O Uso da Inteligência Artificial (IA) como mecanismo analisador de imagens de ressonância magnética cardíaca para detectar inflamações e cicatrizes no músculo cardíaco: Uma revisão Sistemática
PDF

Palavras-chave

Inteligência Artificial
Ressonância Magnética
Cicatriz no Músculo Cardíac

Como Citar

Voltolini, E., Dossena, C., Nantes Fontoura Teofilo, R., Ferreira da Silva , E., Jorge Brandolim , M., Henrique do Prado Gonçalves, G., Gabriel Monteiro Pereira, C., Sanches Furlan , L., Barbosa Lopes, A. B., Condé Fernandes , E., Parreira Menegassi , I. R., Malachias de Andrade Bergamo , F., Macedo Nunes , I., Bezerra Cavalcante, J., & Boing Voltolini , C. (2024). O Uso da Inteligência Artificial (IA) como mecanismo analisador de imagens de ressonância magnética cardíaca para detectar inflamações e cicatrizes no músculo cardíaco: Uma revisão Sistemática. Brazilian Journal of Implantology and Health Sciences, 6(10), 664–676. https://doi.org/10.36557/2674-8169.2024v6n10p664-676

Resumo

INTRODUÇÃO: A ressonância magnética cardíaca (RMC) é uma técnica de imagem não invasiva que permite uma avaliação detalhada da estrutura e função do coração, sendo útil na identificação de condições como miocardite e cardiomiopatias. A aplicação da Inteligência Artificial (IA) na análise dessas imagens promete aumentar a precisão diagnóstica e a eficiência no manejo clínico, pois algoritmos de aprendizado de máquina podem identificar padrões sutis que podem passar despercebidos por observadores humanos. OBJETIVO: O objetivo principal desta revisão é avaliar a eficácia da Inteligência Artificial (IA) na análise de imagens de Ressonância Magnética Cardíaca (RMC). METODOLOGIA: Este artigo de revisão sistemática, estruturado conforme as diretrizes PRISMA, visa identificar, avaliar e sintetizar evidências sobre o uso da Inteligência Artificial (IA) na análise de imagens de ressonância magnética cardíaca (RMC) para detectar inflamações e cicatrizes no músculo cardíaco. A revisão abrangeu várias etapas, incluindo a definição da questão de pesquisa, seleção de estudos, extração de dados e análise crítica dos resultados. A análise dos dados focou na identificação de padrões e temas recorrentes, e a qualidade metodológica dos estudos foi avaliada utilizando ferramentas como AMSTAR e a Escala Newcastle-Ottawa. RESULTADOS: A revisão sistemática mostrou que algoritmos de IA, especialmente redes neurais convolucionais (CNNs), melhoram significativamente a precisão diagnóstica em comparação com a análise convencional. A IA pode alcançar taxas de sensibilidade e especificidade superiores a 90% na detecção de inflamações e cicatrizes no miocárdio. A implementação da IA na análise de RMC tem o potencial de transformar o manejo clínico de pacientes com doenças cardíacas, permitindo intervenções mais rápidas e direcionadas. CONCLUSÃO: A revisão sistemática mostrou que a aplicação da Inteligência Artificial (IA) na análise de imagens de ressonância magnética cardíaca (RMC) melhora significativamente a detecção de inflamações e cicatrizes no miocárdio. Algoritmos de aprendizado de máquina, especialmente redes neurais convolucionais, demonstraram maior eficácia em comparação com a análise convencional por radiologistas, permitindo intervenções mais rápidas e eficazes.

https://doi.org/10.36557/2674-8169.2024v6n10p664-676
PDF

Referências

NATIONAL CENTER FOR BIOTECHNOLOGY INFORMATION. A miocardite aguda pode mimetizar IAM com dor. PubMed Central, 2024. Disponível em: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9352123/#:~:text=A miocardite aguda pode mimetizar IAM com dor. Acesso em: 03 out. 2024.

PRAÇA et al. Inibidores de SGLT2 no tratamento da Insuficiência Cardíaca. Revista Brasileira de Revisão em Saúde, 2023. doi:10.34119/bjhrv6n3-102.

LIMA, Papel da inteligência artificial na predição de eventos cardíacos. Revista Brasileira de Implantologia e Ciências da Saúde, 2024. doi:10.36557/2674-8169.2024v6n2p2213-2229.

HEIMBECK, Novas terapias para cardiomiopatia hipertrófica: uma revisão integrativa. Revista Brasileira de Pesquisa em Saúde/Brazilian Journal of Health Research, 2024. doi:10.47456/rbps.v26isupl_1.44403.

BRAGA, A. Doença cardíaca isquêmica: aspectos epidemiológicos, fisiopatológicos e manejo terapêutico. Brazilian Journal of Health Review, v. 6, n. 3, p. 13172-13188, 2023. doi:10.34119/bjhrv6n3-372.

MARTINS, Avanços em inteligência artificial em cardiologia: uma revisão abrangente. Revista Ibero-Americana de Humanidades Ciências e Educação, 2024. doi:10.51891/rease.v10i4.13643.

NEVES, Usos da inteligência artificial na cardiologia: uma revisão da literatura. Brazilian Journal of Health Review, 2023. doi:10.34119/bjhrv6n6-267.

CHIAVENATO et al. Ressonância Magnética Cardíaca como Ferramenta Diagnóstica Etiológica em Pacientes Recuperados de Morte Súbita Cardíaca ou Arritmias Ventriculares Instáveis. Arquivos Brasileiros de Cardiologia, 2023. doi:10.36660/abc.20220411.

MONTEIRO, Miocardite associada ao COVID-19: abordagens patogênicas e diagnósticas emergentes. Revista Brasileira de Implantologia e Ciências da Saúde, 2024. doi:10.36557/2674-8169.2024v6n6p613-624.

SOARES et al. O uso da inteligência artificial na medicina: aplicações e benefícios. Research Society and Development, 2023. doi:10.33448/rsd-v12i4.40856.

LINO, Paraganglioma do corpo carotídeo: um relato de caso. Brazilian Journal of Health Review, 2023. doi:10.34119/bjhrv6n6-361.

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Copyright (c) 2024 Eder Voltolini, Carolina Dossena, Rhuan Nantes Fontoura Teofilo, Eliézer Ferreira da Silva , Maycon Jorge Brandolim , Gabriel Henrique do Prado Gonçalves, Carlos Gabriel Monteiro Pereira, Leonardo Sanches Furlan , Ana Beatriz Barbosa Lopes, Euller Condé Fernandes , Ingridy Rhaiany Parreira Menegassi , Fernando Malachias de Andrade Bergamo , Isadora Macedo Nunes , Joselita Bezerra Cavalcante, Cleidi Boing Voltolini