Abstract
<jats:p>A incorporação da Inteligência Artificial (IA) no diagnóstico em saúde representa uma transformação qualitativa na prática clínica, distinta de todas as inovações tecnológicas anteriores pela capacidade de analisar, interpretar e gerar inferências a partir de grandes volumes de dados. O capítulo examina essa transformação a partir de suas raízes históricas, percorrendo os paradigmas que moldaram o diagnóstico desde a medicina hipocrática, com seu saber empírico e centrado na narrativa do paciente, até a era digital, passando pela medicina anatomo-clínica, pelo advento da tecnologia diagnóstica e pela consolidação da Medicina Baseada em Evidências. Em seguida, apresenta os fundamentos técnicos das principais abordagens de IA, incluindo aprendizado de máquina, aprendizado profundo, processamento de linguagem natural e integração de Big Data, discutindo como cada uma dessas abordagens opera e quais são suas capacidades e limitações específicas no contexto clínico. O capítulo analisa as implicações dessa incorporação para a própria natureza do diagnóstico, que passa de um ato interpretativo pontual para um processo probabilístico e contínuo, explicitando a incerteza inerente à prática clínica e reconfigurando a dinâmica de autoridade entre profissional e sistema. São examinados fenômenos como a opacidade algorítmica, os vieses sistemáticos decorrentes de dados históricos não representativos, a tensão entre a singularidade do paciente e a lógica generalizante dos algoritmos, e o risco de viés de automação na tomada de decisão. As aplicações contemporâneas da IA são discutidas em seus contextos mais relevantes, incluindo o diagnóstico por imagem, a prática odontológica e os sistemas de apoio à decisão clínica, com atenção tanto ao desempenho demonstrado na literatura quanto às limitações que impedem a transposição direta dos resultados de pesquisa para o mundo real. O capítulo aborda ainda as dimensões éticas da IA no diagnóstico, tratando de princípios como autonomia, equidade e responsabilização, bem como os desafios regulatórios impostos pela natureza adaptativa desses sistemas, e discute as implicações para a formação profissional em saúde, argumentando que preparar o profissional contemporâneo exige integrar fundamentos tecnológicos ao raciocínio clínico, sem substituir as competências humanas que os algoritmos ainda não conseguem reproduzir. Conclui-se que o futuro do diagnóstico depende da construção deliberada de uma parceria entre humano e algoritmo que preserve a capacidade analítica da IA e o julgamento contextual, ético e humano do profissional de saúde, com responsabilidades compartilhadas entre quem desenvolve, regula, forma e cuida.</jats:p>