O IMPACTO DA INTELIGÊNCIA ARTIFICIAL NA INTERPRETAÇÃO DE EXAMES DE IMAGEM E NA PRÁTICA CLÍNICA RADIOLÓGICA

Autores

  • Jéssica Amaral Guimarães Jucá UNINORTE
  • Ana Caroline Mascarenhas de Almeida UNIRV
  • Daniele Conceição dos Santos Universidade Veiga de Almeida image/svg+xml
  • Elton John Nunes de Araújo UNIRV
  • Lívia Arroyo Moreira UNINORTE
  • Matheus da Silva Tessinari UNINORTE
  • Maura Cavalcante de Assis Farias UNINORTE
  • Sabrina Costa Carrizo da Silveira Azevedo Universidade Veiga de Almeida image/svg+xml
  • Antonio Jorge Ferreira Knupp ULBRA

DOI:

https://doi.org/10.51891/rease.v10i10.16393

Palavras-chave:

Aprendizado de Máquina Supervisionado. Diagnóstico por Imagem. Inteligência Artificial. Padrões de Prática Médica. Radiologia.

Resumo

Introdução: Nos últimos anos, a inteligência artificial (IA) tem emergido como uma tecnologia de grande impacto na medicina, especialmente na radiologia. O desenvolvimento de algoritmos de aprendizado tem proporcionado avanços significativos na interpretação de imagens médicas, resultando em análises mais precisas e eficientes. Esses progressos estão transformando a prática clínica radiológica, melhorando a precisão diagnóstica e facilitando a detecção precoce de doenças. Objetivo: O objetivo deste estudo é avaliar criticamente o impacto da IA na radiologia, considerando aspectos como sua eficácia no diagnóstico, a otimização dos fluxos de trabalho em ambientes clínicos e os desafios éticos e práticos relacionados à sua implementação. Método: Realizou-se uma revisão sistemática da literatura em bases de dados como PubMed e Scopus, abrangendo estudos entre 2019 e 2024, com critérios rigorosos de inclusão e exclusão. Resultados: Os resultados indicam que a IA tem demonstrado um impacto positivo, melhorando a precisão diagnóstica em modalidades radiológicas como tomografia, ressonância magnética e radiografias. Além disso, contribui para a otimização dos fluxos de trabalho ao reduzir o tempo de análise e facilitar a triagem de casos complexos. Contudo, ainda existem desafios consideráveis, como vieses nos conjuntos de dados utilizados para treinar os algoritmos e a falta de transparência em seus processos decisórios, o que pode gerar desconfiança e limitar sua ampla adoção. Conclusão: A IA tem potencial para revolucionar a radiologia, aumentando a eficiência e precisão diagnóstica. No entanto, melhorias na representatividade dos dados e na regulamentação são essenciais para garantir sua implementação segura e eficaz na prática clínica.

1318 1006

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Jéssica Amaral Guimarães Jucá, UNINORTE

    Graduanda em medicina. Centro universitário UNINORTE.

  • Ana Caroline Mascarenhas de Almeida, UNIRV

    Graduanda em Medicina. Universidade de Rio Verde (UNIRV).

  • Daniele Conceição dos Santos, Universidade Veiga de Almeida

    Graduanda em medicina. Universidade Veiga de Almeida.

  • Elton John Nunes de Araújo, UNIRV

    Graduando em Medicina. Universidade de Rio Verde (UNIRV).

  • Lívia Arroyo Moreira, UNINORTE

    Graduanda em Medicina. Centro universitário UNINORTE.

  • Matheus da Silva Tessinari, UNINORTE

    Graduando em medicina. Centro universitário UNINORTE.

  • Maura Cavalcante de Assis Farias, UNINORTE

    Graduando em medicina. Centro universitário UNINORTE.

  • Sabrina Costa Carrizo da Silveira Azevedo, Universidade Veiga de Almeida

    Graduando em Medicina. Universidade Veiga de Almeida (UVA).

  • Antonio Jorge Ferreira Knupp, ULBRA

    Mestre em Educação Universidade Luterana do Brasil (ULBRA), Graduado em Biomedicina Universidade Estácio de Sá (UNESA).

Downloads

Publicado

2024-11-01

Como Citar

Jucá, J. A. G., Almeida, A. C. M. de, Santos, D. C. dos, Araújo, E. J. N. de, Moreira, L. A., Tessinari, M. da S., Farias, M. C. de A., Azevedo, S. C. C. da S., & Knupp, A. J. F. (2024). O IMPACTO DA INTELIGÊNCIA ARTIFICIAL NA INTERPRETAÇÃO DE EXAMES DE IMAGEM E NA PRÁTICA CLÍNICA RADIOLÓGICA. Revista Ibero-Americana de Humanidades, Ciências e Educação, 10(11), 72-86. https://doi.org/10.51891/rease.v10i10.16393

Artigos mais lidos pelo mesmo(s) autor(es)