Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
O papel da inteligência artificial (IA) na detecção rápida do acidente vascular cerebral em exames de imagem
0
Zitationen
8
Autoren
2025
Jahr
Abstract
Introdução: O acidente vascular cerebral (AVC) é uma das principais causas de mortalidade e incapacidade permanente em todo o mundo, representando um grave problema de saúde pública. Nos últimos anos, a Inteligência Artificial (IA) tem sido amplamente aplicada na análise automatizada de tomografias e ressonâncias do crânio, com resultados expressivos na detecção rápida de sinais do AVC. Objetivo: Investigar o impacto da IA no manejo do AVC. Metodologia: O atual estudo trata-se de uma revisão de literatura com abordagem qualitativa e caráter exploratório que buscou artigos nas bases de dados do PubMed, Scielo e Google Acadêmico. Utilizando os descritores: “Inteligência Artificial”, “Acidente Vascular Cerebral”, “Exames de Imagem”, “Tomografia” e “Ressonância Magnética”, e seus sinônimos, em inglês e português combinados de diferentes formas com os operadores booleanos “AND” e “OR”. Resultados e Discussão: Nessa perspectiva, foram selecionados para esta revisão de literatura 7 artigos que preencheram os critérios de elegibilidade. A literatura analisada demonstra que a IA tem se mostrado uma ferramenta altamente eficaz na detecção precoce de sinais do AVC em exames de imagem. Outro aspecto amplamente destacado é a contribuição direta da IA para a redução do tempo entre o diagnóstico e o início do tratamento, um fator decisivo para o prognóstico do paciente com AVC. Conclusão: Conclui-se que a inteligência artificial é uma ferramenta essencial para a triagem e detecção rápida do AVC, aumentando a precisão diagnóstica e a eficiência hospitalar, devendo ser aplicada como apoio ao raciocínio clínico e não como substituta do médico.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.349 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.219 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.631 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.480 Zit.