RESUMO
Introdução: A inteligência artificial (IA) tem revolucionado a área da saúde ao possibilitar avanços significativos em diagnóstico e tratamento. Na audiologia, a timpanometria, que avalia a função da orelha média, é essencial para identificar condições como otite média e disfunção da tuba auditiva. Contudo, limitações nos métodos convencionais, como interpretação subjetiva e variabilidade humana, apontam para a necessidade de soluções mais precisas. Este estudo visa explorar como a IA pode contribuir para o aprimoramento da timpanometria. Objetivo: Investigar como a aplicação de IA pode melhorar a precisão, a acessibilidade e a eficácia da timpanometria na identificação e classificação de patologias da orelha média. Metodologia: Uma revisão de escopo foi realizada seguindo o protocolo PRISMA-ScR 2018 para responder à pergunta: “Como a IA pode contribuir na timpanometria?”. A busca utilizou os descritores, conforme especificado no DeCS/MeSH, ("Artificial Intelligence" OR "Machine Learning") AND ("Acoustic Impedance Tests"), abrangendo artigos publicados entre 2014 e 2024, em inglês e português, com acesso aberto. As bases de dados pesquisadas foram PubMed e Biblioteca Virtual em Saúde (BVS). Em ambas, os mesmos descritores foram utilizados para manter a uniformidade. Dois artigos relevantes foram selecionados. Resultados: Os artigos analisados demonstraram avanços promissores com o uso da IA na timpanometria. O primeiro estudo desenvolveu algoritmos de aprendizado de máquina para classificar dados de absorção de energia em diferentes frequências, permitindo a identificação automática de regiões-chave em traçados timpanométricos. O modelo atingiu uma precisão de até 82% ao classificar orelhas normais e com otite média com efusão, reduzindo erros e otimizando o diagnóstico. O segundo estudo utilizou um modelo híbrido de aprendizado profundo para classificar traçados timpanométricos em tipos A (normal), B (efusão/perfuração) e C (retração), alcançando sensibilidade de 95,2% e especificidade de 92,3% para dados coletados por leigos. Esse modelo também demonstrou superioridade em relação a classificadores tradicionais, destacando-se por sua aplicabilidade em comunidades com recursos limitados. Ambos os estudos enfatizaram a redução do tempo de análise e o aumento da confiabilidade dos resultados. Conclusões: Os resultados apontam que a IA tem o potencial de transformar a timpanometria, melhorando a acessibilidade e a precisão diagnóstica. Além disso, a possibilidade de utilização por profissionais não especializados torna a tecnologia uma alternativa viável para triagens em comunidades com difícil acesso à saúde. No entanto, ainda são necessárias pesquisas adicionais para validar os modelos em maior escala e integrar sistemas de IA no ambiente clínico. A aplicação de IA na timpanometria representa um passo importante para a modernização da prática audiológica e para a ampliação do acesso a cuidados auditivos de qualidade.