O uso da inteligência artificial como ferramenta de diagnóstico radiológico
DOI:
https://doi.org/10.47385/tudoeciencia.966.2023Palavras-chave:
Inteligência Artificial, Radiologia, DiagnósticoResumo
A inteligência artificial está presente no cotidiano mundial, portanto, pensa-se nas aplicabilidades desta tecnologia na área da saúde. Dentre as modalidades, quando aplicada ao cenário radiológico, esta ferramenta se mostrou mais eficaz. Através de compilação de imagens, diagnósticos e prontuários eletrônicos em um banco de dados extenso, este método é capaz de guiar e auxiliar o radiologista responsável pelo diagnóstico, conferindo eficácia e segurança ao profissional e aos pacientes. Por meio deste estudo, objetiva-se evidenciar o uso da IA perante o ambiente médico e principalmente na radiologia como guia na realização de diagnósticos. Além disso, será apresentado o impacto que este instrumento apresentou neste âmbito. Foi realizada uma revisão bibliográfica narrativa, com artigos datados de 2017 a 2023, dentre esses, foram selecionados 11 artigos que melhor abordam o tema. A IA diante o cenário da clínica cardiológica, auxilia no diagnóstico precoce de doenças cardíacas, como disfunção de câmaras cardíacas, aterosclerose coronariana, cardiomiopatias e patologias valvares. A IA possui um papel fundamental na aprimoração dos exames de radiografia e tomografia do sistema pulmonar, o que contribui para a otimização do tempo de diagnóstico e para diminuição das taxas de erros. Ademais, durante a pandemia da covid-19, métodos utilizados pelo algoritmo analítico colaboraram diretamente na quantificação e estratificação de lesões pulmonares durante o exame de imagem torácica. A IA desempenha papel crucial em todas as etapas da mamografia e tomossíntese mamária (DBT), abrangendo desde geração de imagens até previsão de riscos, detecção de câncer, terapia e prognóstico. Contudo, deve ser enfatizado que esta tecnologia não é capaz de substituir o radiologista, ela apenas auxilia estes profissionais a efetuar diagnósticos mais precisos e seguros. Portanto, modelos de aplicação da IA na formação médica devem ser cada vez mais encorajados, dado os resultados expostos por esta revisão.
Downloads
Referências
ATHER, S.; KADIR, T.; GLEESON, F. Artificial intelligence and radiomics in pulmonary nodule management: current status and future applications. Clinical Radiology, v. 75, n. 1, jun. 2019. Disponível em: <https://doi.org/10.1016/j.crad.2019.04.017>. Acesso em: 28 ago. 2023.
CHEN, H.-Y. et al. Artificial intelligence: Emerging player in the diagnosis and treatment of digestive disease. World Journal of Gastroenterology, v. 28, n. 20, p. 2152–2162, 28 maio 2022. Disponível em: <http://dx.doi.org/10.3748/wjg.v28.i20.2152>. Acesso em: 27 ago. 2023.
GERAS, K. J.; MANN, R. M.; MOY, L. Artificial Intelligence for Mammography and Digital Breast Tomosynthesis: Current Concepts and Future Perspectives. Radiology, v. 293, n. 2, p. 246–259, nov. 2019. Disponível em: <https://doi.org/10.1148/radiol.2019182627>. Acesso em: 28 ago. 2023.
MORAIS, T. C. et al. Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial. Arquivos Brasileiros de Cardiologia, v. 116, p. 1091–1098, 14 jun. 2021. Disponível em: <https://doi.org/10.36660/abc.20190329>. Acesso em: 29 ago. 2023.
LOBO, L. C. Inteligência Artificial e Medicina. Revista Brasileira de Educação Médica, v. 41, n. 2, p. 185–193, jun. 2017. Disponível em: <http://dx.doi.org/10.1590/1981-52712015v41n2esp>. Acesso em: 28 ago. 2023.
SANTOS, M. K. et al. Artificial intelligence, machine learning, computer-aided diagnosis, and radiomics: advances in imaging towards to precision medicine. Radiologia Brasileira, v. 52, n. 6, p. 387–396, 1 dez. 2019. Disponível em: <http://dx.doi.org/10.1590/0100-3984.2019.0049>. Acesso em: 29 ago. 2023.
SHEN, Y.-T. et al. Artificial intelligence in ultrasound. European Journal of Radiology, v. 139, p. 109717, 1 jun. 2021. Disponível em: <https://doi.org/10.1016/j.ejrad.2021.109717>. Acesso em: 29 ago. 2023.
SUTTON, R. T. et al. Artificial intelligence enabled automated diagnosis and grading of ulcerative colitis endoscopy images. Scientific reports. v. 12, n. 1, 17 fev. 2022. Disponível em: <https://doi.org/10.1038/s41598-022-06726-2>. Acesso em: 28 ago. 2023.
YASMIN, F. et al. Artificial intelligence in the diagnosis and detection of heart failure: the past, present, and future. Reviews in Cardiovascular Medicine, v. 22, n. 4, p. 1095, 2021. Disponível em: <https://doi.org/10.31083/j.rcm2204121>. Acesso em: 28 ago. 2023.
ZHOU, L. Q. et al. Artificial intelligence in medical imaging of the liver. World Journal of Gastroenterology, v. 25, n. 6, p. 672–682, 14 fev. 2019. Disponível em: <http://dx.doi.org/10.3748/wjg.v25.i6.672>. Acesso em: 29 ago. 2023.
ZHOU, J. et al. Artificial intelligence in echocardiography: detection, functional evaluation, and disease diagnosis. Cardiovascular Ultrasound, v. 19, n. 1, 20 ago. 2021. Disponível em: <https://doi.org/10.1186/s12947-021-00261-2>. Acesso em: 28 ago. 2023.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Congresso Brasileiro de Ciências e Saberes Multidisciplinares
![Creative Commons License](http://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png)
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.