Resumo:

INTRODUÇÃO: A tuberculose (TB) permanece um grave problema de saúde pública, principalmente em países em desenvolvimento. O diagnóstico precoce é essencial para reduzir a transmissão e a mortalidade. Nesse contexto, a Inteligência Artificial (IA) surge como uma ferramenta promissora para apoiar a detecção precoce da doença, utilizando técnicas como aprendizado de máquina e redes neurais aplicadas a exames radiológicos e dados clínicos. OBJETIVO: Descrever a inteligência artificial para detecção precoce da tuberculose na inovação na saúde pública. METODOLOGIA: Foi realizada uma revisão integrativa nas bases PubMed, Scielo e Lilacs, utilizando os descritores DeCS/MeSH: “tuberculose”, “inteligência artificial”, “diagnóstico precoce” e “saúde pública”. Os critérios de inclusão foram artigos publicados entre 2020 e 2024, disponíveis em inglês, português ou espanhol, disponíveis na integra. Foram excluídas duplicatas. RESULTADOS E DISCUSSÃO: Foram selecionados 15 artigos que demonstraram que a IA aplicada a radiografias de tórax, tomografias e dados laboratoriais apresenta elevada sensibilidade e especificidade no rastreamento da tuberculose. Modelos de redes neurais convolucionais foram os mais citados, com desempenho comparável ou superior a especialistas humanos em determinadas situações. Além disso, observou-se redução no tempo diagnóstico e maior acessibilidade em locais com escassez de profissionais de saúde. Os estudos evidenciam que a IA pode ser integrada aos programas de saúde pública como ferramenta de apoio ao diagnóstico precoce, ampliando a cobertura e acelerando decisões clínicas. Ainda existem desafios relacionados à padronização dos algoritmos, à qualidade das imagens utilizadas e à necessidade de validação em diferentes contextos populacionais. CONSIDERAÇÕES FINAIS: A Inteligência Artificial mostra-se uma inovação relevante para o enfrentamento da tuberculose, favorecendo diagnósticos mais rápidos e precisos. Sua aplicação no âmbito da saúde pública representa um avanço promissor, desde que acompanhada de políticas que assegurem acessibilidade, ética e validação científica.