{"id":1463,"date":"2026-06-09T23:36:52","date_gmt":"2026-06-10T02:36:52","guid":{"rendered":"https:\/\/editoranorat.com.br\/scientiaetratio\/?p=1463"},"modified":"2026-06-09T23:44:34","modified_gmt":"2026-06-10T02:44:34","slug":"a-aplicabilidade-da-inteligencia-artificial-na-interpretacao-de-exames-laboratoriais","status":"publish","type":"post","link":"https:\/\/editoranorat.com.br\/scientiaetratio\/a-aplicabilidade-da-inteligencia-artificial-na-interpretacao-de-exames-laboratoriais\/","title":{"rendered":"A APLICABILIDADE DA INTELIG\u00caNCIA ARTIFICIAL NA INTERPRETA\u00c7\u00c3O DE EXAMES LABORATORIAIS"},"content":{"rendered":"\n

THE APPLICABILITY OF ARTIFICIAL INTELLIGENCE IN THE INTERPRETATION OF LABORATORY TESTS<\/strong><\/p>\n\n\n\n

Artigo submetido em 14 de maio de 2026
Artigo aprovado em 09 de junho de 2026
Artigo publicado em 09 de junho de 2026<\/p>\n\n\n\n

Scientia et Ratio<\/strong>
Volume 6 \u2013 N\u00famero 10 \u2013 2026
ISSN 2525-8532<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

.<\/p>\n\n\n\n

Autor:
<\/strong>B\u00e1rbara Miranda da Luz[1]<\/a>
\u00cdlary Samira Ara\u00fajo da Silva[2]<\/a>
Beatriz Tinoco Franceschi[3]<\/a><\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

.<\/p>\n\n\n\n

RESUMO: <\/strong>Este artigo teve como objetivo analisar a aplicabilidade da intelig\u00eancia artificial (IA) na interpreta\u00e7\u00e3o de exames laboratoriais, destacando seus benef\u00edcios, limita\u00e7\u00f5es e implica\u00e7\u00f5es \u00e9ticas no contexto da medicina diagn\u00f3stica. Tratou-se de uma pesquisa explorat\u00f3ria, de abordagem qualitativa, fundamentada em revis\u00e3o de literatura, com base em artigos cient\u00edficos, estudos t\u00e9cnicos e legisla\u00e7\u00f5es publicados entre os anos de 2019 e 2026. Os resultados mostraram que a IA vinha sendo amplamente incorporada em \u00e1reas como hematologia, bioqu\u00edmica, microbiologia e urin\u00e1lise, por meio de t\u00e9cnicas de machine learning<\/em> e deep learning<\/em>, possibilitando maior precis\u00e3o na an\u00e1lise de dados, redu\u00e7\u00e3o de erros humanos e otimiza\u00e7\u00e3o do tempo de resposta laboratorial. Adicionalmente, a integra\u00e7\u00e3o desses sistemas aos fluxos de trabalho contribuiu para a padroniza\u00e7\u00e3o dos processos diagn\u00f3sticos e fortalecimento da medicina de precis\u00e3o. Entretanto, o estudo tamb\u00e9m apontou desafios, como a necessidade de valida\u00e7\u00e3o rigorosa dos algoritmos, o risco de vieses algor\u00edtmicos decorrentes de dados incompletos ou desbalanceados e quest\u00f5es \u00e9ticas relacionadas ao uso de dados sens\u00edveis dos pacientes. A governan\u00e7a dos sistemas de IA e o cumprimento de diretrizes regulat\u00f3rias emergiram como elementos essenciais para garantir seguran\u00e7a, confiabilidade e equidade na aplica\u00e7\u00e3o dessas tecnologias. Dessa forma, concluiu-se que a IA representou uma ferramenta promissora na interpreta\u00e7\u00e3o de exames laboratoriais, desde que sua implementa\u00e7\u00e3o fosse acompanhada de crit\u00e9rios t\u00e9cnicos, supervis\u00e3o humana qualificada e compromisso com princ\u00edpios \u00e9ticos e legais, consolidando-se como um importante suporte \u00e0 tomada de decis\u00e3o cl\u00ednica.<\/p>\n\n\n\n

Palavras-chave: <\/strong>Intelig\u00eancia artificial; exames laboratoriais; diagn\u00f3stico; machine learning<\/em>; medicina de precis\u00e3o.<\/p>\n\n\n\n

ABSTRACT: <\/strong>This study aimed to analyze the applicability of artificial intelligence (AI) in the interpretation of laboratory tests, highlighting its benefits, limitations, and ethical implications within the context of diagnostic medicine. It consisted of an exploratory research with a qualitative approach, based on a literature review, using scientific articles, technical studies, and legislation published between 2019 and 2026. The results showed that AI had been widely incorporated into areas such as hematology, biochemistry, microbiology, and urinalysis, through machine learning and deep learning techniques, enabling greater accuracy in data analysis, reduction of human errors, and optimization of laboratory turnaround time. Additionally, the integration of these systems into workflows contributed to the standardization of diagnostic processes and the strengthening of precision medicine. However, the study also pointed out challenges, such as the need for rigorous validation of algorithms, the risk of algorithmic bias resulting from incomplete or unbalanced data, and ethical issues related to the use of sensitive patient data. The governance of AI systems and compliance with regulatory guidelines emerged as essential elements to ensure safety, reliability, and equity in the application of these technologies. It was concluded that artificial intelligence represented a promising tool in the interpretation of laboratory tests, provided that its implementation was accompanied by technical criteria, qualified human supervision, and a commitment to ethical and legal principles, establishing itself as an important support for clinical decision-making.<\/p>\n\n\n\n

Keywords: <\/strong>Artificial intelligence; laboratory tests; diagnosis; machine learning; precision medicine.<\/p>\n\n\n\n

1  INTRODU\u00c7\u00c3O<\/p>\n\n\n\n

A intelig\u00eancia artificial (IA) tem sido progressivamente incorporada \u00e0 \u00e1rea da sa\u00fade, impulsionada pelo avan\u00e7o das tecnologias computacionais e pelo aumento da disponibilidade de dados cl\u00ednicos e laboratoriais. No campo da medicina diagn\u00f3stica, as t\u00e9cnicas de machine learning <\/em>e deep learning <\/em>v\u00eam sendo aplicadas na an\u00e1lise de dados cl\u00ednicos, imagens e exames, contribuindo para o aumento da precis\u00e3o diagn\u00f3stica e para a identifica\u00e7\u00e3o de padr\u00f5es complexos, em alguns casos com desempenho compar\u00e1vel ao humano (Vedana et al., 2024).<\/p>\n\n\n\n

No contexto da medicina laboratorial, a IA tem sido utilizada principalmente para automatizar processos, apoiar a interpreta\u00e7\u00e3o de exames e otimizar fluxos de trabalho. Aboulsoud et al. (2025) destacaram que a aplica\u00e7\u00e3o de tecnologias como machine learning<\/em>, automa\u00e7\u00e3o rob\u00f3tica de processos e processamento de linguagem natural tem contribu\u00eddo para melhorar a efici\u00eancia operacional, reduzir erros humanos e aumentar a consist\u00eancia na an\u00e1lise de dados laboratoriais. De forma complementar, Vasilev et al. (2025) ensinaram que a IA apresentou alta efic\u00e1cia em diferentes etapas do processo laboratorial, com acur\u00e1cia diagn\u00f3stica semelhante \u00e0 de profissionais de sa\u00fade e maior rapidez na tomada de decis\u00e3o, embora com risco de vi\u00e9s associado \u00e0 qualidade e valida\u00e7\u00e3o dos dados.<\/p>\n\n\n\n

A incorpora\u00e7\u00e3o da IA tamb\u00e9m pode favorecer a padroniza\u00e7\u00e3o dos processos laboratoriais e o suporte \u00e0 tomada de decis\u00e3o cl\u00ednica. Almeida Filho et al. (2024) ressaltaram que o uso de algoritmos e modelos computacionais em an\u00e1lises cl\u00ednicas contribui para o aumento da precis\u00e3o e da efici\u00eancia diagn\u00f3stica. No entanto, Souza et al. (2024) apontaram que, apesar do avan\u00e7o das tecnologias associadas \u00e0 Sa\u00fade 4.0, ainda existe uma lacuna na integra\u00e7\u00e3o entre os dados<\/p>\n\n\n\n

gerados por dispositivos m\u00e9dicos e os sistemas inteligentes, o que limita o aproveitamento pleno dessas ferramentas no diagn\u00f3stico.<\/p>\n\n\n\n

Apesar dos avan\u00e7os, a implementa\u00e7\u00e3o da IA na pr\u00e1tica cl\u00ednica ainda apresenta limita\u00e7\u00f5es relevantes (Ibrahim e Al-Sambawee, 2026). Ademais, aspectos \u00e9ticos e regulat\u00f3rios tamb\u00e9m t\u00eam sido amplamente discutidos, incluindo quest\u00f5es relacionadas \u00e0 prote\u00e7\u00e3o de dados, transpar\u00eancia dos sistemas e desigualdades no acesso \u00e0s tecnologias (Hasse, 2024).<\/p>\n\n\n\n

Diante desse cen\u00e1rio, o presente estudo teve como objetivo analisar a aplicabilidade da intelig\u00eancia artificial na interpreta\u00e7\u00e3o de exames laboratoriais, considerando suas contribui\u00e7\u00f5es e limita\u00e7\u00f5es \u00e0 luz das evid\u00eancias cient\u00edficas dispon\u00edveis, bem como suas implica\u00e7\u00f5es \u00e9ticas e regulat\u00f3rias no contexto da pr\u00e1tica cl\u00ednica.<\/p>\n\n\n\n

2  METODOLOGIA<\/p>\n\n\n\n

O presente estudo caracterizou-se como uma pesquisa de natureza qualitativa, de car\u00e1ter explorat\u00f3rio e descritivo, desenvolvida por meio de revis\u00e3o de literatura. A coleta de dados foi realizada por meio de levantamento bibliogr\u00e1fico em bases de dados cient\u00edficas nacionais e internacionais, incluindo Google Scholar, PubMed, ScienceDirect e Peri\u00f3dicos CAPES. Para a busca, foram utilizados descritores em portugu\u00eas e ingl\u00eas, tais como \u201cintelig\u00eancia artificial\u201d, \u201cmedicina laboratorial\u201d, \u201cexames laboratoriais\u201d, \u201cdiagn\u00f3stico\u201d, \u201cmachine learning\u201d e \u201cartificial intelligence in laboratory medicine\u201d.<\/p>\n\n\n\n

Quanto \u00e0 natureza e aos objetivos, a pesquisa foi classificada como qualitativa, explorat\u00f3ria e descritiva, considerando que esse tipo de investiga\u00e7\u00e3o permite compreender fen\u00f4menos a partir da an\u00e1lise interpretativa da literatura e da organiza\u00e7\u00e3o cr\u00edtica de dados te\u00f3ricos previamente publicados (Gil, 2019; Minayo, 2014).<\/p>\n\n\n\n

Foram estabelecidos como crit\u00e9rios de inclus\u00e3o: artigos cient\u00edficos publicados entre os anos de 2019 e 2026, dispon\u00edveis na \u00edntegra, em l\u00edngua portuguesa ou inglesa, que abordassem a aplica\u00e7\u00e3o da intelig\u00eancia artificial no contexto da sa\u00fade, com \u00eanfase na medicina diagn\u00f3stica e laboratorial. Foram priorizados estudos de revis\u00e3o, revis\u00f5es sistem\u00e1ticas e artigos originais com evid\u00eancias sobre o uso de IA em an\u00e1lise de exames, automa\u00e7\u00e3o laboratorial, suporte \u00e0 decis\u00e3o cl\u00ednica e interpreta\u00e7\u00e3o de dados. Como crit\u00e9rios de exclus\u00e3o, foram desconsiderados trabalhos duplicados, estudos incompletos, resumos sem acesso ao texto integral e publica\u00e7\u00f5es que n\u00e3o apresentassem rela\u00e7\u00e3o direta com o objeto da pesquisa.<\/p>\n\n\n\n

Ap\u00f3s a sele\u00e7\u00e3o dos estudos, realizou-se a leitura integral dos artigos, seguida da extra\u00e7\u00e3o das informa\u00e7\u00f5es relevantes, como aplica\u00e7\u00f5es da IA, benef\u00edcios, limita\u00e7\u00f5es e implica\u00e7\u00f5es \u00e9ticas. A s\u00edntese dos resultados foi estruturada de forma narrativa, com organiza\u00e7\u00e3o cronol\u00f3gica dos estudos, buscando evidenciar a evolu\u00e7\u00e3o das aplica\u00e7\u00f5es da intelig\u00eancia artificial na medicina laboratorial e suas implica\u00e7\u00f5es na pr\u00e1tica cl\u00ednica. Essa estrat\u00e9gia permitiu estabelecer rela\u00e7\u00f5es entre os diferentes achados, identificar converg\u00eancias e lacunas na literatura, bem como construir uma an\u00e1lise cr\u00edtica fundamentada.<\/p>\n\n\n\n

3  RESULTADOS E DISCUSS\u00c3O<\/p>\n\n\n\n

Obermeyer et al. (2019) investigaram a ocorr\u00eancia de vieses em algoritmos de intelig\u00eancia artificial aplicados \u00e0 sa\u00fade, com \u00eanfase na gest\u00e3o populacional. Os autores demonstraram que sistemas treinados com vari\u00e1veis indiretas, como custos de sa\u00fade, reproduziram desigualdades raciais e sociais, comprometendo a equidade no acesso ao cuidado. No \u00e2mbito das an\u00e1lises cl\u00ednicas, Almeida Filho et al. (2024) tiveram como objetivo explorar as aplica\u00e7\u00f5es da intelig\u00eancia artificial em laborat\u00f3rios de an\u00e1lises cl\u00ednicas, com foco em seus benef\u00edcios e limita\u00e7\u00f5es. Os resultados mostraram que tecnologias como machine learning<\/em>, redes neurais artificiais e processamento de linguagem natural t\u00eam ampliado a efici\u00eancia, a precis\u00e3o e a rapidez na realiza\u00e7\u00e3o de exames laboratoriais. Ainda Almeida Filho et al. (2024) destacaram que a IA contribui para a automatiza\u00e7\u00e3o de processos diagn\u00f3sticos e para a melhoria da qualidade dos resultados, embora sua implementa\u00e7\u00e3o ainda enfrente desafios relacionados \u00e0 infraestrutura tecnol\u00f3gica e \u00e0 adapta\u00e7\u00e3o dos profissionais.<\/p>\n\n\n\n

No contexto da medicina laboratorial, Dodig, \u010cepelak e Dodig (2025) analisaram a viabilidade da incorpora\u00e7\u00e3o de modelos avan\u00e7ados de IA na pr\u00e1tica diagn\u00f3stica. Apesar dos avan\u00e7os tecnol\u00f3gicos, persistiram desafios relacionados \u00e0 padroniza\u00e7\u00e3o de dados, valida\u00e7\u00e3o cl\u00ednica e confiabilidade dos sistemas, fatores que ainda limitaram sua ado\u00e7\u00e3o em larga escala nos laborat\u00f3rios.<\/p>\n\n\n\n

Ainda em 2024, Vedana et al. examinaram o impacto da intelig\u00eancia artificial na medicina diagn\u00f3stica, evidenciando que algoritmos de machine learning <\/em>e deep learning <\/em>alcan\u00e7aram elevada precis\u00e3o na detec\u00e7\u00e3o de patologias, em alguns casos superando o desempenho humano. Vedana et al., 2024 destacaram a contribui\u00e7\u00e3o dessas tecnologias para a acelera\u00e7\u00e3o dos diagn\u00f3sticos e para o fortalecimento da medicina personalizada.<\/p>\n\n\n\n

No cen\u00e1rio nacional, Val e Medeiros J\u00fanior (2024) realizaram uma revis\u00e3o integrativa com o objetivo de mapear a produ\u00e7\u00e3o cient\u00edfica brasileira sobre intelig\u00eancia artificial na sa\u00fade. Os resultados trouxeram um campo ainda em consolida\u00e7\u00e3o, por\u00e9m em expans\u00e3o, com aplica\u00e7\u00f5es voltadas \u00e0 detec\u00e7\u00e3o precoce de condi\u00e7\u00f5es cl\u00ednicas e ao apoio \u00e0 tomada de decis\u00e3o, al\u00e9m de evidenciarem a necessidade de inser\u00e7\u00e3o da tem\u00e1tica na forma\u00e7\u00e3o profissional.<\/p>\n\n\n\n

Sob a perspectiva da inova\u00e7\u00e3o tecnol\u00f3gica aplicada ao diagn\u00f3stico, Souza et al. (2024) investigaram o uso da intelig\u00eancia artificial associada a dispositivos m\u00e9dicos no contexto da Sa\u00fade 4.0. Como resultado, essas tecnologias possibilitaram o monitoramento em tempo real e o suporte \u00e0 decis\u00e3o cl\u00ednica; entretanto, identificou-se uma limita\u00e7\u00e3o importante na integra\u00e7\u00e3o entre os dados gerados pelos dispositivos e os sistemas de IA restringindo seu potencial diagn\u00f3stico.<\/p>\n\n\n\n

Ainda em 2024, Hasse analisou a aplica\u00e7\u00e3o da intelig\u00eancia artificial na medicina sob enfoque \u00e9tico, legal e tecnol\u00f3gico. A autora destacou que, embora a IA proporcione ganhos em precis\u00e3o diagn\u00f3stica e personaliza\u00e7\u00e3o do tratamento, sua implementa\u00e7\u00e3o ainda enfrenta entraves, como inseguran\u00e7a jur\u00eddica, riscos \u00e0 prote\u00e7\u00e3o de dados e desigualdades no acesso \u00e0s tecnologias.<\/p>\n\n\n\n

Avan\u00e7ando para 2025, Hirosawa e Shimizu examinaram o papel da intelig\u00eancia artificial nos diagn\u00f3sticos m\u00e9dicos, mostrando que a tecnologia contribuiu para o aumento da acur\u00e1cia diagn\u00f3stica por meio da an\u00e1lise de grandes volumes de dados cl\u00ednicos e laboratoriais. Os autores tamb\u00e9m ressaltaram a redu\u00e7\u00e3o de vieses cognitivos e a amplia\u00e7\u00e3o da capacidade de detec\u00e7\u00e3o precoce de doen\u00e7as em contextos cl\u00ednicos complexos.<\/p>\n\n\n\n

Na mesma linha, Vasilev et al. (2025) realizaram uma revis\u00e3o sistem\u00e1tica sobre a aplica\u00e7\u00e3o da IA na medicina laboratorial, demonstrando que a tecnologia apresentou elevada efic\u00e1cia em todas as etapas do processo laboratorial. A acur\u00e1cia diagn\u00f3stica mostrou-se compar\u00e1vel \u00e0 dos profissionais de sa\u00fade, com maior rapidez na tomada de decis\u00e3o. Contudo, Vasilev et al. (2025) alertaram para o risco de vieses decorrentes da aus\u00eancia de valida\u00e7\u00e3o externa e da qualidade dos dados utilizados.<\/p>\n\n\n\n

Complementando essa abordagem, Aboulsoud et al. (2025) analisaram as aplica\u00e7\u00f5es e desafios da intelig\u00eancia artificial em ambientes laboratoriais. Os resultados mostraram ganhos expressivos em efici\u00eancia operacional, automa\u00e7\u00e3o de processos e redu\u00e7\u00e3o de erros humanos, ao passo que destacaram obst\u00e1culos relevantes, como custos elevados de implementa\u00e7\u00e3o, preocupa\u00e7\u00f5es \u00e9ticas e vulnerabilidades relacionadas \u00e0 seguran\u00e7a da informa\u00e7\u00e3o.<\/p>\n\n\n\n

Ainda em 2025, Lukman e Atoe tiveram como objetivo analisar os usos atuais e as perspectivas futuras da intelig\u00eancia artificial na medicina laboratorial. P\u00f4de-se concluir que a IA vem sendo amplamente aplicada em \u00e1reas como hematologia, microbiologia, histopatologia e qu\u00edmica cl\u00ednica, contribuindo para a melhoria da interpreta\u00e7\u00e3o de exames e para a otimiza\u00e7\u00e3o dos fluxos laboratoriais. Al\u00e9m disso, os autores destacaram seu papel na medicina personalizada e na detec\u00e7\u00e3o de doen\u00e7as em contextos de baixa infraestrutura, embora tenham apontado limita\u00e7\u00f5es relacionadas \u00e0 qualidade dos dados, infraestrutura tecnol\u00f3gica e quest\u00f5es \u00e9ticas.<\/p>\n\n\n\n

Mais recentemente, Bartusik-Aebisher et al. (2026) exploraram as bases e aplica\u00e7\u00f5es cl\u00ednicas da intelig\u00eancia artificial nos diagn\u00f3sticos m\u00e9dicos, deixando claro que a IA tem potencial para aprimorar e a precis\u00e3o diagn\u00f3stica e a tomada de decis\u00e3o baseada em dados, embora persistam desafios relacionados \u00e0 generaliza\u00e7\u00e3o dos modelos, vi\u00e9s algor\u00edtmico, transpar\u00eancia e exig\u00eancias regulat\u00f3rias para sua implementa\u00e7\u00e3o segura.<\/p>\n\n\n\n

Por fim, Ibrahim e Al-Sambawee (2026) tiveram como objetivo avaliar a prontid\u00e3o cl\u00ednica da intelig\u00eancia artificial no diagn\u00f3stico hematol\u00f3gico, com foco em sua aplicabilidade real. Como resultados, embora os sistemas de IA apresentem alto desempenho em ambientes controlados, sua aplica\u00e7\u00e3o em cen\u00e1rios cl\u00ednicos reais ainda \u00e9 limitada por fatores como baixa generaliza\u00e7\u00e3o dos modelos, depend\u00eancia de dados de alta qualidade, dificuldades de integra\u00e7\u00e3o aos sistemas laboratoriais e problemas de interpretabilidade. Ibrahim e Al-Sambawee (2026) refor\u00e7aram que a IA deve ser utilizada como ferramenta de apoio \u00e0 decis\u00e3o, e n\u00e3o como substituta do julgamento cl\u00ednico.<\/p>\n\n\n\n

De forma geral, os estudos analisados convergiram ao mostrar que a intelig\u00eancia artificial representa uma ferramenta promissora para a interpreta\u00e7\u00e3o de exames laboratoriais e para o suporte \u00e0 decis\u00e3o cl\u00ednica, destacando-se pelos ganhos em precis\u00e3o, velocidade e capacidade de processamento de grandes volumes de dados. No entanto, tamb\u00e9m se observou consenso quanto \u00e0s limita\u00e7\u00f5es que ainda permeiam sua aplica\u00e7\u00e3o, especialmente no que se refere \u00e0 qualidade e representatividade dos dados, \u00e0 necessidade de valida\u00e7\u00e3o cl\u00ednica robusta, aos riscos de vieses algor\u00edtmicos e \u00e0s lacunas regulat\u00f3rias e \u00e9ticas. Assim, embora a IA apresente potencial transformador na medicina laboratorial, sua consolida\u00e7\u00e3o na pr\u00e1tica cl\u00ednica depende do desenvolvimento de modelos mais transparentes, da integra\u00e7\u00e3o eficiente aos sistemas de sa\u00fade e da capacita\u00e7\u00e3o dos profissionais, garantindo sua utiliza\u00e7\u00e3o de forma segura, \u00e9tica e equitativa.<\/p>\n\n\n\n

4  CONCLUS\u00c3O<\/p>\n\n\n\n

A partir da an\u00e1lise dos estudos, foi poss\u00edvel perceber que a intelig\u00eancia artificial vem ganhando espa\u00e7o na medicina laboratorial, especialmente na interpreta\u00e7\u00e3o de exames e no apoio \u00e0s decis\u00f5es cl\u00ednicas. De modo geral, os trabalhos indicaram que o uso de ferramentas baseadas em machine learning <\/em>e deep learning <\/em>podem contribuir para tornar os processos mais r\u00e1pidos, precisos e organizados, o que impacta diretamente na qualidade dos resultados laboratoriais.<\/p>\n\n\n\n

Por outro lado, tamb\u00e9m ficou claro que essa incorpora\u00e7\u00e3o ainda n\u00e3o acontece sem dificuldades. Muitos estudos apontaram limita\u00e7\u00f5es importantes, como a depend\u00eancia da qualidade dos dados utilizados, a dificuldade de aplicar os modelos em diferentes contextos e a falta de transpar\u00eancia em alguns sistemas. Al\u00e9m disso, quest\u00f5es \u00e9ticas, como o uso de dados sens\u00edveis e a responsabilidade sobre decis\u00f5es apoiadas por algoritmos, ainda geram debates e exigem aten\u00e7\u00e3o.<\/p>\n\n\n\n

Outro ponto que se destacou foi o fato de que a intelig\u00eancia artificial n\u00e3o substitui o profissional de sa\u00fade. Pelo contr\u00e1rio, ela funciona como um apoio, que precisa ser utilizado de forma consciente e integrada ao conhecimento t\u00e9cnico e \u00e0 experi\u00eancia cl\u00ednica. Nesse sentido, o preparo dos profissionais e a constru\u00e7\u00e3o de diretrizes claras se tornam fundamentais para que essa tecnologia seja usada de maneira segura.<\/p>\n\n\n\n

Diante disso, pode-se concluir que a intelig\u00eancia artificial tem potencial para transformar a rotina dos laborat\u00f3rios, mas esse processo precisa acontecer com cautela. Sendo assim, ainda h\u00e1 um caminho a ser percorrido, principalmente no que diz respeito \u00e0 valida\u00e7\u00e3o dos sistemas, \u00e0 regulamenta\u00e7\u00e3o e ao uso \u00e9tico dessas ferramentas.<\/p>\n\n\n\n

REFER\u00caNCIAS<\/p>\n\n\n\n

ALMEIDA FILHO, Francisco Ant\u00f4nio; GASPAR, Roberta Paulino Lopes; SANTOS, Vivaldo Medeiros; FERNANDES, Henrique; PAIVA JUNIOR, Aguinaldo Alves de. Intelig\u00eancia artificial em laborat\u00f3rios de an\u00e1lises cl\u00ednicas. Revista Remecs – Revista Multidisciplinar de Estudos Cient\u00edficos em Sa\u00fade<\/strong>, p. 16, 2024. Acesso em: 09 abr. 2026.<\/p>\n\n\n\n

ABOULSOUD, Mohamed Helmi et al. Artificial intelligence in laboratories: a systematic review of existing applications, advantages, and implementation difficulties. Advances in Artificial Intelligence and Machine Learning<\/strong>, v. 5, n. 2, p. 3703-3716, 2025. DOI: 10.54364\/AAIML.2025.52210. Acesso em: 09 abr. 2026.<\/p>\n\n\n\n

BARTUSIK-AEBISHER, Dorota; RAJ, Daniel Roshan Justin; AEBISHER, David. Artificial intelligence in medical diagnostics: foundations, clinical applications, and future directions. Applied Sciences<\/strong>, v. 16, p. 728, 2026. Dispon\u00edvel em: https:\/\/doi.org\/10.3390\/app16020728<\/a>. Acesso em: 09 abr. 2026.<\/p>\n\n\n\n

DODIG, Slavica; \u010cEPELAK, Ivana; DODIG, Matko. Are we ready to integrate advanced artificial intelligence models in clinical laboratory? Biochemia Medica<\/strong>, v. 35, n. 1, 010501, 2025. DOI: 10.11613\/BM.2025.010501. Acesso em: 09 abr. 2026.<\/p>\n\n\n\n

GIL, Antonio Carlos. M\u00e9todos e t\u00e9cnicas de pesquisa social<\/strong>. 7. ed. S\u00e3o Paulo: Atlas, 2019.<\/p>\n\n\n\n

HASSE, Juliana Peneda. Intelig\u00eancia artificial na medicina: uma an\u00e1lise abrangente e atualizada com \u00eanfase em aspectos legais, \u00e9ticos e tecnol\u00f3gicos. Revista de Direito da Sa\u00fade Comparado<\/strong>, v. 3, n. 4, p. 70-79, 2024. DOI: https:\/\/doi.org\/10.56242\/direitodasaudecomparado;2024;3;4;70-79<\/a>.Acesso em: 09 abr. 2026.<\/p>\n\n\n\n

HIROSAWA, Takanobu; SHIMIZU, Taro. A narrative review of artificial intelligence in medical diagnostics. Computers, Materials & Continua<\/strong>, v. 83, n. 3, p. 3919-3944, 2025. DOI: 10.32604\/cmc.2025.063803. Acesso em: 09 abr. 2026.<\/p>\n\n\n\n

IBRAHIM, Zaid Abdulrazzaq; AL-SAMBAWEE, Muntadher Ali Jasim. Clinical readiness and limitations of artificial intelligence in hematologic diagnostics: a critical analytical review. Discover Artificial Intelligence<\/strong>, v. 6, p. 223, 2026. Dispon\u00edvel em: https:\/\/doi.org\/10.1007\/s44163-026-00956-3<\/a>. Acesso em: 09 abr. 2026.<\/p>\n\n\n\n

LUKMAN, S.; ATOE, K. Artificial intelligence in laboratory medicine: a review of current uses and future prospects in diagnostic imaging, data analysis, and decision-making tools. Open Journal of Medical Research<\/strong>, v. 6, n. 2, p. 39\u201351, 2025. Dispon\u00edvel em: https:\/\/www.openjournalsnigeria.org.ng<\/a>. Acesso em: 09 abr. 2026.<\/p>\n\n\n\n

MINAYO, Maria Cec\u00edlia de Souza. O desafio do conhecimento: pesquisa qualitativa em sa\u00fade<\/strong>. 14. ed. S\u00e3o Paulo: Hucitec, 2014.<\/p>\n\n\n\n

OBERMEYER, Ziad; POWERS, Brian; VOGELI, Christine; MULLAINATHAN, Sendhil. Dissecting racial bias in an algorithm used to manage the health of populations. Science<\/em>, v. 366, n. 6464, p. 447\u2013453, 2019. Dispon\u00edvel em: https:\/\/www.science.org\/doi\/10.1126\/science.aax2342?utm_source=<\/a>. Acesso em: 09 abr. 2026.<\/p>\n\n\n\n

SOUZA, Isadora Mota; DIAS, J\u00f4natas Cerqueira; DIAS, Jeferson Cerqueira. O papel da informa\u00e7\u00e3o e da intelig\u00eancia artificial no diagn\u00f3stico com dispositivos m\u00e9dicos. Revista Processando o Saber<\/strong>, v. 16, n. 1, p. 73-90, 2024. DOI: 10.5281\/zenodo.14226152. Acesso em: 09 abr. 2026.<\/p>\n\n\n\n

VAL, Luciane Ferreira do; MEDEIROS J\u00daNIOR, Reinaldo Coelho. Intelig\u00eancia artificial: produ\u00e7\u00e3o cient\u00edfica da enfermagem brasileira. Revista Cient\u00edfica Integrada<\/strong>, v. 6, n. especial, 2024. Dispon\u00edvel em: https:\/\/revistas.unaerp.br\/rci\/article\/view\/3283<\/a>. Acesso em: 09 abr. 2026.<\/p>\n\n\n\n

VASILEV, Yuriy A.; NANOVA, Olga G.; VLADZYMYRSKYY, Anton V.; GOLDBERG, Arcadiy S.; BLOKHIN, Ivan A.; RESHETNIKOV, Roman V. Use of artificial intelligence technologies in laboratory medicine, their effectiveness and application scenarios: a systematic review. Digital Diagnostics<\/strong>, v. 6, n. 2, p. 251-267, 2025. DOI: 10.17816\/DD635349. Acesso em: 09 abr. 2026.<\/p>\n\n\n\n

VEDANA, Ana Beatriz et al. Intelig\u00eancia artificial na medicina diagn\u00f3stica. Brazilian Journal of Implantology and Health Sciences<\/strong>, v. 6, n. 11, p. 765\u2013794, 2024. Dispon\u00edvel em: https:\/\/doi.org\/10.36557\/2674-8169.2024v6n11p765-794<\/a>. Acesso em: 09 abr. 2026.<\/p>\n\n\n\n

\n\n\n\n

[1]<\/a> Discente do Centro Universit\u00e1rio ITOP-UNITOP, Palmas – TO, Brasil. Email: luzbarbara67@gmail.com<\/a><\/p>\n\n\n\n

[2]<\/a> Discente do Centro Universit\u00e1rio ITOP-UNITOP, Palmas – TO, Brasil. Email: ilarysamira579@gmail.com<\/a><\/p>\n\n\n\n

[3]<\/a> Docente do Centro Universit\u00e1rio ITOP-UNITOP, Palmas – TO, Brasil. Email: beatfranceschi@gmail.com<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

THE APPLICABILITY OF ARTIFICIAL INTELLIGENCE IN THE INTERPRETATION OF LABORATORY TESTS Artigo submetido em 14 de maio de 2026Artigo aprovado…<\/p>\n","protected":false},"author":1,"featured_media":1465,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"fifu_image_url":"https:\/\/cognitiojuris.com.br\/wp-content\/uploads\/2022\/08\/cognitio_juris_n25.jpg","fifu_image_alt":"","footnotes":""},"categories":[2],"tags":[11],"class_list":["post-1463","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artigos-cientificos","tag-10-2026"],"_links":{"self":[{"href":"https:\/\/editoranorat.com.br\/scientiaetratio\/wp-json\/wp\/v2\/posts\/1463","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/editoranorat.com.br\/scientiaetratio\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/editoranorat.com.br\/scientiaetratio\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/editoranorat.com.br\/scientiaetratio\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/editoranorat.com.br\/scientiaetratio\/wp-json\/wp\/v2\/comments?post=1463"}],"version-history":[{"count":2,"href":"https:\/\/editoranorat.com.br\/scientiaetratio\/wp-json\/wp\/v2\/posts\/1463\/revisions"}],"predecessor-version":[{"id":1470,"href":"https:\/\/editoranorat.com.br\/scientiaetratio\/wp-json\/wp\/v2\/posts\/1463\/revisions\/1470"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/editoranorat.com.br\/scientiaetratio\/wp-json\/wp\/v2\/media\/1465"}],"wp:attachment":[{"href":"https:\/\/editoranorat.com.br\/scientiaetratio\/wp-json\/wp\/v2\/media?parent=1463"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/editoranorat.com.br\/scientiaetratio\/wp-json\/wp\/v2\/categories?post=1463"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/editoranorat.com.br\/scientiaetratio\/wp-json\/wp\/v2\/tags?post=1463"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}