Contexto: O linfedema é uma condição crônica marcada pelo acúmulo de linfa e edema, que causa alterações teciduais e prejuízo funcional. O diagnóstico precoce e o monitoramento são essenciais, mas ainda limitados por métodos convencionais. A Inteligência Artificial (IA), especialmente o Machine Learning e o Deep Learning, tem se destacado na saúde por permitir análise automatizada de imagens e dados clínicos, favorecendo decisões mais precisas e personalizadas. No linfedema, essas tecnologias podem auxiliar no diagnóstico precoce, acompanhamento remoto e reabilitação individualizada. Hipótese: Estima-se que o uso da inteligência artificial na reabilitação e monitoramento de portadores de linfedema proporcione um novo paradigma clínico. Objetivo: Analisar o uso da inteligência artificial na reabilitação e monitoramento dos portadores de linfedema determinando um novo paradigma clínico. Metodologia: Trata-se de uma revisão de literatura realizada na base de dados PubMed, utilizando os descritores “Lymphedema AND Artificial Intelligence AND Deep Learning”. Foram aplicados filtros para os últimos cinco anos (2020–2025), totalizando 11 artigos encontrados. Após leitura dos títulos e resumos, 7 estudos foram selecionados por abordarem de forma direta o uso de inteligência artificial e aprendizado profundo no diagnóstico, monitoramento ou reabilitação de pacientes com linfedema. Resultados: Os estudos analisados demonstraram o crescente papel da Inteligência Artificial (IA) e do deep learning no diagnóstico, monitoramento e reabilitação de portadores de linfedema. Modelos aplicados a tomografia computadorizada (TC), ressonância magnética (RM) e ultrassonografia, como SegNet, U-Net, Unet++, GSCNN e ResNet revelam elevada acurácia na segmentação automatizada de tecidos como gordura, músculo e fibrose, com índices de similaridade variando de 0,87 a 0,999. Tais modelos apresentaram forte correlação com parâmetros clínicos tradicionais, como bioimpedância e diferença de circunferência. Ferramentas de diagnóstico assistido por computador mostraram excelente desempenho na triagem de linfedema pós-câncer ginecológico, alcançando AUC de 0,967 e precisão de 92,9%. Em ultrassonografia modo B, a segmentação automática permitiu o monitoramento longitudinal de linfedema relacionado ao câncer de mama. Além disso, estudos envolvendo a integração de eletromiografia e miografia de impedância elétrica via aprendizado de máquina obtiveram até 93,1% de precisão, demonstrando potencial para avaliação funcional muscular em pacientes com linfedema. De forma geral, a IA surge como ferramenta promissora para diagnóstico precoce, acompanhamento evolutivo e reabilitação personalizada. No entanto, a validação multicêntrica e a padronização de protocolos ainda são necessárias para consolidar seu uso clínico. Conclusão: Evidenciou-se avanços relevantes do uso da inteligência artificial na reabilitação e monitoramento nos portadores de linfedema.
Comissão Organizadora
Comunic Eventos
Aldemar Araujo Castro
Comissão Científica
Ferramenta completa de submissão, avaliação e publicação de anais para eventos científicos.
