https://doi.org/10.63923/sdes.2025.47
Introdução: A prevalência de fraturas vertebrais osteoporóticas (OVFs) cresce com o aumento da população idosa. Radiografias simples são a primeira linha de exame, mas apresentam altas taxas de subdiagnóstico. Objetivo: Avaliar como a Inteligência Artificial (IA) pode auxiliar médicos na detecção e classificação das OVFs. Metodologia: Realizou-se uma revisão integrativa da literatura na base de dados PubMed utilizando os descritores: "fractures bones", "diagnostic imaging" e "artificial intelligence". Foram selecionados 5 artigos primários dos últimos 5 anos. Resultados: O sistema AI_OVF_SH, treinado com mais de 110 mil vértebras, alcançou acurácia de 97,4% e especificidade de 97,3%, superando radiologistas (acurácia de 84,9%). O sistema foi eficaz em fraturas moderadas/graves, mas teve dificuldade em diferenciar fraturas leves das inexistentes. As OVFs são mais prevalentes em mulheres. Discussão: A superioridade da acurácia e especificidade do AI_OVF_SH reforça o potencial da IA como ferramenta de triagem para reduzir subdiagnósticos. Contudo, sua limitação em fraturas leves indica que a avaliação humana especializada é indispensável. A IA deve, portanto, atuar como suporte à decisão clínica, e não como substituto, complementando o julgamento médico. Conclusão: O sistema AI_OVF_SH baseado em aprendizado profundo pode auxiliar clínicos na triagem de OVFs, reduzir subdiagnósticos e otimizar a demanda de análises, com potencial para aplicação em larga escala na detecção de fraturas.
