Este whitepaper da Arkangel AI revisa o que a IA consegue fazer hoje em pneumologia e saúde respiratória, o que ainda não pode prometer, e propõe uma agenda de validação para a América Latina. É uma síntese narrativa rápida de 27 fontes, obtidas por buscas no PubMed/MEDLINE, Crossref, OMS, OPAS e SciELO realizadas em 22 de julho de 2026, que cobre seis domínios: imagem torácica e nódulos, rastreamento de tuberculose, função pulmonar e doenças obstrutivas, doença pulmonar intersticial, sono e procedimentos, e predição e monitoramento. Cada domínio é classificado da discriminação retrospectiva até a implementação de rotina.
A evidência mais sólida é a da radiografia e da tomografia de tórax. Em um ensaio randomizado com 323 pacientes de ambulatórios respiratórios, a assistência de IA elevou a AUC por radiografia de médicos não radiologistas de 0.718 para 0.840, mas as decisões clínicas não mudaram de forma significativa. No Brasil, uma validação retrospectiva relatou AUC internas de 0.94 para anormalidade pulmonar e tuberculose, e um estudo de rastreamento de câncer de pulmão com 779 tomografias relatou 92.5% de sensibilidade e 97.8% de valor preditivo negativo, junto com 78.5% de especificidade, 50% de valor preditivo positivo e nódulos não detectados. A OMS endossa a detecção de TB assistida por computador em radiografias de tórax para pessoas de 15 anos ou mais, mas um estudo pediátrico brasileiro encontrou sensibilidade de 52% frente à confirmação microbiológica. Em DPOC, asma, doença intersticial, apneia do sono e predição de eventos predominam os estudos retrospectivos, e a evidência latino-americana direta foi escassa e concentrada no Brasil. O documento é um whitepaper, não revisado por pares nem uma revisão sistemática; todos os autores são vinculados à Arkangel AI, e a evidência citada não avalia produtos da Arkangel.
