Este estudo teve como objetivo analisar as contribuições da integração entre estatística e inteligência artificial para a análise de dados, a construção de modelos preditivos e o apoio à tomada de decisão clínica em saúde. Trata-se de uma revisão integrativa da literatura, estruturada com base na estratégia SPIDER e nas recomendações do PRISMA, com buscas realizadas nas bases SciELO, Web of Science, LILACS e PubMed, mediante o uso dos operadores booleanos AND, OR e NOT. Foram incluídos artigos científicos publicados em língua portuguesa entre 2020 e 2025, relacionados à aplicação da estatística, inteligência artificial, aprendizado de máquina, análise de dados, predição e suporte à decisão em saúde, resultando em uma amostra final de 13 estudos. Os resultados evidenciaram que a associação entre métodos estatísticos e técnicas de inteligência artificial apresenta ampla aplicabilidade em diferentes contextos, incluindo diagnóstico, prognóstico, estratificação de riscos, predição de mortalidade, identificação precoce de deterioração clínica, vigilância epidemiológica, planejamento de recursos e organização dos serviços. Observou-se que algoritmos como Random Forest, árvores de decisão, redes neurais e regressão logística podem apresentar desempenho relevante na identificação de padrões e previsão de desfechos, embora sua efetividade dependa da qualidade dos dados, da validação dos modelos, da representatividade das amostras e da adequada interpretação dos resultados. Conclui-se que a inteligência artificial, quando integrada a fundamentos estatísticos sólidos e ao julgamento profissional, pode contribuir significativamente para decisões mais precisas, seguras, eficientes e baseadas em evidências no campo da saúde.