Uso da inteligência artificial para o diagnóstico das alterações citológicas cérvico vaginais: uma revisão sistemática

dc.contributor.advisorNascimento, Ermeton Duarte do
dc.contributor.advisorIDhttps://orcid.org/0009-0002-0270-8363
dc.contributor.advisorLatteshttp://lattes.cnpq.br/5059231323892121
dc.contributor.authorFerreira, Matheus de Alcantara Lins
dc.contributor.authorIDhttps://orcid.org/0009-0002-3910-0108
dc.contributor.authorLatteshttp://lattes.cnpq.br/4088650427354109
dc.contributor.referees1Brandão, Deysiane Oliveira
dc.contributor.referees1IDhttps://orcid.org/0000-0002-9051-1175
dc.contributor.referees1Latteshttp://lattes.cnpq.br/0938468081530870
dc.contributor.referees2Rachetti, Vanessa de Paula Soares
dc.contributor.referees2IDhttps://orcid.org/0000-0002-9551-8771
dc.contributor.referees2Latteshttp://lattes.cnpq.br/1524215726056886
dc.date.accessioned2025-07-17T03:12:27Z
dc.date.available2025-07-17T03:12:27Z
dc.date.issued2025-07-11
dc.description.abstractCervical cancer is a major public health problem among people with an uterus, which is largely preventable through screening and early diagnosis. However, the traditional cytopathological test (Pap smear) has important limitations, such as variability in interpretation and reduced sensitivity in certain situations. In this scenario, artificial intelligence (AI) emerges as a promising alternative to optimize the detection of cytological alterations. This study carried out a systematic review of the literature with the aim of analyzing the use of AI in the diagnosis of cervicovaginal cytological alterations. The bibliographic search was conducted in the PubMed, SciELO and Elsevier databases, considering publications between 2005 and 2025. Approximately 136 articles were identified, of which 20 were selected based on inclusion criteria such as focus on AI applied to cytological images, and presentation of quantitative data (sensitivity and specificity). The results demonstrated that models based on convolutional neurais networks (CNN and Deep CNN) were widely used, with performances varying between studies. On average, AI models showed higher sensitivity than human professionals (88.77% versus 78.49%) with moderate to high standard deviation (11.01% versus 16.40%), while specificity was similar between groups (76.19% versus 73.94%), although with high standard deviation variability (27.08% versus 31.06%). AI proved to be effective especially in automated screening contexts, prioritizing the detection of alterations with high sensitivity, although with an increase in the number of false positives. It is concluded that, although it does not replace the cytopathologist, AI presents itself as a valuable tool to support diagnosis of cytopathological exams, with the potential to increase efficiency, standardize analyses and reduce human errors, as long as it is properly validated and integrated into existing clinical flows.
dc.description.resumoO câncer do colo do útero representa um dos principais problemas de saúde pública entre pessoas com útero, sendo amplamente prevenível por meio de rastreamento e diagnóstico precoce. No entanto, o exame citopatológico tradicional (Papanicolaou) apresenta limitações importantes, como variabilidade na interpretação e sensibilidade reduzida em determinadas situações. Neste cenário, a inteligência artificial (IA) surge como uma alternativa promissora para otimizar a detecção de alterações citológicas. Este trabalho realizou uma revisão sistemática da literatura com o objetivo de analisar o uso da IA no diagnóstico de alterações citológicas cérvico-vaginais. A pesquisa bibliográfica foi conduzida nas bases PubMed, SciELO e Elsevier, considerando publicações entre 2005 e 2025. Foram identificados aproximadamente 136 artigos, dos quais 20 foram selecionados com base em critérios de inclusão como foco em IA aplicada a imagens citológicas, e apresentação de dados quantitativos (sensibilidade e especificidade). Os resultados demonstraram que modelos baseados em redes neurais convolucionais (CNN e Deep CNN) foram amplamente utilizados, com desempenhos variando entre os estudos. Em média, os modelos de IA apresentaram sensibilidade superior à dos profissionais humanos (88,77% contra 78,49%) com desvio-padrão moderado para alto (11.01% contra 16,40%), enquanto a especificidade foi semelhante entre os grupos (76,19% contra 73,94%), embora com alta variabilidade de desvio-padrão (27,08% contra 31,06%). A IA mostrou-se eficaz especialmente em contextos de triagem automatizada, priorizando a detecção de alterações com alta sensibilidade, ainda que com aumento do número de falsos positivos. Conclui-se que, embora não substitua o citopatologista, a IA se apresenta como uma ferramenta valiosa de apoio ao diagnóstico de exames citopatológicos, com potencial para aumentar a eficiência, padronizar análises e reduzir falhas humanas, desde que devidamente validada e integrada aos fluxos clínicos existentes.
dc.identifier.citationFERREIRA, Matheus de Alcantara Lins. Uso da inteligência artificial para o diagnóstico das alterações citológicas cérvico-vaginais: uma revisão sistemática. 2025. Trabalho de Conclusão de Curso (Graduação em Biomedicina) – Centro de Biociências, Universidade Federal do Rio Grande do Norte, Natal, 2025.
dc.identifier.urihttps://repositorio.ufrn.br/handle/123456789/64427
dc.language.isopt_BR
dc.publisherUniversidade Federal do Rio Grande do Norte
dc.publisher.countryBrazil
dc.publisher.departmentDepartamento de Microbiologia Parasitária
dc.publisher.initialsUFRN
dc.publisher.programBiomedicina
dc.rightsAttribution 3.0 Brazilen
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/br/
dc.subjectCitopatologia
dc.subjectCâncer do colo do útero
dc.subjectDiagnóstico
dc.subjectLesão Intraepitelial
dc.subjectCytopathology
dc.subjectCervical Cancer
dc.subjectDiagnostic
dc.subjectIntraepithelial Lesion
dc.subject.cnpqOUTROS::BIOMEDICINA
dc.titleUso da inteligência artificial para o diagnóstico das alterações citológicas cérvico vaginais: uma revisão sistemática
dc.title.alternativeUse of artificial intelligence for the diagnosis of cervicovaginal cytological abnormalities: a systematic review
dc.typebachelorThesis

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
TCCfinalizado.pdf
Tamanho:
1.34 MB
Formato:
Adobe Portable Document Format
Nenhuma Miniatura disponível
Baixar

Licença do Pacote

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.53 KB
Formato:
Item-specific license agreed upon to submission
Nenhuma Miniatura disponível
Baixar