grande potencial para transformar a oncologia de precisão no câncer de pulmão. A sua implementação bem- sucedida na prática clínica, contudo, depende da superação de desafios importantes, como a necessidade de validação clínica robusta em coortes diversas, a padronização de dados e o desenvolvimento de um arcabouço regulatório e ético que garanta a implementação segura, transparente e equitativa desta tecnologia