A inteligência artificial na medicina: aplicações atuais e potenciais
DOI:
https://doi.org/10.34119/bjhrv6n6-358Keywords:
inteligência artificial, medicina, diagnóstico por imagem, gestão em saúde, pesquisa biomédicaAbstract
Explorar o impacto e o potencial da Inteligência Artificial (IA) em diversas áreas da medicina, incluindo diagnóstico, tratamento, gestão em saúde e pesquisa. Revisão sistemática de literatura científica, incluindo artigos, relatórios técnicos e estudos de caso, selecionados com base na relevância e atualidade, independentemente do ano de publicação. Bases de dados como PubMed, Scopus e IEEE Xplore foram utilizadas. Destaque para o uso de IA em diagnósticos por imagem, com a aplicação de redes neurais convolucionais superando em alguns casos a precisão humana. Uso de sistemas de IA para personalização do tratamento, incluindo recomendações de regimes de tratamento baseados em dados clínicos e genéticos. Aplicações da IA na previsão de demandas de serviços de saúde e na gestão da cadeia de suprimentos. Contribuição da IA na aceleração da descoberta de medicamentos e análise genômica. A IA está transformando a prática médica, melhorando a precisão do diagnóstico, personalizando tratamentos, otimizando a gestão de recursos e acelerando a pesquisa biomédica. Desafios incluem questões éticas e a necessidade de integração efetiva com as práticas de saúde existentes.
References
Aliper, A., et al. (2016). Deep learning applications for predicting pharmacological properties of drugs and drug repurposing using transcriptomic data. Molecular Pharmaceutics, 13(7), 2524-2530.
Angermueller, C., et al. (2016). Deep learning for computational biology. Molecular Systems Biology, 12(7), 878.
Buchanan, B. G., & Shortliffe, E. H. (1984). Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project. Addison-Wesley.
Collins, F. S., & McKusick, V. A. (2001). Implications of the Human Genome Project for medical science. JAMA, 285(5), 540-544.
Davenport, T. H., e Kalakota, R. (2019). The potential for artificial intelligence in healthcare. Future Healthcare Journal, 6(2), 94-98.
Gartner. (2018). Predicts 2019: Artificial Intelligence Core Technologies Will Be Widespread. Gartner Research.
Gulshan, V., Peng, L., Coram, M., et al. (2016). Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs. JAMA, 316(22), 2402-2410.
Jiang, F., et al. (2017). Artificial intelligence in healthcare: past, present and future. Stroke and Vascular Neurology, 2(4), 230-243.
Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255-260.
Joyce, A. R., & Palsson, B. Ø. (2016). The model organism as a system: integrating ‘omics’ data sets. Nature Reviews Molecular Cell Biology, 7, 198-210.
Kansagara, D., Englander, H., Salanitro, A., et al. (2011). Risk prediction models for hospital readmission: A systematic review. JAMA, 306(15), 1688-1698.
Kononenko, I. (2001). Machine learning for medical diagnosis: history, state of the art and perspective. Artificial Intelligence in Medicine, 23(1), 89-109.
Lecun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.
Libbrecht, M. W., e Noble, W. S. (2015). Machine learning applications in genetics and genomics. Nature Reviews Genetics, 16(6), 321-332.
McKinney, S. M., Sieniek, M., Godbole, V., et al. (2020). International evaluation of an AI system for breast cancer screening. Nature, 577(7788), 89-94.
Rodriguez-Ruiz, A., et al. (2019). Detection of Breast Cancer with Mammography: Effect of an Artificial Intelligence Support System. Radiology, 290(2), 305-314.
Shortliffe, E. H. (1976). Computer-based medical consultations: MYCIN. Elsevier.
Somers, T. J. (2013). IBM's Watson. Time, 181(12), 28-33.
Wang, Y., et al. (2018). Clinical information extraction applications: A literature review. Journal of Biomedical Informatics, 77, 34-49.
Zhavoronkov, A., et al. (2019). Deep learning enables rapid identification of potent DDR1 kinase inhibitors. Nature Biotechnology, 37, 1038–1040.
Zhavoronkov, A., et al. (2019). Artificial Intelligence for Drug Discovery, Biomarker Development, and Generation of Novel Chemistry. Molecular Pharmaceutics, 16(10), 4317-4330.
