APLICAÇÕES DE MACHINE LEARNING E INTELIGÊNCIA ARTIFICIAL NA DOENÇA RENAL CRÔNICA: UMA REVISÃO INTEGRATIVA DA LITERATURA CIENTÍFICA CONTEMPORÂNEA

Introdução: A doença renal crônica (DRC) constitui um desafio global de saúde pública, demandando abordagens inovadoras para diagnóstico precoce e manejo eficaz. A revolução tecnológica proporcionada pela inteligência artificial (IA) e machine learning (ML) tem emergido como ferramenta promissora para transformar a prática nefrológica. Objetivo: Analisar a aplicação de técnicas de machine learning, deep learning e inteligência artificial na doença renal crônica através de revisão integrativa da literatura científica, identificando metodologias, resultados e aplicações clínicas. Metodologia: Revisão integrativa da literatura com abordagem qualitativa e descritiva, utilizando busca sistemática nas bases de dados Google Scholar, PubMed e Scopus. A estratégia de busca empregou descritores controlados: ("machine learning" OR "deep learning" OR "AI") AND ("chronic kidney disease" OR "CKD") AND ("treatment" OR "clinical applications"), contemplando publicações entre 2019-2025 em inglês. Resultados: Foram selecionados 15 estudos que demonstraram diversidade metodológica extraordinária. Os algoritmos predominantes incluíram Random Forest, Support Vector Machine, redes neurais artificiais, métodos ensemble e algoritmos avançados como LightGBM, CatBoost e XGBoost, alcançando acurácias superiores a 98%. As aplicações identificadas abrangeram diagnóstico precoce, predição de progressão para diálise, análise de imagens de ultrassom renal, personalização de tratamentos, gestão hospitalar, predição de custos e sistemas de apoio à decisão clínica para estadiamento da DRC. Destacaram-se convergências na eficácia diagnóstica, tendência consolidada em direção à IA explicável através de técnicas SHAP, e divergências nas metodologias de seleção de características e tratamento de dados ausentes. Conclusão: As tecnologias de IA demonstraram potencial transformador para revolucionar o diagnóstico, prognóstico e manejo da DRC.