AVANÇOS DA INTELIGÊNCIA ARTIFICIAL NO DIAGNÓSTICO DE DOENÇAS CARDIOVASCULARES: UMA REVISÃO INTEGRATIVA
Palavras-chave:
Diagnóstico por Imagem, Doenças Cardiovasculares, Ética em Inteligência Artificial, Inteligência ArtificialResumo
As doenças cardiovasculares (DCV) são a principal causa de mortalidade global, o que torna o diagnóstico precoce e preciso fundamental. Neste contexto, a Inteligência Artificial (IA) surge como uma tecnologia transformadora na cardiologia. O objetivo deste estudo foi realizar uma revisão integrativa da literatura sobre os avanços, aplicações e desafios da IA no diagnóstico de DCV. O método consistiu em uma revisão integrativa com artigos publicados entre 2017 e 2023 , selecionados nas bases de dados Scientific Electronic Library Online (SciELO), PubMed, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES), Institute of Electrical and Electronics Engineers Xplore (IEEE Xplore) e Scopus. Os resultados demonstram a alta capacidade da IA na interpretação de eletrocardiogramas (ECGs) e imagens médicas, na predição de eventos adversos e na estratificação de risco personalizada. Contudo, desafios significativos foram identificados, como a necessidade de dados de alta qualidade, vieses algorítmicos, dilemas éticos e a ausência de uma regulamentação robusta. Conclui-se que, embora o potencial da IA seja imenso, sua integração segura e eficaz na prática clínica depende de uma abordagem ética, regulamentada e centrada no fortalecimento da decisão clínica humana, e não em sua substituição.
Referências
Adadi, A.; Berrada, M. Peeking Inside The Black-Box: A Survey On Explainable Artificial Intelligence (Xai). Ieee Access, V. 6, P. 52138-52160, 2018.
Attia, Z. I. Et Al. An Artificial Intelligence-Enabled Ecg Algorithm For The Identification Of Patients With Atrial Fibrillation During Sinus Rhythm: A Retrospective Analysis Of Outcome Prediction. The Lancet, V. 394, N. 10201, P. 861-867, 2019.
Cirillo, D. Et Al. Sex And Gender Differences And Biases In Artificial Intelligence For Biomedicine And Healthcare. Npj Digital Medicine, V. 3, N. 1, P. 81, 2020.
Hannun, A. Y. Et Al. Cardiologist-Level Arrhythmia Detection And Classification In Ambulatory Electrocardiograms Using A Deep Neural Network. Nature Medicine, V. 25, N. 1, P. 65-69, 2019.
Organização Mundial Da Saúde (Oms). Cardiovascular Diseases. Fact Sheet, 11 June 2021. Disponível Em: Https://Www.Who.Int/News-Room/Fact-Sheets/Detail/Cardiovascular-Diseases-(Cvds.
Souza, M. T.; Silva, M. D.; Carvalho, R. Revisão Integrativa: O Que É E Como Fazer. Einstein (São Paulo), V. 8, N. 1, P. 102-106, 2010.
Topol, E. J. High-Performance Medicine: The Convergence Of Human And Artificial Intelligence. Nature Medicine, V. 25, N. 1, P. 44-56, 2019.
Weng, S. F. Et Al. Can Machine-Learning Improve Cardiovascular Risk Prediction Using Routine Clinical Data? Plos One, V. 12, N. 4, P. E0174944, 2017.
Zhang, J. Et Al. Fully Automated Echocardiogram Interpretation In Clinical Practice. Circulation, V. 138, N. 16, P. 1623-1635, 2018.
