USO DA INTELIGÊNCIA ARTIFICIAL NO DIAGNÓSTICO DA APENDICITE AGUDA PEDIÁTRICA: UMA REVISÃO DE ESCOPO

Apresentação/Introdução A apendicite aguda é a emergência cirúrgica abdominal mais comum em crianças, mas seu diagnóstico é desafiador. A Inteligência Artificial (IA) surge como ferramenta promissora para integrar variáveis clínicas, laboratoriais e de imagem, otimizando o diagnóstico e reduzindo erros que impactam negativamente o prognóstico. Objetivos Mapear e sintetizar evidências sobre o uso da IA no diagnóstico da apendicite aguda pediátrica, identificando algoritmos aplicados, acurácia diagnóstica, comparação com métodos tradicionais e lacunas para futuras pesquisas. Metodologia Trata-se de uma revisão de escopo conforme PRISMA-ScR e JBI. Realizou-se busca sistemática em 8 bases de dados e literatura cinzenta, sem restrição de idioma ou data. Foram incluídos estudos sobre uso de IA em pacientes de 0–18 anos com suspeita ou diagnóstico de apendicite. Dois revisores atuaram na triagem e extração dos dados. Foram analisadas variáveis como algoritmos utilizados, métricas de acurácia, interpretabilidade dos modelos e comparações com métodos diagnósticos tradicionais. A síntese dos resultados foi narrativa e descritiva, com apoio de tabelas. Resultados Sete estudos foram incluídos, com predomínio de modelos Random Forest, Gradient Boosting, CNNs e CBMs. Os algoritmos de IA mostraram desempenho superior ou equivalente aos escores clínicos tradicionais (PAS, AIR), com AUROC frequentemente >0.80. Houve ênfase crescente em modelos interpretáveis (XAI). As variáveis mais preditivas foram leucócitos, PCR, dor em QID e achados de imagem. A maioria dos estudos utilizou validação interna, com escassa validação externa, o que limita a generalização clínica. Conclusões/Considerações A IA apresenta grande potencial no diagnóstico da apendicite pediátrica, com alta acurácia e capacidade de integrar dados multimodais. Modelos explicáveis são tendência crescente. No entanto, a adoção clínica requer validação externa robusta, integração nos fluxos assistenciais, análise de custo-efetividade e atenção a questões éticas e de viés. Pesquisas futuras devem focar em validação multicêntrica e aplicabilidade real.