Aplicação da Inteligência Artificial no Diagnóstico de Carcinoma Epidermoide Oral

Introdução: O carcinoma epidermoide oral (CEO), também denominado carcinoma espinocelular ou de células escamosas, representa aproximadamente 90% das neoplasias malignas da cavidade oral. De acordo com a Worlds Cancer Research Fund, no ano de 2022, aproximadamente 389.846 novos casos de câncer de boca foram registrados em todo o mundo, com maior incidência entre homens. Apesar do aumento na incidência de casos ser uma tendência global, a subnotificação ainda apresenta um grande problema, principalmente em países subdesenvolvidos, o que pode implicar diretamente no prognóstico do paciente, diminuindo suas chances de cura. Objetivo: Avaliar e sintetizar revisões sistemáticas que analisaram o desempenho e precisão de diferentes aplicações das inteligências artificiais no diagnóstico de carcinoma epidermoide oral. Materiais e métodos: Foram utilizadas as bases de dados: PUBMED/MEDLINE; Web of Science; LILACS (BVS) e Scielo, além da busca por artigos em “literatura cinzenta”, no Google Scholar. Na pesquisa foram empregados os desritores: Oral cancer; oral squamous cells carcinoma; “AI”; Artificial Intelligence; Deep learning; Machine learning. Ademais, utilizaram-se os operadores booleanos “AND” e “OR”. Para os critérios de inclusão, optou-se por trabalhos do tipo revisão sistemática, com dados robustos e detalhados, publicados entre 2020 e 2025, que abordassem o uso de inteligência artificial como ferramenta no diagnóstico de carcinoma epidermoide oral. O idioma de escolha dos estudos selecionados foi o inglês. Resultados: Após identificação, triagem e aplicação dos critérios de elegibilidade, 11 revisões sistemáticas foram selecionadas para este estudo. Conclusão: Observou-se que os modelos de inteligência artificial aplicados demonstraram desempenho promissor no diagnóstico do carcinoma epidermoide oral. Entretanto, ainda são necessários estudos adicionais para padronização dos protocolos metodológicos, ampliação e variabilidade dos conjuntos de dados e validação clínica dos modelos de IAs aplicados