A transição da nutrição enteral ou parenteral (TNEP) para a alimentação oral (TAO) constitui uma etapa crítica no cuidado nutricional hospitalar, especialmente em pacientes com risco de disfagia. Decisões inadequadas podem resultar em aspiração, pneumonia, desnutrição e prolongamento no tempo de internação. Evidências apontam que a avaliação humana apresenta variabilidade e subjetividade, enquanto técnicas de Inteligência Artificial (IA), como redes neurais, análise automatizada de videofluoroscopia (VFSS) e endoscopia (FEES), além de métodos não invasivos como análise vocal, oferecem maior precisão diagnóstica e podem apoiar decisões mais seguras durante a TAO. Esta revisão narrativa sistematizou evidências científicas publicadas entre 2020 e 2025, localizadas na base PubMed, utilizando os descritores “Nutritional transition”, “Artificial Intelligence” e “Object detection algorithms”, além de diretrizes relacionadas à TNEP. Os estudos foram organizados em dois eixos temáticos: (1) IA em Nutrição e Saúde e (2) IA aplicada à Disfagia e Transição para Alimentação Oral. Foram incluídos 22 estudos. Na avaliação da deglutição, modelos de IA alcançaram alta acurácia para detectar penetração e aspiração em VFSS e FEES, com algoritmos chegando a 97,2% de precisão. Métodos não invasivos baseados em voz também mostraram potencial para monitoramento remoto. Modelos preditivos clínicos apoiaram a decisão sobre o momento mais seguro para a reintrodução da via oral. Conclui-se que a IA pode reduzir a subjetividade, ampliar a precisão diagnóstica e aumentar a segurança da TAO. Entretanto, sua implementação exige validação multicêntrica, bases de dados amplas e protocolos clínicos padronizados.

Palavras-Chave: