O Papel da Inteligência Artificial como Ferramenta Diagnóstica na Medicina: Uma Revisão Sistemática
DOI:
https://doi.org/10.36557/2674-8169.2024v6n9p3308-3319Palavras-chave:
Inteligência artificial, diagnóstico médico, aprendizado de máquina, imagens médicas, revisão sistemática.Resumo
A inteligência artificial (IA) tem se consolidado como uma tecnologia inovadora com impacto crescente na medicina moderna, particularmente no diagnóstico. Este estudo realiza uma revisão sistemática da literatura sobre o uso da IA como ferramenta diagnóstica na medicina, abordando suas principais aplicações, benefícios, desafios e perspectivas futuras. Foram selecionados 38 estudos de uma busca inicial de 1.243 artigos, abrangendo desde 2014 até 2024. Os resultados mostram que a IA tem potencial significativo para melhorar a precisão e a eficiência dos diagnósticos médicos, especialmente em imagens médicas, como radiografias, tomografias computadorizadas e ressonâncias magnéticas. Estudos revelam que algoritmos de IA podem superar ou igualar o desempenho de especialistas humanos em várias especialidades, proporcionando diagnósticos mais rápidos e precisos. No entanto, a adoção da IA enfrenta desafios, incluindo preocupações com a privacidade de dados, interoperabilidade dos sistemas e viés algorítmico. Além disso, são necessárias regulamentações claras e mudanças na prática clínica para garantir uma integração eficaz da IA. Este estudo conclui que, apesar dos desafios, a IA tem um potencial transformador na prática diagnóstica, mas requer uma abordagem cuidadosa para maximizar seus benefícios e minimizar riscos.
Downloads
Referências
BELEZA, S. et al. The timing of pigmentation lightening in Europeans. Molecular Biology and Evolution, v. 30, n. 1, p. 24-35, 2013. Disponível em: https://doi.org/10.1093/molbev/mss207.
BRADFORD, P. T. Skin cancer in skin of color. Dermatology Nursing, v. 21, n. 4, p. 170-177, 2009.
CURRIE, G.; HAWK, K. E.; ROHREN, E.; VIAL, A.; KLEIN, R. Machine learning and deep learning in medical imaging: intelligent imaging. Journal of Medical Imaging and Radiation Sciences, v. 50, n. 4, p. 477-487, 2019. Disponível em: https://doi.org/10.1016/j.jmir.2019.09.005.
ESTEVA, A. et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature, v. 542, n. 7639, p. 115-118, 2017. Disponível em: https://cs.stanford.edu/people/esteva/home/assets/nature_skincancer.pdf.
HOSNY, A. et al. Artificial intelligence in radiology. Nature Reviews Cancer, v. 18, n. 8, p. 500-510, 2018. Disponível em: https://doi.org/10.1038/s41568-018-0016-5.
HOGARTY, D. T. et al. Artificial intelligence in dermatology-where we are and the way to the future: a review. American Journal of Clinical Dermatology, v. 21, n. 1, p. 41-47, 2020. Disponível em: https://doi.org/10.1007/s40257-019-00462-6.
JONES, O. T. et al. Recognising skin Cancer in primary care. Advances in Therapy, v. 37, n. 1, p. 603-616, 2020. Disponível em: https://doi.org/10.1007/s12325-019-01130-1.
LEITER, U.; EIGENTLER, T.; GARBE, C. Epidemiology of skin cancer. Advances in Experimental Medicine and Biology, v. 810, p. 120-140, 2014. Disponível em: https://doi.org/10.1007/978-1-4939-0437-2_7.
RAJKOMAR, A.; DEAN, J.; KOHANE, I. Machine learning in medicine. New England Journal of Medicine, v. 380, n. 14, p. 1347-1358, 2019. Disponível em: https://doi.org/10.1056/NEJMra1814259.
TRAN, W. T. et al. Personalized breast cancer treatments using artificial intelligence in Radiomics and Pathomics. Journal of Medical Imaging and Radiation Sciences, v. 50, n. 4 Suppl 2, p. S32-S41, 2019. Disponível em: https://doi.org/10.1016/j.jmir.2019.07.010.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 José Lucas Moura Vasconcelos, Pedro Henrique de Oliveira Rodrigues , Ana Paula Vieira Passos, Ana Clara Vilela Viana, Geisa Carla de Almeida Miranda, Natália Bianca Sacramento da Silva, Nathan Oliveira Santos Rios, Yuri José Carvalho Ferreira de Araújo, Darah Calmon de Morais Cerqueira, Wênia Maria de Lima Gaya, Edna Souza dos Santos, Caio Vinicius Pereira Barreto, Hellen Barbosa Campos, Gildenei Oliveira Macedo Junior , Larhyssa Marcelina da Rocha, José Daniel Lopes Alves, Carlos Ícaro Oliveira da Silva, Nicolas Silva Macedo, Yohana de Siqueira Queiroz, Anna Izabella de Oliveira Moura, Ana Paula Gonçalves Ramacciotti
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Os autores são detentores dos direitos autorais mediante uma licença CCBY 4.0.
