O uso da Inteligência Artificial na Medicina: os benefícios e desafios da parceria homem-tecnologia na saúde
##plugins.themes.bootstrap3.article.sidebar##
Publicado
Dec 12, 2024
##plugins.themes.bootstrap3.article.main##
Resumo
Objetivo: Descrever as maneiras que as ferramentas de Inteligência Artificial (IA) influenciam a Medicina, seus benefícios e desafios, expondo ferramentas já existentes na área e abordando amplamente tanto o cuidado do paciente quanto o cotidiano dos profissionais da saúde. Revisão bibliográfica: Os benefícios da IA são significativos, predominantemente nas áreas de diagnósticos precoces via análise de exames de imagem, planejamento de tratamentos personalizados, previsão prognóstica, gestão em saúde e contribuições para uma Medicina mais eficaz, sempre em parceria com o profissional humano. Ademais, foram expostas diversas ferramentas, tanto em desenvolvimento quanto já disponíveis para o uso popular, assim como as empresas responsáveis por cada uma e suas respectivas funções, com fim de exemplificar os avanços tecnológicos já existentes. Contudo, ainda há dificuldades éticas, legais e operacionais que precisam ser superadas para a integração efetiva e em massa das tecnologias baseadas em IA na prática. Considerações finais: O impacto da IA na Medicina é inegável, sendo essencial a realização de mais estudos clínicos que comprovem e aprofundem o entendimento sobre a influência dessa nova tecnologia, garantindo que seus benefícios sejam maximizados e seus desafios adequadamente enfrentados.
##plugins.themes.bootstrap3.article.details##
Como Citar
GomesS. A., MontaniniJ. F., & Rocha SobrinhoH. M. da. (2024). O uso da Inteligência Artificial na Medicina: os benefícios e desafios da parceria homem-tecnologia na saúde. Revista Eletrônica Acervo Saúde, 24(12), e18374. https://doi.org/10.25248/reas.e18374.2024
Seção
Revisão Bibliográfica
Copyright © | Todos os direitos reservados.
A revista detém os direitos autorais exclusivos de publicação deste artigo nos termos da lei 9610/98.
Reprodução parcial
É livre o uso de partes do texto, figuras e questionário do artigo, sendo obrigatória a citação dos autores e revista.
Reprodução total
É expressamente proibida, devendo ser autorizada pela revista.
Referências
1. ARAHAM SB, et al. Improved Real-World Glycemic Control With Continuous Glucose Monitoring System Predictive Alerts. Journal of Diabetes Science and Technology, 2019; 15(1): 193229681985933.
2. ABRÀMOFF MD, et al. Pivotal trial of an autonomous AI-based diagnostic system for detection of diabetic retinopathy in primary care offices. npj Digital Medicine, 2018; 1(1).
3. AUNG YYM, et al. The promise of artificial intelligence: a review of the opportunities and challenges of artificial intelligence in healthcare. British Medical Bulletin, 2021; 139(1): 4–15.
4. BEARD JR e BLOOM DE. Towards a comprehensive public health response to population ageing. The Lancet, 2015; 385(9968): 658–661.
5. BELK RW, et al. Key concepts in artificial intelligence and technologies 4.0 in services. Service Business, 2023; 17(1): 1–9.
6. BRIGANTI G e MOINE OL. Artificial Intelligence in Medicine: Today and Tomorrow. Frontiers in Medicine, 2020; 7(27).
7. BUMGARNER JM, et al. Smartwatch Algorithm for Automated Detection of Atrial Fibrillation. Journal of the American College of Cardiology, 2018; 71(21): 2381–2388.
8. CASSIANO B. Alagoas recebe mais R$ 2 milhões para informatização de equipes de saúde. Agência Saúde. 2020. Disponível em: https ://www.gov.br/saude/pt-br/assuntos/noticias/2020/fevereiro/alagoas-recebe-mais-r-2-milhoes-para-informatizacao-de-equipes-de-saude. Acessado em: 20 de junho de 2024.
9. CHAKRABORTY J, et al. Bias in machine learning software: why? how? what to do? Proceedings of the 29th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering, 2021.
10. CHENG JZ, et al. Computer-Aided Diagnosis with Deep Learning Architecture: Applications to Breast Lesions in US Images and Pulmonary Nodules in CT Scans. Scientific Reports, 2016; 6(1).
11. CIELO AC, et al. Implantação da Estratégia e-SUS Atenção Básica: uma análise fundamentada em dados oficiais. Revista de Saúde Pública, 2022; 56: 5.
12. DAVE M e PATEL N. Artificial intelligence in healthcare and education. British Dental Journal, 2023; 234(10): 761–764.
13. DERCLE L, et al. Artificial intelligence and radiomics: fundamentals, applications, and challenges in immunotherapy. Journal for ImmunoTherapy of Cancer, 2022; 10(9): 5292.
14. DILSIZIAN SE e SIEGEL EL. Artificial Intelligence in Medicine and Cardiac Imaging: Harnessing Big Data and Advanced Computing to Provide Personalized Medical Diagnosis and Treatment. Current Cardiology Reports, 2013; 16(1).
15. DOURADO DA e AITH FMA. A regulação da inteligência artificial na saúde no Brasil começa com a Lei Geral de Proteção de Dados Pessoais. Revista de Saúde Pública, 2022; 56(80).
16. GULSHAN V, et al. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs. JAMA, 2016; 316(22): 2402.
17. GUPTA R, et al. Artificial intelligence to deep learning: machine intelligence approach for drug discovery. Molecular Diversity, 2021; 25(3): 1–46.
18. HARDESTY L. Study finds gender and skin-type bias in commercial artificial-intelligence systems. Revista MIT News, 2018. Disponível em https ://news.mit.edu/2018/study-finds-gender-skin-type-bias-artificial-intelligence-systems-0212. Acessado em: 23 de fevereiro de 2024.
19. HOLLON TC, et al. Near real-time intraoperative brain tumor diagnosis using stimulated Raman histology and deep neural networks. Nature Medicine, 2020; 26(1): 52–58.
20. JOHNSON KB, et al. Precision Medicine, AI, and the Future of Personalized Health Care. Clinical and Translational Science, 2020; 14(1): 86–93.
21. KANG DY, et al. Artificial intelligence algorithm to predict the need for critical care in prehospital emergency medical services. Scandinavian Journal of Trauma, Resuscitation and Emergency Medicine, 2020; 28(1).
22. KAUL V, et al. History of artificial intelligence in medicine. Gastrointestinal Endoscopy, 2020; 92(4): 807–812.
23. LEMES MM e LEMOS ANLE. O uso da inteligência artificial na saúde pela Administração Pública brasileira. Cadernos Ibero-Americanos de Direito Sanitário, 2020; 9(3): 166–182.
24. LIYANAGE H, et al. Artificial Intelligence in Primary Health Care: Perceptions, Issues, and Challenges. Yearbook of Medical Informatics, 2019; 28(1): 41–46.
25. MORAIS DMG, et al. O conceito de inteligência artificial usado no mercado de softwares, da educação tecnológica e na literatura científica. Educação Profissional e Tecnológica em Revista, 2020; 4(2): 98–109.
26. NUNES HC, et al. Desafios bioéticos do uso da inteligência artificial em hospitais. Revista Bioética, 2022; 30: 82–93.
27. PI-SSEx. PAINEL DE INDICADORES DO SISTEMA DE SAÚDE DO EXÉRCITO. Brasília, 2019. Disponível em: http ://www.centraldeservicos.dsau.eb.mil.br/index.php/pt-br/painel-de-indicadores. Acessado em: 20 de junho de 2024.28. POWLES J e HODSON H. Google DeepMind and healthcare in an age of algorithms. Health and Technology, 2017; 7(4): 351–367.
29. PUPIC N, et al. An evidence-based approach to artificial intelligence education for medical students: A systematic review. PLOS digital health, 2023; 2(11): 255.
30. RACITI P, et al. Novel artificial intelligence system increases the detection of prostate cancer in whole slide images of core needle biopsies. Modern Pathology: An Official Journal of the United States and Canadian Academy of Pathology, 2020; 33(10): 2058–2066.
31. RAGHUNATH S, et al. Prediction of mortality from 12-lead electrocardiogram voltage data using a deep neural network. Nature Medicine, 2020; 26(6): 886–891.
32. REGALIA G, et al. Multimodal wrist-worn devices for seizure detection and advancing research: Focus on the Empatica wristbands. Epilepsy Research, 2019; 153: 79–82.
33. RIBEIRO AH, et al. Automatic diagnosis of the 12-lead ECG using a deep neural network. Nature Communications, 2020; 11(1).
34. SOARES RA, et al. O uso da inteligência artificial na medicina: aplicações e benefícios. Research, Society and Development, 2023; 12(4): 5012440856.
35. THIAGARAJAN JJ, et al. DDxNet: a deep learning model for automatic interpretation of electronic health records, electrocardiograms and electroencephalograms. Scientific Reports, 2020; 10(1).
36. WANG X, et al. ChestX-Ray8: Hospital-Scale Chest X-Ray Database and Benchmarks on Weakly-Supervised Classification and Localization of Common Thorax Diseases. 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017.
37. ZAPAROLLI D. A inteligência artificial chega à saúde. Revista Pesquisa FAPESP. Disponível em: https ://revistapesquisa.fapesp.br/a-inteligencia-artificial-chega-a-saude/. Acessado em: 23 de fevereiro de 2024. 2022; 332.
38. ZUCOLOTTO TE, et al. A inteligência artificial na medicina: aplicações atuais e potenciais. Brazilian Journal of Health Review, 2023; 6(6): 31237–31247.
2. ABRÀMOFF MD, et al. Pivotal trial of an autonomous AI-based diagnostic system for detection of diabetic retinopathy in primary care offices. npj Digital Medicine, 2018; 1(1).
3. AUNG YYM, et al. The promise of artificial intelligence: a review of the opportunities and challenges of artificial intelligence in healthcare. British Medical Bulletin, 2021; 139(1): 4–15.
4. BEARD JR e BLOOM DE. Towards a comprehensive public health response to population ageing. The Lancet, 2015; 385(9968): 658–661.
5. BELK RW, et al. Key concepts in artificial intelligence and technologies 4.0 in services. Service Business, 2023; 17(1): 1–9.
6. BRIGANTI G e MOINE OL. Artificial Intelligence in Medicine: Today and Tomorrow. Frontiers in Medicine, 2020; 7(27).
7. BUMGARNER JM, et al. Smartwatch Algorithm for Automated Detection of Atrial Fibrillation. Journal of the American College of Cardiology, 2018; 71(21): 2381–2388.
8. CASSIANO B. Alagoas recebe mais R$ 2 milhões para informatização de equipes de saúde. Agência Saúde. 2020. Disponível em: https ://www.gov.br/saude/pt-br/assuntos/noticias/2020/fevereiro/alagoas-recebe-mais-r-2-milhoes-para-informatizacao-de-equipes-de-saude. Acessado em: 20 de junho de 2024.
9. CHAKRABORTY J, et al. Bias in machine learning software: why? how? what to do? Proceedings of the 29th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering, 2021.
10. CHENG JZ, et al. Computer-Aided Diagnosis with Deep Learning Architecture: Applications to Breast Lesions in US Images and Pulmonary Nodules in CT Scans. Scientific Reports, 2016; 6(1).
11. CIELO AC, et al. Implantação da Estratégia e-SUS Atenção Básica: uma análise fundamentada em dados oficiais. Revista de Saúde Pública, 2022; 56: 5.
12. DAVE M e PATEL N. Artificial intelligence in healthcare and education. British Dental Journal, 2023; 234(10): 761–764.
13. DERCLE L, et al. Artificial intelligence and radiomics: fundamentals, applications, and challenges in immunotherapy. Journal for ImmunoTherapy of Cancer, 2022; 10(9): 5292.
14. DILSIZIAN SE e SIEGEL EL. Artificial Intelligence in Medicine and Cardiac Imaging: Harnessing Big Data and Advanced Computing to Provide Personalized Medical Diagnosis and Treatment. Current Cardiology Reports, 2013; 16(1).
15. DOURADO DA e AITH FMA. A regulação da inteligência artificial na saúde no Brasil começa com a Lei Geral de Proteção de Dados Pessoais. Revista de Saúde Pública, 2022; 56(80).
16. GULSHAN V, et al. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs. JAMA, 2016; 316(22): 2402.
17. GUPTA R, et al. Artificial intelligence to deep learning: machine intelligence approach for drug discovery. Molecular Diversity, 2021; 25(3): 1–46.
18. HARDESTY L. Study finds gender and skin-type bias in commercial artificial-intelligence systems. Revista MIT News, 2018. Disponível em https ://news.mit.edu/2018/study-finds-gender-skin-type-bias-artificial-intelligence-systems-0212. Acessado em: 23 de fevereiro de 2024.
19. HOLLON TC, et al. Near real-time intraoperative brain tumor diagnosis using stimulated Raman histology and deep neural networks. Nature Medicine, 2020; 26(1): 52–58.
20. JOHNSON KB, et al. Precision Medicine, AI, and the Future of Personalized Health Care. Clinical and Translational Science, 2020; 14(1): 86–93.
21. KANG DY, et al. Artificial intelligence algorithm to predict the need for critical care in prehospital emergency medical services. Scandinavian Journal of Trauma, Resuscitation and Emergency Medicine, 2020; 28(1).
22. KAUL V, et al. History of artificial intelligence in medicine. Gastrointestinal Endoscopy, 2020; 92(4): 807–812.
23. LEMES MM e LEMOS ANLE. O uso da inteligência artificial na saúde pela Administração Pública brasileira. Cadernos Ibero-Americanos de Direito Sanitário, 2020; 9(3): 166–182.
24. LIYANAGE H, et al. Artificial Intelligence in Primary Health Care: Perceptions, Issues, and Challenges. Yearbook of Medical Informatics, 2019; 28(1): 41–46.
25. MORAIS DMG, et al. O conceito de inteligência artificial usado no mercado de softwares, da educação tecnológica e na literatura científica. Educação Profissional e Tecnológica em Revista, 2020; 4(2): 98–109.
26. NUNES HC, et al. Desafios bioéticos do uso da inteligência artificial em hospitais. Revista Bioética, 2022; 30: 82–93.
27. PI-SSEx. PAINEL DE INDICADORES DO SISTEMA DE SAÚDE DO EXÉRCITO. Brasília, 2019. Disponível em: http ://www.centraldeservicos.dsau.eb.mil.br/index.php/pt-br/painel-de-indicadores. Acessado em: 20 de junho de 2024.28. POWLES J e HODSON H. Google DeepMind and healthcare in an age of algorithms. Health and Technology, 2017; 7(4): 351–367.
29. PUPIC N, et al. An evidence-based approach to artificial intelligence education for medical students: A systematic review. PLOS digital health, 2023; 2(11): 255.
30. RACITI P, et al. Novel artificial intelligence system increases the detection of prostate cancer in whole slide images of core needle biopsies. Modern Pathology: An Official Journal of the United States and Canadian Academy of Pathology, 2020; 33(10): 2058–2066.
31. RAGHUNATH S, et al. Prediction of mortality from 12-lead electrocardiogram voltage data using a deep neural network. Nature Medicine, 2020; 26(6): 886–891.
32. REGALIA G, et al. Multimodal wrist-worn devices for seizure detection and advancing research: Focus on the Empatica wristbands. Epilepsy Research, 2019; 153: 79–82.
33. RIBEIRO AH, et al. Automatic diagnosis of the 12-lead ECG using a deep neural network. Nature Communications, 2020; 11(1).
34. SOARES RA, et al. O uso da inteligência artificial na medicina: aplicações e benefícios. Research, Society and Development, 2023; 12(4): 5012440856.
35. THIAGARAJAN JJ, et al. DDxNet: a deep learning model for automatic interpretation of electronic health records, electrocardiograms and electroencephalograms. Scientific Reports, 2020; 10(1).
36. WANG X, et al. ChestX-Ray8: Hospital-Scale Chest X-Ray Database and Benchmarks on Weakly-Supervised Classification and Localization of Common Thorax Diseases. 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017.
37. ZAPAROLLI D. A inteligência artificial chega à saúde. Revista Pesquisa FAPESP. Disponível em: https ://revistapesquisa.fapesp.br/a-inteligencia-artificial-chega-a-saude/. Acessado em: 23 de fevereiro de 2024. 2022; 332.
38. ZUCOLOTTO TE, et al. A inteligência artificial na medicina: aplicações atuais e potenciais. Brazilian Journal of Health Review, 2023; 6(6): 31237–31247.