APRENDIZADO DE MÁQUINA NA MEDICINA: COMO ALGORITMOS DE APRENDIZADO DE MÁQUINA PODEM SER APLICADOS EM DIAGNÓSTICOS MÉDICOS, PROGNÓSTICOS E DESCOBERTA DE NOVOS TRATAMENTOS

Autores

DOI:

https://doi.org/10.47820/recima21.v4i12.4708

Palavras-chave:

Aprendizado de Máquina, Medicina, Diagnóstico Médico, Prognóstico, Descoberta de Tratamentos.

Resumo

A aplicação de algoritmos de aprendizado de máquina na medicina representa uma revolução significativa no diagnóstico, prognóstico e descoberta de tratamentos médicos. Este resumo explora como esses algoritmos têm sido utilizados para melhorar a prática médica e promover avanços na área da saúde. O objetivo deste foi destacar a importância e as aplicações dos algoritmos de aprendizado de máquina na medicina, bem como resumir seus benefícios e desafios. A metodologia deste resumo envolveu uma revisão da literatura médica e científica, com foco nas principais pesquisas e tendências relacionadas ao uso de aprendizado de máquina na medicina. Foram analisados artigos e estudos que abordaram diagnósticos médicos, prognósticos e descoberta de tratamentos. O uso de algoritmos de aprendizado de máquina na medicina tem revolucionado a prática clínica, permitindo diagnósticos mais precisos, prognósticos personalizados e acelerado a descoberta de novos tratamentos. No entanto, desafios éticos, de privacidade e interpretação de dados continuam sendo importantes considerações. É fundamental que a comunidade médica e científica continue a explorar e aproveitar essa tecnologia de forma ética e responsável para melhorar a saúde global.

Downloads

Não há dados estatísticos.

Biografias Autor

Newdon Ataíde Garzon

Newdon Ataide Garzon - Acadêmico do Curso de Bacharelado em Ciência da Computação na Universidade do Estado do Amazonas.

Luiz Sergio de Oliveira Barbosa

Luiz Sergio de Oliveira Barbosa - Mestre em Tecnologias Emergentes em Educação pela MUST University, Flórida, USA. Professor na Universidade do Estado do Amazonas (UEA). 

Referências

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.

Downloads

Publicado

20/12/2023

Como Citar

Garzon, N. A., & Barbosa, L. S. de O. (2023). APRENDIZADO DE MÁQUINA NA MEDICINA: COMO ALGORITMOS DE APRENDIZADO DE MÁQUINA PODEM SER APLICADOS EM DIAGNÓSTICOS MÉDICOS, PROGNÓSTICOS E DESCOBERTA DE NOVOS TRATAMENTOS. RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218, 4(12), e4124708. https://doi.org/10.47820/recima21.v4i12.4708

Edição

Vol. 4 N.º 12 (2023): CLIQUE AQUI PARA ACESSAR OS ARTIGOS

Secção

ARTIGOS

Categorias

Licença

Direitos de Autor (c) 2023 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218

Creative Commons License

Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição 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.