EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

INTELIGÊNCIA ARTIFICIAL E BIÓPSIA LÍQUIDA NO DIAGNÓSTICO PRECOCE DO CÂNCER: PERSPECTIVAS PARA A ONCOLOGIA DE PRECISÃO

Rosiclerk Ottilo Cavassani Neto, Fernando Malachias de Andrade Bergamo, Lara Dias Ribeiro, Ana Paula Miranda Mundim, Ana Carolina Mendes Betanzoz, Emily Jamile Silva Da Anunciação, Chrystianne Ferreira da Silva Braz Cunha, Marcelo dos Santos Cales, Marilia Fagury Videira Marceliano Alves, Alexandre Maslinkiewicz

RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218 · 15.07.2026 · 7 (7) · e778570

DOI: 10.47820/recima21.v7i7.8570 ↗

Kurz gefasst

Fachartikel in der Zeitschrift RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218, online erschienen am 15.07.2026. Verfasst von Rosiclerk Ottilo Cavassani Neto und 9 weiteren Autor:innen. Die Arbeit nennt 65 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Introdução: O cenário oncológico global impõe a necessidade de métodos diagnósticos precoces para reduzir a mortalidade. A biópsia líquida surge como alternativa não invasiva aos exames convencionais, permitindo o isolamento de analitos como o DNA tumoral circulante (ctDNA) e células tumorais circulantes (CTCs). Contudo, a baixa relação sinal-ruído em estágios iniciais e a interferência da Hematopoiese Clonal (HC) limitam sua aplicação. A integração de Inteligência Artificial (IA) e Aprendizado de Máquina (Machine Learning - ML) surge para mapear assinaturas moleculares complexas. Objetivo: Analisar o papel da IA aplicada à biópsia líquida como ferramenta diagnóstica oncológica precoce. Metodologia: Revisão integrativa da literatura baseada no acrônimo PICO e busca estruturada nas bases PubMed/MEDLINE e Lilacs/BVS utilizando descritores controlados. Foram incluídos 8 artigos originais publicados nos últimos cinco anos para análise crítica. Resultados e Discussão: Algoritmos de redes neurais e modelos multimodais parecem demonstrar alta especificidade ao discriminar padrões de clivagem de nucleases e perfis de metilação aberrantes. A IA atua na filtragem de variantes benignas de HC de genes como TP53 e KRAS. Em sistemas orgânicos, a tecnologia exibe relevância na predição não invasiva de mutações. Ferramentas de IA Explicável (XAI) parecem mitigar o efeito "caixa-preta", enquanto o Aprendizado Federado (FL) viabiliza o treinamento descentralizado seguro. Considerações Finais: A convergência entre IA e biópsia líquida abre caminho para o diagnóstico preventivo e personalizado, embora sua translação dependa da padronização pré-analítica, validação clínica em coortes externas e adaptação de marcos regulatórios globais.

Zitieren

APA

Neto, R. O. C., Bergamo, F. M. D. A., Ribeiro, L. D., Mundim, A. P. M., Betanzoz, A. C. M., Anunciação, E. J. S. D., Cunha, C. F. D. S. B., Cales, M. D. S., Alves, M. F. V. M., & Maslinkiewicz, A. (2026). INTELIGÊNCIA ARTIFICIAL E BIÓPSIA LÍQUIDA NO DIAGNÓSTICO PRECOCE DO CÂNCER: PERSPECTIVAS PARA A ONCOLOGIA DE PRECISÃO. RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218, 7(7), e778570. https://doi.org/10.47820/recima21.v7i7.8570

Vancouver

Neto ROC, Bergamo FMDA, Ribeiro LD, Mundim APM, Betanzoz ACM, Anunciação EJSD, et al. INTELIGÊNCIA ARTIFICIAL E BIÓPSIA LÍQUIDA NO DIAGNÓSTICO PRECOCE DO CÂNCER: PERSPECTIVAS PARA A ONCOLOGIA DE PRECISÃO. RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218. 2026;7(7):e778570. doi:10.47820/recima21.v7i7.8570

BibTeX
@article{Neto2026,
  author = {Neto, Rosiclerk Ottilo Cavassani and Bergamo, Fernando Malachias de Andrade and Ribeiro, Lara Dias and Mundim, Ana Paula Miranda and Betanzoz, Ana Carolina Mendes and Anunciação, Emily Jamile Silva Da and Cunha, Chrystianne Ferreira da Silva Braz and Cales, Marcelo dos Santos and Alves, Marilia Fagury Videira Marceliano and Maslinkiewicz, Alexandre},
  title = {INTELIGÊNCIA ARTIFICIAL E BIÓPSIA LÍQUIDA NO DIAGNÓSTICO PRECOCE DO CÂNCER: PERSPECTIVAS PARA A ONCOLOGIA DE PRECISÃO},
  journal = {RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218},
  year = {2026},
  volume = {7},
  number = {7},
  pages = {e778570},
  doi = {10.47820/recima21.v7i7.8570}
}
Kostenlos starten →