APRENDIZAJE MÁQUINA EN MEDICINA: CÓMO SE PUEDEN APLICAR LOS ALGORITMOS DE APRENDIZAJE MÁQUINA EN EL DIAGNÓSTICO MÉDICO, EL PRONÓSTICO Y EL DESCUBRIMIENTO DE NUEVOS TRATAMIENTOS
DOI:
https://doi.org/10.47820/recima21.v4i12.4708Palabras clave:
Aprendizaje automático, Medicina, Diagnóstico médico, Pronóstico, Descubrimiento de tratamientos.Resumen
La aplicación de algoritmos de aprendizaje automático en medicina representa una revolución significativa en el diagnóstico, pronóstico y descubrimiento de tratamientos médicos. Este resumen explora cómo se han utilizado estos algoritmos para mejorar la práctica médica y avanzar en la atención médica.
El objetivo de este fue resaltar la importancia y las aplicaciones de los algoritmos de aprendizaje automático en medicina, así como resumir sus beneficios y desafíos. La metodología para este resumen implicó una revisión de la literatura médica y científica, centrándose en investigaciones clave y tendencias relacionadas con el uso del aprendizaje automático en medicina.
Se analizaron artículos y estudios que abordaron diagnósticos médicos, pronósticos y descubrimiento de tratamientos. El uso de algoritmos de aprendizaje automático en medicina ha revolucionado la práctica clínica, permitiendo diagnósticos más precisos, pronósticos personalizados y acelerando el descubrimiento de nuevos tratamientos. Sin embargo. Los desafíos éticos, de privacidad y de interpretación de datos siguen siendo consideraciones importantes. Es fundamental que la comunidad médica y científica continúe explorando y aprovechando esta tecnología de manera ética y responsable para mejorar la salud global.
Descargas
Referencias
ARAÚJO-FILHO et al. Inteligência Artificial e Imagem Cardíaca. Arq Bras Cardiol: Imagem cardiovasc., v. 2, n. 3, p. 154-156, 2019.
BRAGA, A. V.; LINS, A. F.; SOARES, L. S.; FLEURY, L. G.; CARVALHO, J. C.; PRADO, R. S. Machine learning: O Uso da Inteligência Artificial na Medicina. Brazilian Journal of Development, Curitiba, v. 5, n. 9, p. 16407-16413, sep. 2019.
FREIRE, A. K. D. S.; ALVES, N. C. C.; SANTIAGO, E. J. P.; TAVARES, A. S.; TEIXEIRA, D. D. S.; CARVALHO, I. A. et al. Panorama no Brasil das doenças cardiovasculares dos últimos quatorze anos na perspectiva da promoção à saúde. Revista Saúde e Desenvolvimento, v. 11, n. 9, p. 21-44, 2017.
GALVÃO, M. C. B.; RICARTE, I. L. M. Revisão sistemática da literatura: conceituação, produção e publicação. LOGEION: Filosofia da informação, Rio de Janeiro, v. 6 n. 1, p.57-73, set. 2019 / fev. 2020.
JUMPER, J. et al. Highly accurate protein structure prediction with Alpha Fold. Science. 15 jul. 2021.
LIMA, M. Perspectivismo maquínico à luz dos ecossistemas comunicacionais. Revista Eletrônica Mutações, v. 9, n. 16, abr. 2018.
MESQUITA, C. T. Inteligência Artificial e Machine Learning em Cardiologia – Uma Mudança de Paradigma. International Journal of Cardiovascular Sciences, v. 30, n. 3, p. 187-188, 2017.
NETO, C. Inteligência artificial e novas tecnologias em saúde: desafios e perspectivas. Brazilian Journal of Development, v. 6, n. 2, 2020.
NUNES, Vitor de Sá Tópicos em visão computacional: uma revisão sistemática com aplicações em economia 4.0. [S. l.: s. n.], 2023.
RIBEIRO, A. H. et al. Automatic diagnosis of the 12-lead ECG using a deep neural network. Nature Communications, 9 abr. 2020.
SANT’ANNA, R. M.; CAMACHO, A. C. L. F.; SOUZA, V. M. F.; MENEZES, H. F.; SILVA, R. P. Tecnologias educacionais no cuidado à pacientes com doenças cardiovasculares. Rev Recien., v. 12, n. 37, p. 163-175, 2022.
SANTOS, M. T. et al. Clinical decision support analysis of a microRNA-based thyroid molecular classifier: A real-world, prospective and multicentre validation study. The Lancet Discovery Science (eBioMedicine). 30 jun. 2022.
SENGUPTA, P. P. et al. Cognitive Machine-Learning Algorithm for Cardiac Imaging. Cardiovascular Imaging, v. 9, jun. 2016.
SOUZA FILHO, E. M. de; FERNANDES, F. de A.; SOARES, C. L. de A; SEIXAS, F. L.; SANTOS, A. A. S. M. D. dos; GISMONDI, R. A.; MESQUITA, E. T.; MESQUITA, C. T. Inteligência Artificial em Cardiologia: Conceitos, Ferramentas e Desafios – “Quem Corre é o Cavalo, Você Precisa ser o Jóquei”. Arq Bras Cardiol., v. 114, n. 4, p. 718-725, 2020.
ZERON, R. M. C.; SERRANO JÚNIOR, C. V. Artificial intelligence in the diagnosis of cardiovascular disease. Rev Assoc Med Bras, v. 65, n. 12, p. 1438-1441, 2019.
ZHOU, L.; PAN, S.; WANG, J.; VASILAKOS, A. V. Machine Learning on Big Data: Opportunities and Challenges. Neurocomputing, v. 237, p. 350-61, 2017.
Descargas
Publicado
Número
Sección
Categorías
Licencia
Derechos de autor 2023 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Os direitos autorais dos artigos/resenhas/TCCs publicados pertecem à revista RECIMA21, e seguem o padrão Creative Commons (CC BY 4.0), permitindo a cópia ou reprodução, desde que cite a fonte e respeite os direitos dos autores e contenham menção aos mesmos nos créditos. Toda e qualquer obra publicada na revista, seu conteúdo é de responsabilidade dos autores, cabendo a RECIMA21 apenas ser o veículo de divulgação, seguindo os padrões nacionais e internacionais de publicação.
