O uso da inteligência artificial na ressonância magnética e a importância para o diagnóstico: uma revisão de literatura
The use of artificial intelligence in magnetic resonance imaging and is importance for diagnosis: a literature review
DOI:
https://doi.org/10.51473/rcmos.v1i2.2025.1537Palavras-chave:
Inteligência Artificial; Ressonância Magnética; Diagnóstico por Imagem.Resumo
Nos últimos anos, o uso da inteligência artificial (IA) na área da saúde tem ganhado cada vez mais destaque, especialmente no apoio ao diagnóstico por imagem. Com o avanço das tecnologias, sistemas baseados em IA têm sido aplicados para ajudar profissionais da saúde a interpretar exames de forma mais rápida, precisa e eficiente. Nesse sentido, esse trabalho tem como objetivo reunir e analisar informações sobre o uso da IA em exames de imagem, com foco na ressonância magnética (RM), e mostrar como essa tecnologia pode contribuir para diagnósticos mais rápidos, precisos e seguros. Para isso, foi realizado uma revisão bibliográfica integrativa, baseada em estudos já publicados nas principais bases científicas, como PubMed, MedLine, ACM Digital Library, SciELO e Google Acadêmico., dentre outras plataformas. Foram selecionados artigos que abordam o uso da IA na detecção, segmentação, classificação e interpretação de imagens médicas. Desse modo, analisamos e discutimos não apenas os benefícios da IA, como a redução de erros e a otimização do tempo de análise, mas também os desafios e limitações encontrados em sua aplicação prática. Logo, o presente trabalho reforça a importância dessa tecnologia como ferramenta de apoio ao diagnóstico por imagem, e reconhece os caminhos para futuras pesquisas e inovações na área da saúde.
Downloads
Referências
AVVAL, A. H.; BANERJEE, S.; ZIELKE, J.; KANN, B. H.; MUELLER, S.; RAUSCHECKER, A. M. Applications of artificial intelligence and advanced imaging in pediatric diffuse midline glioma. Neuro-Oncology, v. XX, n. XX, p. 1–15, 2025.
BARROS, J. A. de; GOTO, R. E.; CAPELETI, F. F.; LODI, F. R.; NOBESCHI, L. Inteligência artificial na radiologia: aplicações e impactos na ressonância magnética e tomografia computadorizada. Revista Científica Cleber Leite, [S.l.], v. 2, n. 1, p. 1–4, 2025. DOI: https://doi.org/10.48051/2965.4513reccl.v2i1.29
BUSHBERG, J. T. et al. The Essential Physics of Medical Imaging. 3. ed. Philadelphia: Lippincott Williams & Wilkins, 2012.
CÁRDENAS, C. E. et al. Clinical applications of artificial intelligence in radiology. British Journal of Radiology, v. 96, n. 1150, 20221031, 2022. DOI: https://doi.org/10.1259/bjr.20221031
ERICKSON, B. J. et al. Machine Learning for Medical Imaging. Radiographics, v. 37, n. 2, p. 505–515, 2017. DOI: https://doi.org/10.1148/rg.2017160130
GEERTRUIDA, M. et al. Promises of artificial intelligence in neuroradiology: a systematic technographic review. Neuroradiology, v. 62, n. 10, p. 1265–1278, out. 2020.
GOODFELLOW, I. et al. Generative adversarial networks. Communications of the ACM, v. 63, n. 11, p. 139–144, 2020. Republicado de NIPS 2014. DOI: https://doi.org/10.1145/3422622
GORE, J. C. Artificial intelligence in medical imaging. Magnetic Resonance Imaging, 2018. Disponível em: https://doi.org/10.1016/j.mri.2019.12.006 DOI: https://doi.org/10.1016/j.mri.2019.12.006
.
HAGE, M. C. F. N. S.; IWASAKI, M. Imagem por ressonância magnética: princípios básicos. Ciência Rural, Santa Maria, v. 39, n. 4, p. 1287–1295, jul. 2009. DOI: https://doi.org/10.1590/S0103-84782009005000041
HAMET, P.; TREMBLAY, J. Artificial intelligence in medicine. Metabolism Clinical and Experimental, v. 69, p. S36–S40, 2017. DOI: https://doi.org/10.1016/j.metabol.2017.01.011
HUANG, H. et al. Deep Learning to Simulate Contrast-Enhanced MRI for Evaluating Suspected Prostate Cancer. Radiology, v. 314, n. 1, e240118, jan. 2025. DOI: https://doi.org/10.1148/radiol.240238
JO, T. et al. Deep Learning in Neuroradiology: A Systematic Review of Current Algorithms and Approaches for the New Wave of Imaging Technology. Radiology: Artificial Intelligence, v. 2, n. 2, e190026, mar. 2020. DOI: https://doi.org/10.1148/ryai.2020190026
KHAN, A. R.; SABA, T. (Ed.). Explainable Artificial Intelligence in Medical Imaging: Fundamentals and Applications. New York: Auerbach Publications, 2025. DOI: https://doi.org/10.1201/9781032626345
KIM, J.-M.; HA, S. M. Clinical Application of Artificial Intelligence in Breast MRI. Journal of the Korean Society of Radiology, v. 86, n. 2, p. 245–258, jan. 2025. DOI: https://doi.org/10.3348/jksr.2025.0012
KOCH, K. M.; LI, W.; MORITZ, C. H. Magnetic resonance imaging: physical principles and applications. Annual Review of Biomedical Engineering, v. 23, p. 25–52, 2021.
LEE, J. H. et al. Enhancing Radiologist Productivity with Artificial Intelligence in Magnetic Resonance Imaging (MRI): A Narrative Review. Diagnostics, v. 15, n. 9, 1146, abr. 2025. DOI: https://doi.org/10.3390/diagnostics15091146
MANN, R. M. et al. Use of an Artificial Intelligence System to Improve Radiologists’ Performance in Differentiating Benign and Malignant Breast Lesions at DCE-MRI. Radiology, v. 296, n. 3, p. 521–529, set. 2020.
MENDES, K. D. S.; SILVEIRA, R. C. de C. P.; GALVÃO, C. M. Revisão integrativa: método de pesquisa para a incorporação de evidências na saúde e na enfermagem. Texto & Contexto Enfermagem, v. 17, n. 4, p. 758–764, 2008. Disponível em: https://doi.org/10.1590/S0104-07072008000400018 DOI: https://doi.org/10.1590/S0104-07072008000400018
.
MENESES, N. M. Inteligência artificial na ressonância magnética: uma revisão bibliográfica acerca das aplicações e impactos no diagnóstico por imagem. 2024. Disponível em: http://repositorio.utfpr.edu.br/jspui/handle/1/38005
.
MORAN, C. J. Editorial for “Enabling AI‐Generated Content for Gadolinium‐Free Contrast‐Enhanced Breast Magnetic Resonance Imaging”. Journal of Magnetic Resonance Imaging, v. 61, n. 3, p. 734–735, ago. 2024. DOI: https://doi.org/10.1002/jmri.29535
PEREIRA, D. F. et al. Inteligência artificial na ressonância magnética: uma revisão bibliográfica acerca das aplicações e impactos no diagnóstico por imagem. Portal eduCAPES, 2024. Disponível em: http://educapes.capes.gov.br/handle/capes/1111263
.
PINKER, K. et al. Ethical challenges of artificial intelligence in neuroradiology. Frontiers in Radiology, v. 3, 1149461, 2023.
PINKER, K.; GELL, T. Y. Ethical Challenges of Artificial Intelligence in Neuroradiology. CUNY Academic Works, 2023.
RAHMAN, M. M. Generative AI in Medical Imaging: Applications, Challenges, and Ethics. ResearchGate, ago. 2024.
Revolutionizing cardiac imaging: a scoping review of artificial intelligence in echocardiography, CTA, and cardiac MRI. Cureus, v. 17, n. 1, e71314, jan. 2025.
RUITENBEEK, H. C. et al. Artificial intelligence in musculoskeletal imaging: realistic clinical applications in the next decade. Skeletal Radiology, v. 53, n. 9, p. 1849–1868, 2024. DOI: https://doi.org/10.1007/s00256-024-04684-6
SANKAR, H. et al. Role of artificial intelligence in magnetic resonance imaging-based detection of temporomandibular joint disorder: a systematic review. British Journal of Oral and Maxillofacial Surgery, S0266-4356(24)00549-7, dez. 2024.
SHAHABEDIN, N. Medical Imaging and Computational Image Analysis in COVID-19 Diagnosis: A Review. Journal of Digital Imaging, v. 33, p. 1–13, 2020.
SHIN, H. C. et al. Deep convolutional neural networks for computer-aided detection: CNN architectures, dataset characteristics and transfer learning. IEEE Transactions on Medical Imaging, v. 35, n. 5, p. 1285–1298, 2020. DOI: https://doi.org/10.1109/TMI.2016.2528162
TRIMBLE, C. L. et al. Healthcare and Artificial Intelligence. Springer, 2019.
VAN DER VORST, J. R. et al. Promises of artificial intelligence in neuroradiology: a systematic technographic review. Neuroradiology, v. 62, n. 10, p. 1265–1278, 2020. DOI: https://doi.org/10.1007/s00234-020-02424-w
WESTBROOK, C.; TALBOT, J. MRI in Practice. 5. ed. Hoboken: Wiley-Blackwell, 2018.
WU, C. et al. A critical assessment of artificial intelligence in magnetic resonance imaging of cancer. npj Imaging, v. 3, n. 1, p. 1–12, abr. 2025. DOI: https://doi.org/10.1038/s44303-025-00076-0
YI, G. et al. GAN review: Models and medical image fusion applications. ResearchGate, out. 2025.
ZHU, W. et al. Artificial intelligence in radiology. European Journal of Nuclear Medicine and Molecular Imaging, v. 51, p. 1–4, 2024.
ZHU, Y. et al. Applications of artificial intelligence in breast MRI: a systematic review of the literature from 2008 to 2018. American Journal of Roentgenology, v. 212, n. 4, p. 933–943, 2019. Republicado em 2022.
Downloads
Publicado
Edição
Seção
Categorias
Licença
Copyright (c) 2025 Ana Beatriz Barreto Jorge, Hiago Ferrari Santos, Andressa Dalólio Valente , Nathalia Cristine Santos Messias Chiquito (Autor)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Este trabalho está licenciado sob a Licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0). Isso significa que você tem a liberdade de:
- Compartilhar — copiar e redistribuir o material em qualquer meio ou formato.
- Adaptar — remixar, transformar e construir sobre o material para qualquer propósito, inclusive comercial.
O uso deste material está condicionado à atribuição apropriada ao(s) autor(es) original(is), fornecendo um link para a licença, e indicando se foram feitas alterações. A licença não exige permissão do autor ou da editora, desde que seguidas estas condições.
A logomarca da licença Creative Commons é exibida de maneira permanente no rodapé da revista.
Os direitos autorais do manuscrito podem ser retidos pelos autores sem restrições e solicitados a qualquer momento, mesmo após a publicação na revista.
