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. DOI: https://doi.org/10.1016/j.crad.2019.04.017
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. DOI: https://doi.org/10.3748/wjg.v28.i20.2152
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. DOI: https://doi.org/10.1148/radiol.2019182627
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. DOI: https://doi.org/10.36660/abc.20190329
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. DOI: https://doi.org/10.1590/1981-52712015v41n2esp
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. DOI: https://doi.org/10.1590/0100-3984.2019.0049
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. DOI: https://doi.org/10.1016/j.ejrad.2021.109717
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. DOI: https://doi.org/10.1038/s41598-022-06726-2
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. DOI: https://doi.org/10.31083/j.rcm2204121
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. DOI: https://doi.org/10.3748/wjg.v25.i6.672
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. DOI: https://doi.org/10.1186/s12947-021-00261-2
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Congresso Brasileiro de Ciências e Saberes Multidisciplinares

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