Palavras-chave
Como Citar
Resumo
A Inteligência Artificial (IA) desempenha um papel crucial na predição de eventos cardíacos, oferecendo avançadas ferramentas analíticas para avaliar dados médicos. Ao processar grandes conjuntos de informações, a IA identifica padrões sutis, permitindo uma detecção precoce de potenciais riscos cardíacos. Esta abordagem inovadora não apenas aprimora a precisão diagnóstica, mas também contribui para intervenções preventivas mais eficazes, promovendo uma gestão proativa da saúde cardiovascular. Objetivos: Explorar o papel crucial desempenhado pela inteligência artificial na predição de eventos cardíacos. Materiais e Métodos: A coleta de dados foi conduzida por meio dos bancos de dados: Base de Dados em Enfermagem (BDENF), Scientific Electronic Library Online (SCIELO), PubMed, Literatura Latino-Americana do Caribe em Ciências da Saúde (LILACS). Foram consultados diversos tipos de publicações, incluindo artigos científicos, monografias e revistas, com o objetivo de obter informações relevantes sobre o tema. Resultados e Discussões: A eficácia da Inteligência Artificial na predição de eventos cardíacos, evidenciando taxas de acertos notáveis e uma capacidade de identificar padrões complexos nos dados médicos. Essa abordagem oferece uma perspectiva promissora para melhorar a prevenção e o gerenciamento de condições cardíacas. Na discussão, é relevante considerar desafios potenciais, como a interpretação clínica dos resultados e a necessidade contínua de validação em larga escala. A integração da IA na prática clínica sugere avanços significativos, mas questões éticas e regulatórias também merecem atenção para garantir a implementação responsável dessa tecnologia. Conclusão: Em resumo, a utilização da Inteligência Artificial na predição de eventos cardíacos demonstra promissora eficácia, proporcionando insights valiosos para a prática médica. Embora os resultados sejam encorajadores, é imperativo continuar refinando e validando essas abordagens, considerando cuidadosamente os aspectos éticos e regulatórios. O potencial impacto positivo da IA na saúde cardiovascular é evidente, apontando para uma evolução significativa na prevenção e no tratamento de condições cardíacas.
Referências
Abrahams M, Matusheski NV. Personalised nutrition technologies: a new paradigm for dietetic practice and training in a digital transformation era. J Hum Nutr Diet; v.33, n.3, p.295–8, 2020.
Alanazi HO, Abdullah AH, Qureshi KN. A Critical Review for Developing Accurate and Dynamic Predictive Models Using Machine Learning Methods in Medicine and Health Care. J Med Syst; v.41, n.4, p.69, 2017.
Aleman R, Patel S, Sleiman J, Navia J, Sheffield C, Brozzi NA. Cardiogenic shock and machine learning: A systematic review on prediction through clinical decision support softwares. J Card Surg; v.36, n.11, p.4153–9, 2021.
ARNETT, D. K et., al. Guideline on the Primary Prevention of Cardiovascular Disease: Executive Summary: A Report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines. Jornal do Colégio Americano de Cardiologia, v. 74, n. 10, p. 1376-1414, 2019.
BOULETREAU, P. et al. Artificial Intelligence: Applications in Orthognathic Surgery. J Stomatol Oral Maxillofac Surg, v. 120, n. 4, p. 347-354, 2019.
Demner-Fushman D, Chapman WW, McDonald CJ. What can natural language processing do for clinical decision support? J Biomed Inform; v.42, n.5, p.760–72,2009.
Dunjko V, Briegel HJ. Machine learning & artificial intelligence in the quantum domain: A review of recent progress. Reports Prog Phys.; v.81, n.7, p. 87, 2018.
FREIRE, A. K. D. S.; ALVES, N. C. C.; SANTIAGO, E. J. P.; TAVARES, A. S.; TEIXEIRA, D. D. S.; CARVALHO, I. A. et al. Panorama no Brasil das doenças cardiovasculares dos últimos quatorze anos na perspectiva da promoção à saúde. Revista Saúde e Desenvolvimento, v. 11, n. 9, p. 21-44, 2017.
Jiang B, Guo N, Ge Y, Zhang L, Oudkerk M, Xie X. Development and application of artificial intelligence in cardiac imaging. Br J Radiol; v.93, n. 11, p. 1113, 2020.
Johnson KW, Soto JT, Glicksberg BS, Shameer K, Miotto R, Ali M, et al. Artificial Intelligence in Cardiology. J Am Coll Cardiol.;v.71, n.23, p.2668-79, 2018.
LIMA, M. Perspectivismo maquínico à luz dos ecossistemas comunicacionais. Revista Eletrônica Mutações, v. 9, n. 16, abril 2018.
LOPES, Rita Simone et al. INTELIGÊNCIA ARTIFICIAL EM CARDIOLOGIA - ESTADO DA ARTE E PERSPECTIVAS FUTURAS. Rev Soc Cardiol Estado de São Paulo, [S. l.], v. 32, n. 1, p. 80-84, 2 maio 2022.
NEVES, Ana Bela Alcântara et al. Usos da inteligência artificial na cardiologia: uma revisão da literatura. Brazilian Journal of Health Review, [S. l.], v. 6, n. 9, p. 30053-30069, 24 nov. 2023.
Price, WN. Big data and black-box medical algorithms. Sci Transl Med.;v.10, n.4, p.71, 2018.
SANT’ANNA, R. M.; CAMACHO, A. C. L. F.; SOUZA, V. M. F.; MENEZES, H. F.; SILVA, R. P. Tecnologias educacionais no cuidado à pacientes com doenças cardiovasculares. Rev Recien., v. 12, n. 37, p. 163- 175, 2022.
SANTOS, M. K. et al. Artificial intelligence, machine learning, computer-aided and radiomatic diagnostics: advances in image for precision medicine. Radiol. Bras, v. 52, n. 6, nov./ dez. 2019.
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Copyright (c) 2024 Maria Alessamia Nunes Lima , Arlete Freitas Ferreira, Maria Eduarda Castro Aguiar Gomes de Lima, Yasmin Caroline Sales Retto, Anny Catarina Alfaia Nogueira, Suzana Brito Bernardino , Salete Martens Aurélio, Clarissa Azevedo Sá, Matheus Cuvello Motta, Sabrina de Vasconcelos Noroes, Thaís Moura Fernandes Coimbra, Izabel Cecília Maia Bezerra