https://doi.org/10.63923/sdes.2025.106
Introdução: A oncologia de precisão visa personalizar tratamentos com base nas características moleculares dos tumores. Com o avanço das tecnologias de sequenciamento e a integração de dados multi-ômicos, surgem novas oportunidades para aprimorar a eficácia terapêutica e reduzir efeitos adversos. Estudos recentes têm explorado a aplicação de inteligência artificial (IA) para otimizar decisões terapêuticas. Metodologia: Trata-se de uma revisão integrativa de literatura, baseada em estudos científicos na língua inglesa e portuguesa, publicados nas bases de dados virtuais Biblioteca Virtual em Saúde (BVS) e PubMed, entre 2020 e 2025 que retratavam os avanços na oncologia de precisão com inteligência artificial. Os descritores em Ciência da Saúde (DeCS) utilizados nestas revistas foram: ”Terapia Personalizada”; “Biomarcadores”; “Inteligência Artificial”; “Oncologia”; ‘’Medicina de precisão’’. O operador booleano AND foi empregado para organizar a estratégia de busca dos estudos. Resultados: Os modelos de IA demonstraram capacidade de sugerir tratamentos personalizados com alta precisão. Estudos mostraram sugestões de tratamentos com alta confiança e explicabilidade, adaptadas às características moleculares individuais dos pacientes. Esses resultados indicam um avanço significativo na personalização do tratamento oncológico. Discussão: A integração de IA na oncologia de precisão representa uma evolução significativa na personalização do tratamento. No entanto, desafios como a necessidade de grandes volumes de dados clínicos e a interpretação dos resultados pelos profissionais de saúde permanecem. É essencial garantir que os modelos de IA sejam transparentes e compreensíveis para os clínicos, a fim de facilitar sua adoção na prática clínica. Conclusões: Em suma, a aplicação de IA na oncologia de precisão oferece promissoras oportunidades para tratamentos mais eficazes e personalizados. Contudo, é necessário continuar o desenvolvimento de modelos robustos e garantir sua integração eficaz no ambiente clínico. Estudos futuros devem focar na validação clínica dos modelos e na superação dos desafios técnicos e éticos associados à implementação da IA na prática oncológica.
