PAPER ANA - RADIOLOGIA

Prévia do material em texto

Centro Universitário Leonardo Da Vinci
Curso Tecnologia em Radiologia
Ana Lúcia Dos Santos Moura
Inteligência artificial na Radiologia 
Livramento de Nossa Senhora - BA
2024
Ana Lúcia Dos Santos Moura
Inteligência artificial na Radiologia
Trabalho de pesquisa dissertativo, submetido a disciplina de Seminário Interdisciplinar do Curso Tecnologia em Radiologia no Centro universitário Leonardo da Vinci, como requisito obrigatório para obtenção de nota.
Tutor: Geovani Brito da Costa
Livramento de Nossa Senhora - BA
2024
Sumário
Resumo	4
Palavras-chave:	4
Introdução	5
Fundamentação Teórica	7
Material e métodos	9
Resultados e discussão	10
Conclusão	11
Referências	12
Resumo 
A inteligência artificial (IA) é um ramo da ciência da computação que se estuda a desenvolver sistemas que simulem a capacidade humana na percepção de um problema, identificando seus componentes e, com isso, resolvê-los, afim de solucionar decisões. Neste aspecto é importante verificar os sistemas computadorizados de apoio à decisão clínica que tem indicado um alto grau de acurácia em suas propostas na Radiologia.
 
Palavras-chave: Inteligência artificial, diagnóstico por imagem, radiologia. 
Introdução
A Inteligência artificial (IA) é um ramo da ciência da computação que se propõe a desenvolver sistemas que simulem a capacidade humana na percepção de um problema, identificando seus componentes e, com isso, resolver problemas e garantir decisões. Outra definição de Inteligência Artificial indica que seria a criação de sistemas inteligentes de computação capazes de realizar tarefas sem receber instruções diretas de humanos, como por exemplo, os robôs. “Robôs” seguem uma programação computadorizada de movimentos e ações conformando, desde logo, a definição de Inteligência Artificial (LOBO, 2018).
O primeiro grande trabalho do descobrimento reconhecido como inteligência artificial (IA), foi realizado por McCulloch e Pitts (1943), nos quais se basearam em três fontes: “o conhecimento da fisiologia básica e da função dos neurônios do cérebro, uma análise formal da lógica proposicional, bem como a teoria da computação de “Turing”. Esses pesquisadores sugeriram um modelo de neurônios artificiais, nos quais, cada neurônio era caracterizado por “ligado” ou “desligado”, e desse modo, o estado de um neurônio era analisado como “equivalente” em termos concretos, ou seja, uma proposição que definia seu estímulo adequado (GOMES, 2010).
 A inteligência artificial na Radiologia vem se mostrando em plena e rápida expansão no mundo, com potencialidades inimagináveis. Na área da saúde ela traz transformações no que diz respeito aos processos de diagnóstico e tratamento de doenças, proporcionando aos profissionais e pacientes inúmeros benefícios. Muitos dos desenvolvedores tecnológicos convergem para aumentar a detecção automatizada, bem como quantificar anormalidades nas imagens radiológicas (BRANDES; D’IPPOLITO; AZZOLINI, 2020; SANTOS et al., 2019; ALVES et al., 2018; HOSNY et al., 2018; SABBATINI, 2018). 
O radiologista precisa adquirir preparo adequado ao manuseio dos exames nos quais são praticados através da inteligência artificial. Com o grande avanço tecnológico vivenciado pela imagiologia diagnóstica nos últimos anos, a conversão de imagens digitais em dados de alta dimensão, com grande quantidade de variáveis, foi impulsionada pelo conceito de que imagens contêm uma miríade de informações fisiopatológicas subjacentes, muitas vezes, de identificação e compreensão difíceis pela análise visual convencional (HOSNY et al., 2018).
 Ao analisar de maneira quantitativa as imagens em IA, assim como a organização desses parâmetros em bancos de dados complexos, como (Big Data), apresentando desta forma: volume, velocidade na geração de informações, além de variedade nos dados, a radiologia teve aproximação maior das novas fronteiras tecnológicas, nos quais estão inseridas a Inteligência Artificial (IA), Machine Learning (ML), ou aprendizado de máquina e Deep Learning (DL) ou aprendizagem profunda (ARAÚJO-FILHO, 2019).
 O objetivo deste trabalho consiste em descrever a importância da inteligência artificial na radiologia, por meio de uma revisão sistemática da literatura científica. Neste sentido, procurou-se por resultados na literatura que versam sobre o diagnóstico por imagem, bem como a inteligência artificial é executada durante o exame radiográfico.
 
Fundamentação Teórica 
Nos dias atuais as tecnologias estão ocupando grandes espaços na vida das pessoas, transformando o modo de vida e de comunicação tanto no campo pessoal como no profissional, tornando-se responsáveis pelas novas formas de ser, de pensar, trabalhar, agir, ou seja, de ver estar no mundo. Uma maior amplitude dessas tecnologias aparece com a origem da Inteligência Artificial (IA).
Segundo Martinez (2019), uma definição legal da IA é imprescindível para que se evite uma regulação inepta e litígios desnecessários, pois o termo “inteligência artificial” é utilizado para descrever inúmeras formas de tecnologia e pode abranger múltiplas funcionalidades, desde assistentes de celular até armas de destruição em massa. Trata-se de uma tecnologia utilizada nos setores mais diversos, como no diagnóstico médico, na compra e venda de ações, na previsão do comportamento de consumidores, na edição de fotografias e vídeos, em carros autônomos, em drones, etc., o que denota uma profunda inserção na vida das pessoas e explicita a importância de que o campo jurídico compreenda as suas especificidades.
O primeiro sistema especialista comercial bem-sucedido, o R1, iniciou sua operação na Digital Equipament Corporation (DEC). O programa contribuiu para configurar pedidos de novos sistemas de computador; em 1986, ele já fazia a empresa faturar cerca de 40 milhões de dólares por ano. Em 1988, o grupo de IA da DEC já possuía 40 sistemas especialistas entregues, com outros sendo produzidos (CHARNIAK; MCDERMOTT, 1985),
A inteligência artificial impactou muitas áreas da atividade humana, em parte devido à velocidade com que pode processar informações em um mundo sobrecarregado, economizando esforço humano e aparentemente oferecendo uma maneira mais objetiva de avaliar e responder a uma variedade de situações (BROUGHTON 2019, p. 597).
No Brasil, a história da IA surgiu com maior intensidade dentro de diversas áreas públicas. É no campo da saúde, que a radiologia desenvolve um papel indispensável atualmente, uma vez que é responsável por realizar exames de imagem que contribuem para o diagnóstico de condições de saúde, indicando o tratamento adequado aos pacientes.
A radiologia diagnóstica é considerada como principal fonte artificial de radiação a que o ser humano pode ser exposto e é responsável por cerca de 14% do total da dose recebida anualmente em relação as outras fontes, pois a exposição pode trazer riscos de efeitos deletérios, uma vez que a solicitação do exame não seja precedida de uma análise correta de risco em relação aos benefícios. (LACERDA, 2018, p.12).
A radiologia é uma especialidade que pode e deve ser usada em todos os setores da saúde, uma vez que detecta vários tipos de doenças. Os procedimentos radiológicos contam com especialidades médica e a IA que se tornam essenciais no diagnóstico e tratamento de diversas patologias.
Dentro dessa área, a questão fundamental é se as aplicações de IA podem agregar valor, incluindo a descoberta de novos conhecimentos, com maior quantidade e qualidade de informações extraídas dos exames de imagem em menos tempo. Se sim, é possível obter melhores resultados para os pacientes com menor custo, além de se estabelecer processos de trabalho mais eficientes e a melhoria da satisfação no trabalho. (THRALL JH, 2017).
Nesse sentido, a inteligência artificial (IA) tem um potencial na maioria na área de radiologia, uma vez que a especialidade é baseada em grande parte na análise de imagens de diferentes modalidades para suplementar e auxiliarno diagnóstico clínico. Contudo, muitas vezes o profissional só consegue diferenciar diagnósticos, igualmente possíveis com base em informações adicionais (YOKOO et al., 2020).
Por fim, muitos são os impactos que a inteligência artificial tem impulsionado na radiologia, visto que ao longo do tempo a radiologia sofreu modificações nos exames, o que era apenas um raio-x, desenvolveu novas técnicas e modalidades de imagem onde foi introduzida: tomografia computadorizada (TC), ressonância magnética (RM), de alta resolução, exames de mamas, pulmões e cérebro, cujo diagnóstico costuma ser mais difícil, imagens nucleares, substituição de intervenções invasivas na oncologia e mastologia.
Material e métodos
O levantamento de dados foi realizado através das principais bases de dados: SciELO (Scientific Eletronic Library Online), Medline, PubMed e PubMed Central, Biblioteca Virtual de Saúde-BVS, utilizando como descritores: inteligência artificial, diagnóstico por imagem e Radiologia. O período da pesquisa foi de setembro e outubro de 2024. Como critérios de inclusão foram selecionados artigos originais, escritos em português e inglês, publicados no período de 2018 à 2021.
Além do site Scielo, foi utilizado o google acadêmico, e, através de livros de autores conceituados no assunto abordado, e nos livros disponiveis na Biblioteca Online da UNIASSELVI.
Resultados e discussão
Neste trabalho, analisamos o uso das IA em exames de imagem, e é necessário que o profissional se adapte ao mundo inovador da Inteligência Artificial para que possa acompanhar a velocidade de informações processadas e expostas a serem interpretadas, afim de que haja preparo e eficácia no diagnóstico do paciente.
Conclusão
Diante do exposto acima, a pesquisa mostra a importância da inteligência artificial no diagnóstico por imagem, principalmente na formação radiológica e médica dos profissionais envolvidos. Os artigos investigados enfatizam que a análise automatizada por meio da IA não substitui o trabalho do radiologista ou médico, portanto, apenas tem de possuir um desempenho próximo do especialista. A Inteligência Artificial faz um exímio trabalho no que tange a fornecer menores riscos para o paciente, que necessita de radiografia com diagnóstico por imagem, além de melhor desempenho de todo o processo (diagnóstico, prognóstico e tratamento), mais eficiência e, em alguns casos, como na diminuição dos testes diagnósticos e de erros nos exames. Neste sentido, as pesquisas estão sendo desenvolvidas para mostrar que o ramo da IA é bastante promissor na utilização de sistemas para diagnóstico auxiliado por computadores, sendo desta forma, em conjunto ao radiologista, uma segunda opinião para diagnóstico por imagem.
Referências
BROUGHTON, Vanda. “The Respective Roles of Intellectual Creativity and Automation in Representing Diversity: Human-and Machine-Generated Biases.” Knowledge Organization”46 (8): 2019, 596–606. doi:10.5771/0943-7444-2019-8-596.
CHARNIAK, Eugene; MCDERMOTT, Drew. A Bayesian Model of Plan Recognition.Massachusetts: Addison-Wesley, 1985.CHOY, G.; KHALILZADEH, O.; MICHALSKI, M. et al.Current applications and future impact of machine learning in radiology. RevistaRadiologia,v.28, p.288-318, 2018.
LACERDA MADS, da Silva TA, Khoury HJ, Vieira JNM, Matushita JPK. Riscos dos exames radiográficos em recém-nascidos internados em um hospital público de Belo Horizonte, MG. Radiol. Bras; 2018, 41(5):325-329. DOI 10.1590/S0100-39842008000500011.
MARTINS, Inês Tomas Marques. A medicina do futuro nos dias de hoje: aplicações da inteligência artificial. Trabalho Final de Mestrado Integrado. Universidade de Lisboa. Lisboa, Portugal. 2020. Disponível em https://repositorio.ul.pt/bitstream/10451/46808/1/InesTMargarido.pdf. Acesso em 14 de out. 2024.
THRALL JH, LI X, LI Q, et al. Artificial Intelligence and Machine Learning in Radiology: Opportunities, Challenges, Pitfalls, and Criteria for Success.J Am Coll Radiol. 2018;15(3):504-508. doi:10.1016/j.jacr.2017.12.026.
YOKOO, P. et al. Inovações de qualidade e segurança no Departamento de Radiologia durante a pandemia pela COVID-19: uma experiência Latino-Americano. Einstein (São Paulo), São Paulo, v.18, eGS5832, 2020.
9
image1.png