Thabata Roberto Alonso, Leonardo Moraes Armesto, Laryssa Batista Canovas, Priscila Chaves Reis, Giovana David, Isabela Cintra Ribeiro, Caroline De Oliveira Nieblas, Patrick Cristian Lima Orihuela, Thaís Botelho Ramos Pedroso, Letícia Lopes da Silva, Laura Gonçalves de Oliveira Tencatti, Luiz Vinicius De Alcantara Sousa
{"title":"USO DA INTELIGÊNCIA ARTIFICIAL NA MEDICINA CONTEMPORÂNEA - UMA REVISÃO INTEGRATIVA","authors":"Thabata Roberto Alonso, Leonardo Moraes Armesto, Laryssa Batista Canovas, Priscila Chaves Reis, Giovana David, Isabela Cintra Ribeiro, Caroline De Oliveira Nieblas, Patrick Cristian Lima Orihuela, Thaís Botelho Ramos Pedroso, Letícia Lopes da Silva, Laura Gonçalves de Oliveira Tencatti, Luiz Vinicius De Alcantara Sousa","doi":"10.59788/resp.v2i1.59","DOIUrl":null,"url":null,"abstract":"Objetivo: Analisando os impactos do uso da inteligência artificial na área médica, o estudo é justificado pelo uso crescente da I.A no segmento da saúde, não só por acadêmicos de medicina, mas também por médicos residentes e especialistas com carreira consagrada, visando questionar qual é o impacto da aplicação de tais ferramentas e quais as perspectivas futuras para a saúde da população. Métodos: A revisão integrativa buscou dados com descritores “Inteligência Artificial”, “Medicina” e “Tecnologia Médica” nas bases indexadas na Biblioteca Virtual de Saúde, PubMED e SciElo publicados nos últimos 5 anos em inglês e português. Excluíram-se publicações que estivessem outras línguas, publicações duplicadas, eixo temático fora do uso da inteligência artificial na medicina e que não estivessem em formato de artigo. Discussão e Resultados: Foram encontrados 165 artigos, e selecionados para leitura integral, 15 artigos que correspondiam às delimitações de inclusão e exclusão, e posteriormente classificados conforme os critérios Qualis e Fator de Impacto da revista. Dos artigos avaliados, 6,6%: Qualis B3, 6,6%: Qualis A4, 6,6% Qualis A3, 20% Qualis A2, 40%: Qualis A1 e 20% sem Qualis. O foco dos autores aponta que a modelagem Deep Learning é um dos tipos de I.A que possibilita o achado de padrões sutis em imagens, que pode ser aplicado em áreas como patologia, dermatologia, neurologia e radiologia. Conclusão: Existem preocupações em relação à confiança quando ao uso a I.A. Neste aspecto existe certo viés da I.A na prática médica, o que pode levar a sobrediagnósticos ou subdiagnósticos caso o profissional não esteja preparado para o seu uso.","PeriodicalId":471772,"journal":{"name":"Revista de Epidemiologia e Saúde Pública - RESP","volume":" 12","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-01-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista de Epidemiologia e Saúde Pública - RESP","FirstCategoryId":"0","ListUrlMain":"https://doi.org/10.59788/resp.v2i1.59","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Objetivo: Analisando os impactos do uso da inteligência artificial na área médica, o estudo é justificado pelo uso crescente da I.A no segmento da saúde, não só por acadêmicos de medicina, mas também por médicos residentes e especialistas com carreira consagrada, visando questionar qual é o impacto da aplicação de tais ferramentas e quais as perspectivas futuras para a saúde da população. Métodos: A revisão integrativa buscou dados com descritores “Inteligência Artificial”, “Medicina” e “Tecnologia Médica” nas bases indexadas na Biblioteca Virtual de Saúde, PubMED e SciElo publicados nos últimos 5 anos em inglês e português. Excluíram-se publicações que estivessem outras línguas, publicações duplicadas, eixo temático fora do uso da inteligência artificial na medicina e que não estivessem em formato de artigo. Discussão e Resultados: Foram encontrados 165 artigos, e selecionados para leitura integral, 15 artigos que correspondiam às delimitações de inclusão e exclusão, e posteriormente classificados conforme os critérios Qualis e Fator de Impacto da revista. Dos artigos avaliados, 6,6%: Qualis B3, 6,6%: Qualis A4, 6,6% Qualis A3, 20% Qualis A2, 40%: Qualis A1 e 20% sem Qualis. O foco dos autores aponta que a modelagem Deep Learning é um dos tipos de I.A que possibilita o achado de padrões sutis em imagens, que pode ser aplicado em áreas como patologia, dermatologia, neurologia e radiologia. Conclusão: Existem preocupações em relação à confiança quando ao uso a I.A. Neste aspecto existe certo viés da I.A na prática médica, o que pode levar a sobrediagnósticos ou subdiagnósticos caso o profissional não esteja preparado para o seu uso.