O papel da Inteligência Artificial em procedimentos imagiológicos da medicina nuclear: revisão sistemática de literatura

Abstract

Introdução: A Inteligência Artificial (IA) é definida como a inteligência demonstrada por máquinas e tem vindo a assumir um papel crescente na Medicina Nuclear (MN), sendo que esta área fornece biomarcadores relevantes para diagnóstico, prognóstico e monitorização em várias especialidades médicas. A IA atua na formação e análise de imagens, bem como na previsão da resposta terapêutica, através de vários algoritmos. Os seus dois principais domínios de aplicação, físico e clínico, são interdependentes e contribuem para uma prática médica mais precisa e individualizada. Objetivo: Perceber o papel da IA nos procedimentos imagiológicos da MN. Metodologia: Este trabalho é não experimental, do tipo descritivo, sendo uma revisão sistemática da literatura. Foram analisados vários artigos pesquisados em diversas plataformas de pesquisa científica, nomeadamente PubMed, Google Scholar, Science Direct, tendo sido utilizado a lógica booleana, “Artificial intelligence AND nuclear medicine AND image processing”, “PET CT OR PET MRI AND artificial ntelligence”,” SPECT AND artificial intelligence”, “Scintigraphy AND artificial intelligence”. Para a elaboração deste trabalho, os critérios de inclusão foram: artigos publicados num espaço temporal entre 2019 e 2025, linguagem dos artigos selecionados em inglês e artigos sobre IA em MN. Primeiro, foram excluídos os artigos duplicados. Em seguida, foram removidos os artigos de estudos experimentais, os artigos pagos e os artigos que no seu título não incluam os temas IA e MN. Resultados: A análise realizada confirma a relevância crescente da IA na MN, com impacto significativo desde a aquisição de imagem até à interpretação clínica. A IA demonstrou eficácia na correção de artefactos, estimativa da Depth Of Interaction (DOI) e do Time Of Flight (TOF), melhorando a qualidade da imagem e contribuindo para diagnósticos mais precisos. Verificou-se também o seu potencial na caracterização de patologias, diagnóstico precoce e estratificação do risco, validando-se a sua utilidade na prática clínica personalizada. A nível organizacional, a IA permite automatizar tarefas e melhorar a eficiência dos serviços. Contudo, persistem desafios como a escassez de dados rotulados, a falta de padronização e a complexidade dos modelos. A implementação bem-sucedida depende da colaboração ativa dos profissionais de saúde na validação e adaptação dos algoritmos à realidade clínica. Conclusão: A IA tem vindo a assumir um papel cada vez mais relevante na MN, melhorando a qualidade das imagens, o diagnóstico e a gestão clínica. Apesar do seu potencial, a sua implementação enfrenta desafios técnicos, éticos e organizacionais. A integração eficaz exige validação científica, regulamentação adequada e formação contínua dos profissionais. O estudo apresenta limitações relacionadas com a heterogeneidade metodológica dos artigos incluídos, a limitação temporal das fontes e a rápida evolução da IA, que pode tornar alguns dados desatualizados. Futuramente, a IA deverá melhorar o diagnóstico precoce e a eficiência clínica na MN. A criação de bases de dados padronizadas e a formação contínua dos profissionais serão essenciais para uma adoção ética e eficaz destas tecnologias.

Abstract: Introduction: Artificial Intelligence is defined as the intelligence demonstrated by machines and has been playing an increasingly significant role in Nuclear Medicine. This field provides relevant biomarkers for diagnosis, prognosis, and monitoring across various medical specialties. AI contributes to image formation and analysis, as well as the prediction of therapeutic response, through various algorithms. Its two main domains of application, physical and clinical, are interdependent and contribute to a more precise and individualized medical practice. Objective: To understand the role of Artificial Intelligence in imaging procedures within Nuclear Medicine. Methodology: This is a non-experimental, descriptive study, in the form of a systematic literature review. Several articles were analyzed, searched through various scientific research platforms, namely PubMed, Google Scholar, and Science Direct. Boolean logic was used with the following search terms: “Artificial intelligence AND núclear medicine AND image processing”, “PET CT OR PET MRI AND artificial intelligence”, “SPECT AND artificial intelligence”, “Scintigraphy AND artificial intelligence”. For the development of this study, the inclusion criteria were articles published between 2019 and 2025, written in English, and focused on artificial intelligence in Nuclear Medicine. Firstly, the duplicate articles were excluded. Subsequently, articles from experimental studies, paid articles and those whose titles did not include the themes of AI and Nuclear Medicine were removed. Results: The analysis confirmed the growing relevance of Artificial Intelligence in Nuclear Medicine, with a significant impact from image acquisition to clinical interpretation. AI demonstrated effectiveness in artifact correction, estimation of Depth of Interaction and Time of Flight, improving image quality and contributing to more accurate diagnoses. Its potential was also noted in disease characterization, early diagnosis, and risk stratification, validating its usefulness in personalized clinical practice. At the organizational level, AI enables task automation and improves service efficiency. However, challenges persist, such as the scarcity of labeled data, lack of standardization, and the complexity of the models. Successful implementation depends on the active collaboration of healthcare professionals in validating and adapting algorithms to clinical reality. Conclusion: AI has been assuming an increasingly relevant role in Nuclear Medicine, enhancing image quality, diagnosis, and clinical management. Despite its potential, implementation faces technical, ethical, and organizational challenges. Effective integration requires scientific validation, appropriate regulation, and continuous training of healthcare professionals. The study presents limitations related to the methodological heterogeneity of the included articles, the time frame of the sources, and the rapid evolution of AI, which may render some data outdated. Soon, AI is expected to improve early diagnosis and clinical efficiency in Nuclear Medicine. The creation of standardized and multicenter databases, along with continuous professional training, will be essential for the ethical and effective adoption of these technologies.