UTILIZAÇÃO DA INTELIGÊNCIA ARTIFICIAL NA MEDICINA

REGISTRO DOI: 10.5281/zenodo.11235389

---

Adalton Cicero Teim Junior; Fagner Augusto Ramos Da Silva; Luiz Felipe Ferreira Brito; Orientado por Allan Kardec Gurgell do Amaral.

---

RESUMO

A integração da inteligência artificial (IA) na medicina representa uma mudança significativa na forma como os profissionais de saúde abordam o diagnóstico, tratamento e gestão de doenças. Com o avanço da tecnologia, os computadores estão se tornando cada vez mais capazes de processar grandes volumes de dados médicos e fornecer insights valiosos em tempo real. O objetivo deste trabalho é analisar o uso da inteligência artificial na medicina, buscando identificar suas principais aplicações e técnicas, além de avaliar benefícios e desafios. Pretende-se também explorar perspectivas futuras, tendências emergentes e considerações éticas. A metodologia adotada consiste em uma revisão exploratória da literatura, visando coletar e resumir o conhecimento científico disponível sobre o tema, contribuindo assim para o avanço do conhecimento nessa área. A utilização da inteligência artificial na medicina promete revolucionar a forma como os cuidados de saúde são entregues, tornando o diagnóstico mais preciso, os tratamentos mais personalizados e a gestão de doenças mais eficiente. No entanto, é crucial abordar os desafios e questões éticas associadas a essa tecnologia em constante evolução.

Palavras-chave: Medicina; Inteligência Artificial; Prática Clínica.

ABSTRACT

The integration of artificial intelligence (AI) into medicine represents a significant shift in the way healthcare professionals approach the diagnosis, treatment and management of disease. As technology advances, computers are becoming increasingly capable of processing large volumes of medical data and providing valuable insights in real time. The objective of this work is to analyze the use of artificial intelligence in medicine, seeking to identify its main applications and techniques, in addition to evaluating benefits and challenges. It is also intended to explore future perspectives, emerging trends and ethical considerations. The methodology adopted consists of an exploratory review of the literature, aiming to collect and summarize the scientific knowledge available on the topic, thus contributing to the advancement of knowledge in this area. The use of artificial intelligence in medicine promises to revolutionize the way healthcare is delivered, making diagnosis more accurate, treatments more personalized and disease management more efficient. However, it is crucial to address the challenges and ethical issues associated with this constantly evolving technology.

Keywords: Medicine; Artificial intelligence; Clinical practice.

1. Introdução.

A chegada dos computadores revolucionou a capacidade humana de processar informações e se comunicar, fragmentando a sociedade em grupos com interesses semelhantes através da conectividade global. Conceitualmente, a inteligência artificial (IA) é uma extensão da ciência da computação, utilizando algoritmos para realizar tarefas, analisar dados e tomar decisões de forma autônoma, emulando a capacidade cognitiva humana. Nesse sentido, a IA representa um sistema inteligente capaz de executar tarefas sem a necessidade de instruções diretas de humanos.

A presença de sistemas operando por meio de algoritmos de IA já é uma realidade em diversos setores, desde a agricultura até o mercado financeiro, proporcionando eficiência e agilidade nas operações. A busca por simular a cognição humana tem impulsionado estudos e desenvolvimentos tecnológicos, com o objetivo de equipar as máquinas com habilidades comparáveis às do cérebro humano.

Na medicina, a IA tem sido aplicada para melhorar o diagnóstico, prognóstico e tratamento em diversas especialidades, como neurologia, oncologia, cardiologia e dermatologia. Essa integração oferece benefícios significativos, como maior precisão no diagnóstico, otimização do tratamento e redução de riscos para os pacientes.

Este trabalho de pesquisa tem como objetivo analisar o estado atual da inteligência artificial na medicina, revisando a literatura acadêmica para compreender sua aplicação na prática médica, identificar suas principais aplicações e técnicas, avaliar os benefícios e desafios, explorar perspectivas futuras e tendências emergentes, além de analisar recomendações para seu uso ético e eficaz.

Dividido em várias seções, o trabalho abordará desde a definição de inteligência artificial e suas aplicações na área médica até estudos de caso e análise dos resultados obtidos, destacando avanços tecnológicos esperados, desafios a serem enfrentados e oportunidades de pesquisa.

2. Objetivo Geral.

Analisar o estado atual da inteligência artificial na medicina, revisando a literatura acadêmica para entender como a inteligência artificial está sendo atualmente utilizada na prática médica, incluindo diagnóstico, tratamento, pesquisa e gestão de saúde.

2.1. Objetivos Específicos.

• Identificar as principais aplicações e técnicas de inteligência artificial na medicina.
• Avaliar os benefícios e desafios da utilização da inteligência artificial.
• Explorar as perspectivas futuras e tendências emergentes e as futuras direções da aplicação da inteligência artificial na medicina.
• Analisar as recomendações para o uso ético e eficaz

3. Metodologia.

Esta pesquisa empregou uma revisão da literatura, adotando uma abordagem exploratória, com o propósito de investigar informações relevantes sobre o uso da Inteligência Artificial (IA) na medicina, a partir de artigos previamente publicados. O objetivo primordial consistiu em reunir e resumir o conhecimento científico existente sobre o tema em análise, visando contribuir para o desenvolvimento do entendimento nessa área específica. A condução desse tipo de estudo possibilita a síntese do conhecimento ao unificar diferentes perspectivas sobre o mesmo tópico e aplicar os resultados obtidos de forma prática.

Essa abordagem desempenha um papel crucial na prática baseada em evidências, uma vez que identifica o problema em questão, emprega uma análise crítica para buscar estudos relevantes na área e determina a aplicabilidade dos resultados obtidos. Além disso, esse método de revisão, por ser mais abrangente, permite a inclusão tanto de estudos experimentais quanto não experimentais, enriquecendo a compreensão do assunto em estudo (Souza et al., 2017).

4. Revisão da Literatura.

4.1. Definição de inteligência artificial e suas aplicações na área médica.

O avanço na adoção de dispositivos inteligentes no dia a dia, ocorre o aprimoramento dos sistemas, o que possibilita melhorias na capacidade de coleta, armazenamento e processamento de dados, resultando em uma facilitação na análise desses dados. Dessa forma, ao ter acesso a um amplo conjunto de informações e aplicando uma análise inteligente, tanto robôs quanto programas de computador conseguem resolver problemas de forma extremamente eficiente. Esse avanço é viabilizado pelos métodos avançados de aprendizado de máquina, onde quanto mais dados estão disponíveis, maior é a habilidade de adaptar seu próprio funcionamento com base nas experiências passadas, através da atuação dos algoritmos (LOBO, 2017).

A Inteligência Artificial abrange diversas habilidades e processos, como a capacidade de identificar padrões em imagens, compreender linguagem escrita e falada, reconhecer relações e conexões, seguir algoritmos de decisão desenvolvidos por especialistas, entender conceitos além de simples processamento de dados, e adquirir novos “raciocínios” ao integrar novas experiências, o que permite autoaperfeiçoamento na resolução de problemas ou execução de tarefas (LOBO, 2017).

O principal desafio enfrentado pela inteligência artificial é resolver problemas intuitivos que são simples para os seres humanos realizarem, mas difíceis de serem formalmente descritos. A solução desses problemas intuitivos tem avançado para permitir que os computadores aprendam com a experiência e compreendam o mundo em termos de uma hierarquia de conceitos, na qual cada conceito é definido em relação a conceitos mais simples. A partir dessa hierarquia de conceitos, os computadores podem aprender conceitos complexos. A subárea da inteligência artificial responsável por esses avanços é conhecida como aprendizado de máquina (ZIVIANI, 2017).

Segundo Ziviani (2017, p. 7), o objetivo da inteligência artificial é criar software que automatize tarefas rotineiras, compreenda a linguagem falada ou descreva elementos em imagens, faça diagnósticos na área médica e apoie a pesquisa científica fundamental.

A inteligência artificial (IA) representa um campo da ciência da computação que replica os processos de pensamento humano, a capacidade de aprendizado e o armazenamento de conhecimento. Nos dias de hoje, a IA tem sido amplamente empregada na análise de imagens e na realização de previsões. Diversos setores da medicina têm se dedicado ao aprimoramento da inteligência artificial, buscando melhorias na saúde em um sentido mais amplo e aceito (BRAGA, 2019).

Figura 1: Visão conceitual dos sistemas de Inteligência Artificial.

A utilização da inteligência artificial (IA) na área da saúde está provocando um impacto significativo, alterando fundamentalmente a abordagem dos cuidados médicos, o processo de diagnóstico dos pacientes, o tratamento de doenças e a gestão de recursos. A convergência entre as soluções tecnológicas de IA e o conhecimento médico está abrindo novas possibilidades para grandes avanços e melhorias substanciais na assistência aos pacientes. Desde diagnósticos médicos mais precisos até tratamentos personalizados e previsões de surtos de doenças, as aplicações da inteligência artificial na saúde são vastas e altamente relevantes (JORGE, 2023).

O uso de sistemas que cruzam remédios prescritos e dados do paciente, evitando interações ou doses inapropriadas, está disponível e se reflete numa melhor e mais segura prescrição medicamentosa. Médicos e farmacêuticos se beneficiam muito com esses sistemas que confrontam dados e prescrições, evitando casos de medicações inadequadas a mulheres grávidas, doentes com insuficiência renal, alérgicos à droga prescrita e interações entre medicações feitas por mais de um profissional (LOBO, pg.187, 2017).

A área de diagnóstico e detecção de doenças tem se beneficiado enormemente da inteligência artificial, uma vez que esta tem demonstrado ser altamente eficaz na identificação de condições médicas, auxiliando os profissionais da saúde a realizar diagnósticos com maior precisão e rapidez. Os algoritmos de aprendizado de máquina podem examinar extensos conjuntos de dados médicos, incluindo imagens de exames, históricos clínicos e resultados de testes laboratoriais, e oferecer informações valiosas aos médicos. Esse avanço viabiliza a identificação precoce de doenças, como câncer, problemas cardíacos e distúrbios neurológicos, aumentando as perspectivas de tratamento eficaz e melhores resultados para os pacientes (JUNIOR, 2024). Abaixo tem o Quadro 1 que é exemplo de como a inteligência artificial trabalha na análise e concepção de resultados.

Quadro 1: Aplicações da IA em Assistência Médica: Desde a Descoberta de Medicamentos até Cuidados do Paciente.

Ela pode ser empregada para realizar a interpretação de diversos tipos de exames, como os neurológicos, radiológicos e eletrocardiogramas, fornecendo probabilidades de diagnóstico com base em algoritmos de decisão atualizados de acordo com as últimas práticas de tratamento, ajustados por meio do aprendizado contínuo (auto aprimoramento). Com o auxílio da inteligência artificial, os dados dos pacientes são coletados a partir de fontes como prontuários médicos eletrônicos, resultados de exames e registros da evolução da doença, assim como informações sobre os medicamentos prescritos. Todos esses dados são utilizados como entrada para algoritmos definidos e continuamente atualizados, possibilitando análises com respectivas probabilidades diagnósticas (WOELFFEL, 2023).

4.2. Aplicações da Inteligência Artificial na Prática Clínica.

A Inteligência Artificial (IA) é uma área da ciência da computação dedicada ao desenvolvimento de sistemas que imitam a capacidade humana de compreender problemas, identificar seus elementos constituintes e, com base nisso, resolver problemas e tomar decisões. Outra definição de Inteligência Artificial descreve-a como a criação de sistemas inteligentes de computação capazes de realizar tarefas sem a necessidade de instruções diretas de seres humanos (os “robôs” são exemplos disso) (LOBO, 2017).

Imagem 1: Sistema de Inteligência Artificial e Human Insights da Johnson & Johnson MedTech passa a ser utilizado pelo Hospital Israelita Albert Einstein.

A tomada de decisão em medicina depende, essencialmente, da proposta de hipóteses diagnósticas sugeridas pelo médico após colher e avaliar dados sobre os problemas de saúde de um paciente. Essas hipóteses seriam avaliadas e indicariam a necessidade de ter novas informações sobre o caso ou a realização de exames complementares que permitam eleger a melhor opção na solução do problema (LOBO, pg.188, 2017).

No contexto cirúrgico abrangem ferramentas valiosas tanto no período pré-operatório quanto na tomada de decisões cirúrgicas. Isso inclui a identificação de fatores de risco modificáveis e o processamento de imagens que aprimoram o planejamento de procedimentos cirúrgicos em diversas áreas, como procedimentos percutâneos (como ablação de tumores), estereotáxicos (como neurocirurgia), ortopédicos (como seleção do tamanho adequado de próteses), cardiovasculares (como escolha de próteses valvulares) e laparoscópicos (como determinação do local ideal para incisão e colocação de instrumentos cirúrgicos) (LANZAGORTA-ORTEGA, 2022).

Segundo Morsch (2021) a aplicação da inteligência artificial na medicina agrega uma série de vantagens, como pode-se ver no Quadro abaixo:

Quadro 2: Vantagens da Inteligência Artificial na medicina.

– Pesquisa, Recuperação e Análise Eficientes de Dados – Organização Automatizada de Agendas e Documentos – Facilitação da Transformação Digital em Estabelecimentos de Saúde – Formação de Bibliotecas e Bancos de Dados de Alta Qualidade – Cálculo Preciso de Dosagens de Medicamentos – Aumento da Produtividade dos Profissionais de Saúde por meio da Automação de Tarefas Repetitivas – Diagnóstico Ágil com Auxílio de Análise de Imagens de Exames – Monitoramento Remoto em Tempo Real de Pacientes – Aprimoramento da Triagem e Gestão de Informações em Unidades de Saúde – Identificação de Padrões e Tendências em Populações Específicas – Previsões de Risco de Doenças – Desenvolvimento de Tratamentos Personalizados baseados no Histórico Individual de Pacientes – Coleta, Armazenamento e Análise Automatizada de Dados para Melhoria de Diagnósticos – Realização de Cirurgias à Distância – Apoio ao Autocuidado com Fornecimento de Informações Precisas aos Pacientes – Análise de Riscos e Envio de Alertas para Prevenir Eventos Graves como Infarto e AVC – Suporte à Gestão de Consultórios, Clínicas e Hospitais.

Fonte : MORSCH, 2021.

No que diz respeito à medicina personalizada, a inteligência artificial possibilita a criação de abordagens individualizadas de tratamento, considerando informações genéticas, histórico médico pessoal e outros elementos relevantes. Por meio de algoritmos de IA, é possível analisar dados dos pacientes e identificar padrões que auxiliam na determinação das terapias mais adequadas para condições específicas, melhorando assim o tratamento e minimizando possíveis efeitos colaterais indesejados (JUNIOR, 2024).

4.3. Diagnóstico assistido por IA.

Nos próximos anos, espera-se uma mudança radical na prática da medicina, com a integração da inteligência artificial em todas as áreas médicas. O futuro das especialidades médicas dependerá, em grande parte, da interação e da criatividade na relação médico-paciente. As áreas da medicina que envolvem tarefas repetitivas, como avaliação da pele, interpretação de exames de imagem e análise histopatológica, provavelmente passarão por transformações rápidas, já que são passíveis de automação. Por outro lado, áreas como saúde mental, fisioterapia e reabilitação, onde a interação humana desempenha um papel crucial, têm menor probabilidade de serem substituídas pela inteligência artificial (LANZAGORTA-ORTEGA et al., 2022).

Gráfico 1: Como a inteligência artificial está tornando a saúde ‘mais humana’.

Uma pesquisa realizada pela MIT Technology Review Insights com mais de 900 profissionais do setor. De acordo com o levantamento, feito em parceria com a GE Healthcare, médicos estão usando a tecnologia para melhorar e automatizar análise de dados, aprimorar diagnósticos, otimizar o trabalho nos hospitais e gerenciar fluxos de trabalho. Os entrevistados acreditam que a tecnologia representa uma extensão — e não extinção — de sua capacidade profissional na saúde. Mais de 80% daqueles que já implementaram a I.A ou planejam começar a usar a tecnologia acreditam que a ferramenta melhora a capacidade de gerar receita, recrutar talentos e ser competitivo no setor. Entre os entrevistados, 74% desenvolvem ou planejam desenvolver algoritmos de aplicativos de I.A. Além disso, 79% desejam aumentar o investimento na tecnologia nos próximos anos (MIT, 2024).

O avanço significativo de diversas áreas médicas com a implementação da IA é notável. Por exemplo, na radiologia, que tem liderado a transformação digital de imagens nas últimas décadas, com sistemas de arquivamento e comunicação de imagens (PACS) e a telemedicina. Com o uso da IA, novas áreas como a radiômica surgiram, integrando e correlacionando dados de radiologia, patologia e genômica por meio de algoritmos e software (LANZAGORTA-ORTEGA, 2022).

Imagem 2: Representação da função (matriz) de uma imagem médica digital (corte axial de uma TC de tórax) em escala de cinza.

O estudo realizado por Santos (2019) destaca os avanços significativos na disciplina de radiologia e diagnóstico por imagem nos últimos anos. Estes avanços incluem um aumento substancial no número de exames realizados, uma especialização mais aprofundada nas diversas áreas médicas e uma maior precisão nos métodos, o que representa um desafio para os médicos radiologistas em termos de conhecimento abrangente sobre todos os exames e áreas do corpo humano. Além disso, os exames de imagem não se limitam mais a fornecer apenas informações qualitativas e diagnósticas, mas também oferecem dados quantitativos sobre a gravidade da doença e identificam biomarcadores prognósticos e de resposta ao tratamento. Como resultado, sistemas computadorizados de apoio ao diagnóstico estão sendo desenvolvidos com o objetivo de auxiliar no processo de diagnóstico por imagem e na tomada de decisões terapêuticas.

Imagem 3: Plataforma de IA do Synapse.

Espera-se que, com a assistência da IA, a interpretação de imagens seja aprimorada e acelerada. Algoritmos serão capazes de analisar vastas quantidades de imagens e dados, aprendendo e identificando diferenças nos tecidos, além de oferecer suporte aos radiologistas com relatórios de diagnóstico assistidos por computador, agilizando suas atividades diárias. É importante ressaltar que a IA não substituirá os radiologistas, mas aqueles que a incorporarem em sua prática substituirão os que não o fizerem (LANZAGORTA-ORTEGA, 2022).

4.4. Previsão de doenças e prognóstico.

As informações dos pacientes podem ser obtidas de várias fontes, seja diretamente dos registros eletrônicos de saúde, seja por meio da inserção de dados da história médica, exame físico, exames complementares, progressão da doença e prescrição de medicamentos, utilizando algoritmos definidos e sujeitos a atualizações com a análise desses dados (LOBO, 2017).

Figura 2: Prognóstico realizado pela IA após analisar dados do paciente.

1. Hipóteses de solução de problemas, com frequência, são geradas precocemente ao se entrevistar um paciente, seja porque o médico se lembra de casos semelhantes, seja porque leu um artigo que discutia situações com as mesmas características; 2. Hipóteses são, de regra, apresentadas em número limitado, mesmo em casos complexos; não obstante, hipóteses gerais, como dor abdominal, podem ser propostas junto com outras; 3. Como consequência da proposição precoce de hipóteses, os médicos podem buscar novos dados para comprovar suas hipóteses e não para reavaliá-las, necessitando de muito mais informação ou resultados de exames para rever essas hipóteses; 4. A solução de um caso está, de regra, relacionada à competência do profissional em relação ao problema apresentado pelo paciente (LOBO, pg.188, 2017).

Esses algoritmos podem então sugerir diagnósticos diferenciais para condições médicas, acompanhados das respectivas probabilidades de ocorrência. Recentemente, dispositivos portáteis têm sido incorporados à prática médica, fornecendo informações contínuas, como níveis de glicose, eletrocardiograma e atividade física, que podem desencadear ações automatizadas, como a administração de insulina, a entrega de uma descarga elétrica de um desfibrilador subcutâneo ou o ajuste da dose de um medicamento em pacientes com doença de Parkinson (LOBO, 2017).

4.5. Questões éticas e regulatórias.

O estudo conduzido por Lucas e Dos Santos (2021) sobre o papel da Inteligência Artificial na medicina demonstra a capacidade de analisar grandes volumes de dados com precisão e eficiência em um curto período de tempo. No entanto, dado que essa tecnologia está em constante evolução e não possui precedentes, é necessário que o campo jurídico se adapte para lidar com as demandas legais decorrentes dessa nova realidade.

Utilizando uma abordagem de revisão bibliográfica, o estudo examina aspectos importantes relacionados à responsabilidade pelos atos de Inteligência Artificial na medicina, identificando as principais características das tecnologias que operam por meio da IA, refletindo sobre sua aplicação na área médica e analisando a responsabilização por eventuais danos. Concluem que o uso da Inteligência Artificial apresenta riscos que devem ser considerados diante dos benefícios potenciais que pode trazer, especialmente devido à incerteza jurídica em torno do assunto, uma vez que não há legislação específica sobre o tema no Brasil (LUCAS, DOS SANTOS, 2021).

A questão da perda de confidencialidade dos dados armazenados tem sido destacada e é um tópico que deve ser continuamente abordado. No entanto, sistemas de saúde como o NHS na Inglaterra demonstram que os benefícios da troca de experiências superam eventuais preocupações relacionadas à privacidade. Já existem plataformas online onde pacientes trocam informações, como PatientsLikeMe, Acor (association of cancer online), CrowdMed e SmartPatients. Diversas empresas, como IBM, Google, Apple, Microsoft e Amazon, estão intensamente envolvidas em projetos de inteligência artificial (LOBO, 2017).

Entretanto, é essencial enfrentar os obstáculos e considerações éticas relacionados ao emprego da IA na área da saúde. A colaboração entre profissionais da saúde, pesquisadores, desenvolvedores de IA e autoridades reguladoras é crucial para garantir que os sistemas de IA sejam desenvolvidos e implementados de forma responsável, ética e equitativa (JUNIOR, 2024).

À medida que a IA continua sua evolução, surgirão novas oportunidades e desafios. É imprescindível manter uma supervisão constante e uma abordagem cautelosa para maximizar os benefícios e mitigar os riscos do uso da Inteligência Artificial na saúde, sempre com o objetivo de melhorar a qualidade de vida dos pacientes e impulsionar avanços na medicina (JUNIOR, 2024).

Segundo Nogaroli (2023), os princípios éticos da Inteligência Artificial na Medicina e os deveres de conduta médica decorrentes da boa-fé objetiva contratual, reinterpretados à luz da Pós-Constitucionalização do Direito Civil e da abordagem centrada na pessoa na prática médica. Para isso, explorou-se 4 cenários que provocam reflexões sobre culpa médica e deveres de conduta quando o diagnóstico ou tratamento envolve um sistema de decisão automatizado. Os cenários apresentados destacam diferentes desafios e questões éticas relacionadas ao uso da inteligência artificial (IA) na prática médica.

Tabela 1: 4 cenários que provocam reflexões sobre culpa médica e deveres de conduta.

No primeiro cenário, a questão da culpa médica é discutida em situações em que a IA sugere tratamentos incorretos ou fora do padrão estabelecido pela prática médica tradicional. Isso levanta questões sobre a responsabilidade do médico ao seguir ou ignorar as recomendações algorítmicas, exigindo uma análise cuidadosa dos padrões de conduta profissional e da diligência na tomada de decisão (NOGAROLI, 2023).

No segundo cenário, a preocupação com a transparência e a explicabilidade dos sistemas de IA é destacada, especialmente no contexto do dever de esclarecimento do médico ao paciente. A falta de divulgação do uso da IA na tomada de decisão médica pode comprometer a autonomia do paciente e levantar questões sobre a responsabilidade do médico em garantir a compreensão e a participação do paciente no processo de tratamento (NOGAROLI, 2023).

No terceiro cenário, é discutido o risco de os médicos confiarem cegamente nas predições algorítmicas da IA, sem considerar suas limitações ou contextos específicos de aplicação. Isso destaca a importância de uma abordagem responsável e crítica no uso da IA, bem como a necessidade de educação e treinamento contínuos dos profissionais de saúde (NOGAROLI, 2023).

No quarto cenário, a responsabilidade das entidades hospitalares na implementação e manutenção de sistemas de IA é abordada, destacando a importância de garantir condições adequadas para o uso dessas tecnologias e de promover uma cultura de compliance e transparência (NOGAROLI, 2023).

Em conclusão, os cenários ilustram a complexidade das questões éticas e legais relacionadas ao uso da IA na prática médica e ressaltam a importância de abordagens responsáveis, transparentes e centradas no paciente para garantir que a IA seja utilizada de forma ética e eficaz.

Os benefícios da inteligência artificial (IA) na área da saúde não diminuem a complexidade significativa dessa tecnologia, que opera com base nos dados pessoais dos pacientes e da saúde pública para desenvolver soluções verdadeiramente inteligentes. Diante disso, é crucial que as instituições estejam comprometidas com o uso responsável da IA em escala global. Com o objetivo de mitigar os riscos e maximizar as oportunidades inerentes ao uso da IA na área da saúde, e considerando o considerável potencial dessa tecnologia na medicina, a Organização Mundial da Saúde (OMS) emitiu diretrizes para garantir o uso ético dessa tecnologia. Esses princípios devem orientar as ações para apoiar os esforços e assegurar que todo o potencial da IA na assistência à saúde e na saúde pública seja empregado para o benefício de todos. Dessa forma, a organização destacou seis pontos (SBMT, 2024):

Quadro 3: Princípios éticos para o uso da IA na Medicina.

– A supervisão dos sistemas de saúde e a tomada de decisões devem ser realizadas por seres humanos e não completamente pela inteligência artificial; – Os desenvolvedores responsáveis pela implementação da tecnologia devem monitorar e garantir o funcionamento adequado de todas as ferramentas, cumprindo todas as normas de segurança; – Os desenvolvedores também são responsáveis por divulgar os dados e informações relacionados ao desenvolvimento dos produtos e como eles devem ser manipulados, assegurando transparência em todas as etapas; – Os sistemas de saúde que adotam a IA devem garantir o treinamento e a capacitação dos profissionais responsáveis pelo uso das ferramentas; – As tecnologias utilizadas devem respeitar e ser treinadas com uma base de dados diversificada em termos de nacionalidades, gêneros e raças, visando promover a diversidade e evitar algoritmos tendenciosos; – As ferramentas de IA devem ser avaliadas continuamente quanto ao seu desempenho, de modo que qualquer problema possa ser rapidamente identificado e corrigido adequadamente

Fonte : Adaptado SBMT, 2024.

No Senado, está em análise um projeto de lei que regula o emprego de sistemas de Inteligência Artificial (IA) nas atividades de médicos, advogados e juízes. Apresentada pelo senador Veneziano Vital do Rêgo (MDB-PB), a proposta (PL 266/2024) estipula que tais recursos tecnológicos sejam empregados apenas como ferramentas de apoio na prática desses profissionais. No contexto da assistência médica, por exemplo, o projeto determina que o uso de inteligência artificial possa colaborar com o trabalho do médico, resguardando sua autonomia profissional. O texto modifica a lei do Ato Médico (Lei 12.842, de 2013), estabelecendo que o uso desses sistemas sem supervisão médica caracteriza exercício ilegal da Medicina, sendo de responsabilidade do Conselho Federal de Medicina regulamentar sua utilização (BRASIL, 2024).

O problema jurídico surge quando essas ações autônomas causam danos, especialmente na área médica, levantando questões sobre a responsabilidade jurídica por tais atos. Em princípio, a responsabilidade legal deve ser atribuída a uma pessoa física ou jurídica associada à IA. No entanto, para que as abordagens para resolver esse problema sejam aplicáveis, elas devem estar em conformidade com os requisitos legais dos ordenamentos jurídicos (LUCAS, DOS SANTOS, 2021)

4.6. Precisão e confiabilidade dos sistemas de IA.

O estudo conduzido por Lanzagorta-Ortega, Carrillo-Perez e Carrillo-Esper (2022) ressalta que a prática médica está evoluindo a um ritmo tão acelerado que é praticamente impossível para os médicos de hoje manterem-se completamente atualizados. Além disso, o aumento significativo na carga de trabalho clínico e administrativo tem contribuído para o esgotamento dos profissionais de saúde e o consequente aumento de erros médicos, colocando em risco a segurança dos pacientes.

Gráfico 2: Saúde mental de médicos brasileiros.

Segundo a pesquisa “Saúde Mental do Médico” conduzida pelo Research Center da Afya, aproximadamente dois terços (62%) dos médicos brasileiros apresentaram sintomas de síndrome de burnout, ou esgotamento profissional, ou receberam o diagnóstico desse distúrbio. Além disso, 47% relataram ter ou já ter tido diagnóstico de transtorno de ansiedade, enquanto 46% receberam diagnóstico de depressão. A pesquisa, realizada entre junho e julho de 2022 utilizando um método quantitativo, obteve 3.489 respostas, das quais 3.115 foram completas. A margem de erro está entre 1,66 a 1,76 pontos percentuais, com um nível de confiança de 95%.

Os algoritmos de inteligência artificial alcançam sua eficácia com base nos dados que recebem. Caso os dados utilizados para treinar esses sistemas sejam tendenciosos ou não representativos da diversidade da população, isso pode levar a decisões discriminatórias ou a disparidades na entrega de cuidados de saúde. Portanto, é essencial assegurar que os sistemas de IA sejam desenvolvidos e testados com um compromisso com a equidade e a inclusão (JUNIOR, 2024).

4.7. Barreiras para adoção em larga escala.

Atualmente, enfrentamos o desafio de lidar com um vasto volume de informações, seja proveniente de registros eletrônicos de pacientes contendo dados clínicos, resultados de exames, diagnósticos propostos, prescrições e os resultados desses tratamentos, ou através de entrada manual de dados, considerando a possibilidade de informações ausentes ou incompletas. Além disso, é necessário levar em conta que algumas informações podem precisar ser digitadas devido à falta de compatibilidade entre sistemas nos quais foram registradas, o que potencialmente pode introduzir erros humanos. Para lidar com essas questões, sistemas em segundo plano podem ser empregados para verificar informações dos pacientes, como interações medicamentosas, incompatibilidades, resultados discrepantes em exames complementares, bem como para monitorar exames solicitados ou a serem realizados (LOBO, 2017).

Integrar dados dos vários níveis de atenção à saúde, analisando-os por região e complexidade, incentivar a troca on-line de experiências, discutir o uso de novas tecnologias na prática médica, não só em grandes centros, mas, sobretudo, em áreas remotas, são imperativos a serem discutidos (LOBO, pg.191, 2017).

Apesar dos muitos benefícios que a inteligência artificial oferece à área da saúde, ela também enfrenta desafios e suscita questões éticas. Entre os pontos cruciais a serem considerados, estão a privacidade e a segurança dos dados. O uso da IA demanda acesso a grandes volumes de informações médicas, o que pode comprometer a privacidade e a segurança dos pacientes. É imperativo assegurar que esses dados sejam devidamente protegidos e utilizados de maneira ética, aderindo às diretrizes de consentimento informado e anonimização das informações (JUNIOR, 2024).

4.8. Estudos e projetos que exemplificam o uso da IA na medicina.

Existe um consenso sobre a eficácia da tecnologia na área da medicina e da saúde pública, uma vez que a complexidade da prática médica contemporânea ultrapassa as capacidades intrínsecas da mente humana (SILVERMAN; BARRY, 1997). Dessa forma, a Inteligência Artificial (IA) tem a habilidade de processar dados e fornecer diagnósticos cada vez mais precisos ao aprimorar continuamente seus próprios algoritmos por meio do aprendizado automático (self-learning) (LOBO, 2017).

Outra experiência relatada por Mukherjee foi desenvolvida na Universidade de Columbia: uma radiologista discutia a importância de diagnosticar precocemente um AVC numa tomografia computadorizada (CT scan), permitindo a destruição oportuna de um coágulo no cérebro. É fácil diagnosticar um AVC quando o cérebro já está morto e cinzento, dizia ela. O desafio é diagnosticar e intervir precocemente. O reconhecimento de imagens feito por IA poderia obviar esse desafio pelo reconhecimento de pequenos detalhes indicando áreas suspeitas em cortes de CT que poderiam passar despercebidas (LOBO, pg. 190, 2017).

Além disso, a ampla gama de aplicações da IA é respaldada por numerosos estudos em diversos campos. Na cardiologia, por exemplo, pesquisas conduzidas por Zellweger et al. (2018), com o algoritmo Basel-MPA, e por Stuckey et al. (2018), utilizando aprendizado de máquina, demonstraram uma melhor discriminação entre pacientes com e sem documentação angiográfica de doença arterial coronariana.

Esses estudos também evitaram o uso de ferramentas invasivas e não invasivas de alto custo, especialmente em pacientes com baixo risco de doenças arteriais, apresentando elevado nível de confiabilidade, sensibilidade e especificidade comparáveis a outros testes funcionais (BRAGA, 2019).

Santos (2019) aponta para as significativas atualizações que a radiologia tem passado devido à revolução tecnológica global. Inicialmente, com a digitalização dos ambientes radiológicos, seguida pela evolução das técnicas de visão computacional e inteligência artificial na criação de sistemas de apoio ao diagnóstico. Mais recentemente, com o avanço dos modelos computacionais de suporte às decisões clínicas e prognósticos.

Em seu trabalho, são apresentados e discutidos os principais conceitos relacionados à análise computadorizada de imagens, abrangendo também a aplicação da inteligência artificial na medicina de precisão. Os autores preveem que essas ferramentas irão transformar a prática dos médicos radiologistas e outros especialistas que lidam com exames de imagem, e possivelmente, em um futuro próximo, alterar a perspectiva de trabalho de todos os profissionais de saúde envolvidos na área.

No entanto, é levantada a preocupação de que os médicos radiologistas e outros especialistas possam ser substituídos integralmente por computadores. Embora tarefas e exames simples possam ser realizados e interpretados completamente pela máquina, o papel do médico na verificação e validação dos resultados, correlação clínico-epidemiológica e tomada de decisões terapêuticas não deve ser subestimado. Além disso, são mencionadas as implicações éticas e legais relacionadas à responsabilidade pelo exame médico (SANTOS, 2019).

A tecnologia desempenha um papel fundamental na eficiência financeira dos sistemas de saúde, proporcionando uma melhor alocação de recursos. A inteligência artificial é capaz de identificar fraudes ao analisar grandes conjuntos de dados, como sinistros, contas médicas e históricos de pacientes. Os algoritmos são treinados com casos reais de fraudes, permitindo que identifiquem padrões semelhantes e, assim, detectem atividades suspeitas (JORGE, 2024).

Quadro 4: Tecnologia: Um Arsenal Poderoso Contra a Fraude.

– Inteligência Artificial e Machine Learning: Essas tecnologias têm a capacidade de analisar grandes volumes de dados para identificar padrões suspeitos e prever a ocorrência de fraudes com precisão crescente. Algoritmos inteligentes aprendem com dados históricos e detectam anomalias, permitindo uma ação preventiva por parte das operadoras de saúde. – Análise de Dados: Ferramentas de análise de dados revelam inconsistências e irregularidades em sinistros e faturas. A mineração de dados e análise estatística identifica padrões suspeitos, como cobranças duplicadas, orientando auditorias e investigações para correção e melhoria de processos. – Biometria: Utilizando tecnologias como reconhecimento facial e impressão digital, a biometria reforça a segurança na identificação dos beneficiários, evitando fraudes como o empréstimo de carteirinhas. – Blockchain: Essa tecnologia oferece um registro distribuído e imutável para armazenamento seguro de informações na saúde suplementar. Pode rastrear a cadeia de suprimentos e registrar transações, garantindo autenticidade e transparência. – Auditoria Digital: Ferramentas de automação e inteligência artificial permitem auditorias eficientes e precisas, analisando grandes volumes de dados rapidamente para identificar irregularidades e fraudes, liberando recursos humanos para atividades estratégicas.

Fonte : https://itecsa.com.br/2024/05/08/fraude-na-saude-suplementar-prejuizos-bilionarios-com-impactos-profundos/.

Essa abordagem não apenas ajuda a reduzir os custos para as seguradoras, ao evitar o pagamento por serviços fraudulentos, mas também pode contribuir para a manutenção de preços acessíveis para os segurados (JORGE, 2024).

Quadro 5: Aplicação da inteligência artificial na medicina por área de atuação.

Cardiologia – Na cardiologia, podemos dividir as pesquisas em duas áreas distintas: – Fibrilação atrial: A detecção precoce dos sintomas é um dos primeiros focos da tecnologia. Empresas já atuam em aplicações móveis para smartphone desde 2014 nos EUA; – Risco cardiovascular: Junto do prontuário eletrônico dos pacientes, a IA foi usada para prever o risco de doença cardiovascular, como síndrome coronariana aguda e insuficiência cardíaca. Medicina pulmonar – O campo de estudo de interpretação de testes de função pulmonar tem se mostrado promissor com o uso da IA. – Estudos recentes têm mostrado que os softwares de detecção podem oferecer interpretações mais precisas e servem como ferramentas de suporte na decisão dos médicos. Endocrinologia – O monitoramento contínuo de glicose permite aos pacientes com diabetes ver leituras de glicose intersticial e também oferece informação sobre a direção e a taxa de mudança dos níveis de glicose no sangue. – Em 2018, uma parceria entre o Watson (IA da IBM) e a Sugar.IQ ajudou consumidores a evitar episódios de hipoglicemia com base nas medições prévias. Nefrologia – A inteligência artificial já foi aplicada em diferentes configurações na nefrologia clínica. Por exemplo: o uso útil na predição do declínio da taxa de filtração glomerular em pacientes com doenças de rins policísticos, bem como para estabelecer o risco de nefropatia por IgA progressiva. Gastroenterologia – Gastroenterologistas usam redes neurais convolucionais junto de modelos de deep learning para processar imagens de endoscopias e ultrassons, detectando assim estruturas anormais como pólipos colônicos. – As redes neurais artificiais também foram usadas para diagnosticar refluxo gastroesofágico e gastrite atrófica. Outras soluções incluem previsão de sangramento gastrointestinal, chance de sobrevivência de câncer esofágico, doença inflamatória intestinal, metástase em câncer colorretal, e carcinoma espinocelular de esôfago. Neurologia – Na neurologia, a inteligência artificial pode ser usada para a detecção de diferentes condições, como: – Epilepsia: Dispositivos inteligentes de detecção de convulsões são tecnologias promissoras que têm o potencial de melhorar o gerenciamento de convulsões por meio de monitoramento ambulatorial permanente. Um relatório focado na experiência do paciente revelou que, comparado aos wearables de monitoramento cardíaco, os pacientes que sofrem de epilepsia não tiveram barreiras na adoção de dispositivos de detecção de convulsões e relataram grande interesse no uso dos aparelhos; – Avaliação de marcha, postura e tremor: Sensores wearable se mostram úteis na avaliação quantitativa de marcha, postura e tremor em paciente com esclerose múltipla, Parkinson, Parkinsonismo e doença de Huntington.

Fonte : https://maislaudo.com.br/blog/inteligencia-artificial-na-medicina/.

4.9. Análise dos resultados obtidos e impacto na prática clínica.

Em 2020, a ciência e a medicina se apoiaram em softwares, inteligência artificial, drones e robôs para mitigar os efeitos negativos de um desafio sem precedentes para a humanidade: a pandemia do Covid-19. Poucos dias antes de a Organização Mundial da Saúde emitir oficialmente o primeiro alerta sobre a propagação do coronavírus, um sistema de inteligência artificial detectou o avanço do vírus, identificou seu epicentro na capital da província de Hubei, na China, e previu as cidades para as quais a pandemia se espalharia (como Seul, Taipei, Tóquio e Bangkok), emitindo alertas para organizações de saúde. O algoritmo desenvolvido pela empresa canadense de tecnologia em saúde BlueDot cruzou e compilou dados de fontes internacionais em 65 idiomas, monitorou redes de pesquisa em saúde, dados de aeroportos e companhias aéreas, além de comunicados oficiais de empresas relacionadas à agricultura e pecuária, entre outras fontes (DEMARTINI, 2020).

A descoberta pioneira da pandemia também levou os pesquisadores da BlueDot (2020) a publicar o primeiro estudo científico identificando o potencial de disseminação internacional do Covid-19. A Organização Mundial da Saúde (OMS) reconhece que as tecnologias digitais e a inteligência artificial estão transformando os campos da medicina, pesquisa e saúde pública em escala global. No entanto, embora contribuam para manter elevados padrões de produtividade e qualidade com precisão nas análises, a OMS reconhece que a aplicação da inteligência artificial na prática médica enfrenta desafios éticos, legais e sociais, como garantir o acesso equitativo, considerações sobre privacidade, uso adequado da tecnologia e responsabilização por todos esses aspectos (OMS, 2020).

Pesquisadores da Universidade de Stanford, nos Estados Unidos, lançaram em abril a mais recente edição do relatório “Artificial Intelligence Index Report 2023”, seu estudo anual sobre as tendências em IA, que revela algumas descobertas notáveis. Por exemplo, o número de incidentes ligados ao uso inadequado de IA está aumentando rapidamente. Segundo o banco de dados Algorithmic and Automation Incidents and Controversies (AIAAIC), que monitora incidentes relacionados ao uso ético inadequado de IA, o número de incidentes e controvérsias de IA aumentou 26 vezes desde 2012. Esse aumento reflete tanto o maior emprego de tecnologias de IA quanto a conscientização crescente sobre as possibilidades de seu uso inadequado. O AIAAIC é um repositório público, aberto e independente de incidentes e controvérsias recentes envolvendo ou relacionados à IA, algoritmos e automação (SBMT, 2024).

A evolução da inteligência artificial também está sendo empregada no aprimoramento de plataformas de telemedicina, que estão se tornando cada vez mais sofisticadas, transformando a maneira como os serviços de saúde são oferecidos tanto no âmbito público quanto no privado. A prestação de serviços médicos à distância desempenha um papel crucial na prática médica contemporânea, especialmente em cenários nos quais o acesso a especialistas é limitado, como áreas rurais, regiões remotas ou durante crises de saúde pública (JORGE, 2023).

Quadro 6: Telemedicina cresce em diferentes áreas da medicina.

Pesquisas recentes destacam a eficácia da telemedicina em diversas áreas da medicina, confirmando sua precisão e utilidade para consultas e tratamentos clínicos. Durante um período de 24 meses, de junho de 2021 a maio de 2023, a TopMed observou um aumento significativo de 50,2% no número de consultas remotas, abrangendo todas as regiões do Brasil, com maior concentração no Sul, Sudeste e Nordeste. Nesse intervalo de tempo, também foi registrado um aumento expressivo de 96,3% nos atendimentos de especialidades médicas como neurologia, psiquiatria, endocrinologia, dermatologia, neurologia pediátrica, entre outras. Além disso, houve um aumento de 39,9% nas consultas de clínica geral e medicina da família e comunidade.

A aplicação da inteligência artificial na telemedicina abarca uma variedade de elementos e potenciais, incluindo chatbots, sistemas de triagem e algoritmos de diagnóstico. Essas soluções possibilitam que os pacientes se comuniquem com profissionais de saúde, mesmo a distâncias consideráveis, por meio de videochamadas, mensagens de texto e aplicativos específicos para esse fim. Ademais, a IA desempenha um papel crucial na avaliação inicial dos pacientes, auxiliando na orientação para o tratamento adequado com base nas informações fornecidas (JORGE, 2023).

Quadro 7: Dados teleconsultas de 2022.

A telemedicina também pode se valer da IA para coletar e analisar os dados de saúde dos pacientes, como sinais vitais ou sintomas específicos, permitindo que os médicos monitorem a condição dos pacientes em tempo real. Esses sistemas têm a capacidade de emitir alertas automáticos diante de mudanças significativas nos dados, possibilitando uma intervenção imediata (JORGE, 2023).

Durante emergências de saúde pública, como a pandemia de COVID-19, a telemedicina desempenhou um papel vital na triagem, diagnóstico e tratamento de pacientes, contribuindo para mitigar a propagação do vírus e proteger os profissionais de saúde.

Em 2016, a Fiocruz estabeleceu o Centro de Integração de Dados e Conhecimentos para Saúde (Cidacs) com o propósito de unificar dados de saúde de mais de 100 milhões de brasileiros, abrangendo programas sociais, em uma plataforma segura que respeita a privacidade dos dados. O Cidacs foi projetado para gerenciar uma vasta gama de dados, utilizando uma infraestrutura de computação distribuída, e realizar a curadoria de dados de forma remota ou local no próprio centro. Esses dados são então utilizados para gerar insights e acelerar pesquisas científicas voltadas para o desenvolvimento de políticas públicas e de saúde (WOELFFEL, 2023).

4.10. Avanços tecnológicos esperados na área.

Amplamente empregada em diversas atividades cotidianas, como reconhecimento facial, aplicativos de navegação, e análise de comportamento do consumidor, a inteligência artificial (IA) está cada vez mais presente no campo da saúde. Seu uso na promoção da saúde pode ser descrito como qualquer inovação tecnológica por meio de métodos e dispositivos aplicados em todos os aspectos do cuidado ao paciente, desde o tratamento de doenças até a melhoria da reabilitação individual ou comunitária.

Segundo a Organização Mundial da Saúde (OMS), a IA representa uma grande oportunidade para aprimorar a prestação de serviços de saúde em escala global, podendo melhorar a velocidade e precisão do diagnóstico e triagem de doenças, auxiliar na assistência clínica, fortalecer a pesquisa em saúde e facilitar o desenvolvimento de medicamentos. Além disso, conforme indicado pela organização, a IA também pode contribuir para diversas iniciativas de saúde pública, como a vigilância epidemiológica e a gestão de sistemas de saúde (SBMT, 2024).

Quadro 8: Doenças raras: novo exame usa inteligência artificial para acelerar diagnóstico 29/02/2024.

Um novo exame genético, utilizando inteligência artificial, foi lançado pela Dasa Genômica, uma divisão de medicina genética da rede de saúde Dasa, na última segunda-feira (26). Pela primeira vez no Brasil, este teste pode auxiliar no diagnóstico precoce de mais de 90 doenças raras. Através da análise da metilação do DNA, uma modificação química nas bases do DNA, e com o suporte do algoritmo de inteligência artificial, o exame pode detectar doenças consideradas raras, as quais não foram confirmadas por outros métodos de teste, como o sequenciamento do Exoma, que é atualmente o principal método utilizado para identificar essas condições.

Fonte : https://www.cnnbrasil.com.br/saude/doencas-raras-novo-exame-usa-inteligencia-artificial-para-acelerar-diagnostico/#:~:text=Um%20novo%20exame%20gen%C3%A9tico%20que,tipo%20est%C3%A1%20dispon%C3%ADvel%20no%20Brasil..

Simultaneamente, testemunha-se um significativo avanço nas tecnologias médicas voltadas para o diagnóstico por imagem. O ecocardiograma, que alguns especulam que possa tornar o estetoscópio obsoleto, o ultrassom, que alguns afirmam substituir a palpação e a percussão abdominal, a ressonância magnética, que supostamente substitui os exames de radiologia contrastada, e o PET, que possibilita a identificação das áreas envolvidas em diversas atividades cerebrais, surgiram para suplantar o exame clínico tradicional dos pacientes e a interação médico-paciente. Atualmente, o diagnóstico é realizado principalmente por meio desses exames, em detrimento do raciocínio e julgamento clínicos (LOBO, 2017).

O processamento de um grande volume de informações em saúde permitirá melhorar a compreensão da gênese, diagnóstico e tratamento de problemas de saúde não só do indivíduo, como da população. Permitirá, em consequência, propor novas ações voltadas à promoção, prevenção e recuperação da saúde, o que incluiria a necessidade de eventual reestruturação dos sistemas voltados a desenvolver essas ações (LOBO, pg.192, 2017).

Pesquisadores da Faculdade de Farmácia da Universidade Federal de Goiás lideraram um estudo que resultou na descoberta de quatro novos compostos antiparasitários (LC-3, LC-4, LC-6 e LC-15). O diferencial desse trabalho foi a utilização de Inteligência Artificial (IA) avançada para identificar esses compostos com potencial terapêutico (STECCA, 2024).

O projeto tem como objetivo criar novos medicamentos para doenças negligenciadas, especialmente aquelas que afetam regiões com poucos investimentos em pesquisa farmacêutica, como a doença de Chagas, doença do sono e leishmaniose. A ferramenta desenvolvida desempenha um papel fundamental ao filtrar grandes bibliotecas comerciais de compostos, agindo como um recurso versátil aplicável em várias situações (STECCA, 2024).

Figura 3: Apresentação esquemática do processo de identificação de compostos antiparasitários por meio do uso de inteligência artificial. Nesse esquema, a IA analisou 1,3 milhão de compostos comerciais, possibilitando a descoberta do LC-6, um agente antiparasitário de notável potência

Segundo o professor Bruno Junior Neves, líder da pesquisa, a IA simula testes com os compostos, permitindo que os ensaios laboratoriais se concentrem nos compostos mais promissores. Esse método otimizado acelera consideravelmente o desenvolvimento de novos medicamentos, resultando em economia de tempo e recursos (STECCA, 2024).

O professor destaca as dificuldades enfrentadas pelos tratamentos atuais dessas doenças, como a falta de eficácia e os efeitos adversos. Diante disso, ele ressalta a necessidade urgente de acelerar o processo de pesquisa, afirmando que a incorporação de abordagens de Inteligência Artificial não apenas promete uma transformação revolucionária, mas também é crucial para ampliar os benefícios para os pacientes. O grupo de pesquisa colabora com instituições como a Universidade da Carolina do Norte e o Museu de História Natural da França (STECCA, 2024).

Um estudo do Instituto Oswaldo Cruz (IOC/Fiocruz) revelou um rápido crescimento no uso de inteligência artificial para combater o câncer. Publicado na revista Nature Biotechnology, a pesquisa analisou registros globais de patentes, destacando a expansão de novas tecnologias, especialmente na análise de imagens, biomarcadores, detecção precoce da doença e modelagem de expressão genética (MENEZES, 2024)

Utilizando uma base de dados com informações de mais de 50 escritórios de patentes em todo o mundo, o estudo identificou 749 registros de aplicações de IA na oncologia. Embora as primeiras invenções datem de 1997, mais de 95% dos registros ocorreram após 2015. Em apenas sete anos, de 2015 a 2022, o número de patentes aumentou de 25 para 749, representando uma taxa de crescimento médio anual de 53% (MENEZES, 2024).

Gráfico 3: Número de novas patentes de aplicações de IA para o câncer por ano.

Uma pesquisa preliminar apresentada na reunião anual de 2023 da American Society for Reproductive Medicine destaca o potencial da inteligência artificial (IA) na previsão precisa da data ideal de recuperação nos ciclos de tratamento de fertilidade. Esse algoritmo é considerado essencial devido ao aumento da demanda por tratamentos de fertilidade e à alta variabilidade diária na carga de trabalho dos laboratórios (BARBOR, 2023).

Os pesquisadores enfatizam a importância antecipada das datas de recuperação dos ciclos em curso tanto para as pacientes quanto para os médicos, especialmente diante do aumento significativo da população que necessita desses tratamentos. Rohi Hourvitz, da FertilAI, uma empresa israelense de saúde, ressalta que a inteligência artificial desempenha um papel crescente na medicina reprodutiva, auxiliando também nas decisões clínicas na área de reprodução assistida (BARBOR, 2023).

O estudo utilizou um conjunto de dados de 9.550 ciclos antagonistas previsíveis, coletados de um laboratório com mais de 50 médicos entre agosto de 2018 e outubro de 2022. Esses dados foram divididos em dois subconjuntos: um para treinar o modelo de inteligência artificial e outro para avaliações prospectivas. Os principais fatores considerados para cada ciclo incluíram níveis de estrogênio, tamanho médio do folículo, tamanho do folículo primário e diversos dados demográficos das pacientes. O tamanho do folículo primário destacou-se como o fator mais influente no algoritmo (BARBOR, 2023).

Conforme apontado por estudos da consultoria Accenture, prevê-se que nos próximos anos o mercado global de inteligência artificial aplicada à saúde alcance um valor superior a US$ 7 bilhões. Embora esse mercado de bilhões de dólares tenha se desenvolvido ao longo de décadas, uma das aplicações mais inovadoras surgiu em 2011, quando a International Business Machines Corporation (IBM) introduziu um supercomputador destinado ao processamento de dados de saúde, estabelecendo-se como um banco de dados de referência no campo da oncologia (SBTM, 2024).

A plataforma Watson, desenvolvida pela IBM, é uma ferramenta revolucionária na medicina, capaz de processar enormes volumes de dados para fornecer respostas precisas a questões médicas. Sua capacidade de compreender o significado e o contexto de informações estruturadas e não estruturadas em relatórios médicos é excepcional. A plataforma utiliza uma vasta gama de fontes, incluindo livros-textos de medicina, PubMed, Medline e dados de pacientes do Sloan Kettering Memorial Cancer Hospital. Especialmente na área de oncologia, a Watson é amplamente consultada por especialistas em todo o mundo, fornecendo insights valiosos para o tratamento de várias enfermidades (WOELFFEL, 2023).

Seguindo essa trajetória, o Google lançou o supercomputador DeepMind, agregando dados de milhares de pacientes para aprofundar o conhecimento sobre diversas condições médicas, incluindo seus sintomas e progressão. Essas aplicações, inicialmente focadas em centros de pesquisa, serviram como alicerce para uma nova fase da inteligência artificial na medicina, possibilitando sua disseminação mais ampla (SBTM, 2024).

4.11. Desafios a serem enfrentados e oportunidades de pesquisa.

O uso de robôs na medicina continua a oferecer novas possibilidades, como a realização de cirurgias de alta precisão e procedimentos repetitivos, além de potencial para melhorar os resultados da reabilitação e fornecer suporte logístico eficiente em hospitais. No entanto, o crescimento da robótica e da IA pode automatizar muitos postos de trabalho, o que exige uma avaliação dos riscos e o desenvolvimento de medidas para garantir que aspectos sociais, ambientais, éticos, de responsabilidade e educacionais sejam adequadamente considerados. No Brasil, até o momento, os sistemas de IA não podem ser responsabilizados autonomamente, uma vez que não há normas legais que abordem essa questão no ordenamento jurídico brasileiro (LUCAS, DOS SANTOS, 2021).

Atualmente, os sistemas de saúde enfrentam uma escassez global de patologistas, enquanto a carga de trabalho e a complexidade do diagnóstico continuam a crescer. A introdução da patologia digital e a adoção de diagnósticos assistidos por algoritmos de inteligência artificial estão redefinindo a prática da patologia, aprimorando a velocidade de entrega de resultados, a eficácia e a precisão diagnóstica dos patologistas. Uma análise combinada de 24 estudos revelou uma concordância geral de 98,3% entre a patologia digital usando microscopia virtual (Whole Slide Imaging – WSI) e a microscopia óptica para diagnósticos de rotina. Hoje, é viável segmentar automaticamente, por meio de algoritmos de inteligência artificial, lesões mamárias benignas e malignas, com uma área sob a curva de 0,962 e uma precisão de 81,3% na diferenciação entre lesões benignas e carcinomas ductais in situ e invasivos de mama (LANZAGORTA-ORTEGA et al, 2022).

Em 2021, a OMS divulgou seu primeiro relatório global sobre inteligência artificial na saúde, que apresentou seis princípios orientadores para sua concepção e utilização. Intitulado “Ética e governança da inteligência artificial para a saúde”, o documento resultou de dois anos de consultas realizadas por um painel de especialistas internacionais de diversas áreas, como direito e tecnologia digital, designados pela organização. Esse relatório identificou os principais desafios e possíveis dilemas éticos associados à aplicação da inteligência artificial na área da saúde, oferecendo um valioso guia para os países sobre como otimizar os benefícios da IA, mitigar seus riscos e evitar suas armadilhas (SBMT, 2024).

O relatório destacou a preocupação com a tendência de exagerar nos benefícios da IA para a saúde, especialmente quando isso ocorre em detrimento de investimentos e estratégias fundamentais para alcançar a cobertura universal de saúde. De acordo com o documento, as oportunidades trazem consigo desafios e riscos, tais como a coleta e utilização antiética de dados de saúde, a presença de preconceitos embutidos em algoritmos e os potenciais riscos da IA para a segurança do paciente, a cibersegurança e o meio ambiente. Além disso, o relatório ressaltou que os sistemas predominantemente alimentados por dados de indivíduos em países de alta renda podem não se adequar adequadamente às necessidades de pessoas em contextos de baixa e média renda. (SBMT, 2024).

A primeira linha fundamental aborda a redução da burocracia e a solução da ineficiência sistêmica na área da saúde. Atualmente, existem diversos procedimentos que desviam os médicos de suas atividades clínicas. Frequentemente, a burocracia é necessária para garantir o controle dos dados e informações médicas, que muitas vezes são confidenciais. A tecnologia surge precisamente para tornar esse processo burocrático mais dinâmico e eficiente, permitindo que os profissionais de saúde se concentrem no que realmente importa (COUTO, 2024).

A aplicação da tecnologia também pode levar a uma otimização significativa do tratamento clínico. Por exemplo, consideremos a situação em que um médico altamente especializado treina um algoritmo de inteligência artificial com sua experiência. Com base nessa expertise, é viável disseminar o conhecimento para outros profissionais, permitindo que o mesmo tratamento seja replicado para um grande número de pacientes. Essa contribuição representa a oportunidade de democratizar e tornar acessível o conhecimento médico avançado, contribuindo de maneira abrangente para a melhoria do atendimento de forma universal (COUTO, 2024).

A inteligência artificial desempenha um papel crucial na previsão de surtos de doenças, utilizando análise de dados epidemiológicos para identificar tendências e padrões que indicam possíveis surtos. Dados como relatórios de sintomas, resultados de testes e mobilidade populacional são analisados para prever áreas de alto risco e a taxa de crescimento de casos. Isso permite uma alocação mais eficiente de recursos e ações proativas das autoridades de saúde, como rastreamento de contatos, distribuição de recursos médicos e implementação de medidas de distanciamento social. Essas medidas não apenas protegem a saúde local, mas também têm impacto global, ajudando na preparação e resposta futuras por meio do compartilhamento de dados e melhores práticas entre comunidades internacionais (JORGE, 2024).

A DeepMind, fundada em 2010 e associada ao Google em 2014, emprega inteligência artificial na medicina para analisar dados e padrões que seres humanos não conseguem identificar. Seu foco principal está no mapeamento tridimensional de moléculas proteicas, que desempenham papéis vitais nos processos biológicos. Descobrir a estrutura exata dessas proteínas é um processo complexo e dispendioso. No entanto, com o uso da inteligência artificial, essa tarefa se torna mais rápida e eficiente, possibilitando avanços significativos na descoberta de novos medicamentos para diversas doenças (WOELFFEL, 2023).

A plataforma SafeOne, desenvolvida pela startup Safety Soluções, foi projetada para monitorar e relatar de forma abrangente os dados operacionais de equipamentos radiológicos utilizados em exames de imagem diagnóstica. Este software tem a capacidade de analisar o desempenho dos equipamentos, que emitem doses potencialmente prejudiciais de radiação, e identificar o momento ideal para seu uso, visando garantir a segurança dos pacientes e dos profissionais médicos. Essa análise, conduzida por meio da inteligência artificial, oferece informações cruciais sobre a eficácia dos exames, a confiabilidade dos resultados e a proteção dos envolvidos durante o procedimento (WOELFFEL, 2023).

5. Discussões.

De acordo com Arias (2019), a análise de dados médicos em larga escala, tanto estruturados quanto não estruturados, pode trazer diversos benefícios, incluindo a redução de custos e tempos nos serviços de saúde, além da capacidade de prever epidemias, aprimorar esquemas terapêuticos, fornecer aconselhamento médico em regiões remotas e melhorar a qualidade de vida dos pacientes. Algoritmos de aprendizado profundo são particularmente eficazes para lidar com essa imensa quantidade de dados complexos, muitas vezes mal documentados e não estruturados. Isso se deve ao fato de que o aprendizado profundo tem a capacidade de criar modelos que identificam automaticamente as principais características e preveem o comportamento de outras variáveis dentro de conjuntos de dados complexos.

No futuro, prevê-se que a relação entre humanos e máquinas na biomedicina se torne mais especializada. Enquanto as máquinas lidarão com tarefas como extração, limpeza e busca de correlações nos dados, os médicos se concentrarão na interpretação dessas correlações e na busca por novos tratamentos que possam melhorar o atendimento e, em última análise, a qualidade de vida dos pacientes (ARIAS, 2019).

A principal financiadora de pesquisa em inteligência artificial na área da saúde em nível global é a Alphabet, uma multinacional de tecnologia que faz parte do grupo Google. Além disso, instituições como o Instituto de Tecnologia de Massachusetts (MIT) e as universidades Stanford e Harvard, nos Estados Unidos, e as de Oxford e Cambridge, no Reino Unido, também desempenham um papel de destaque nesse campo. No Brasil, a Universidade de São Paulo (USP), a Universidade Estadual de Campinas (Unicamp) e a Universidade Federal de Minas Gerais (UFMG) estão entre as instituições que mais se dedicam à pesquisa nessa área (SBMT, 2024).

Segundo o relatório “Artificial Intelligence Index Report 2022”, o setor privado em todo o mundo investiu mais de US$ 11 bilhões em pesquisa e inovação com inteligência artificial na saúde em 2021. Nos últimos cinco anos, os investimentos totalizaram US$ 28,9 bilhões, o que coloca esse segmento como o principal receptor de investimentos privados em inteligência artificial, superando atividades tradicionais no uso de tecnologia da informação, como o setor financeiro e o varejo. A visão computacional, que envolve a análise de imagens de órgãos, lesões ou tumores, foi uma das aplicações que despertou maior interesse na comunidade médica. Esses números ressaltam a importância da inteligência artificial no desenvolvimento tecnológico e nos avanços alcançados na área da saúde (SBMT, 2024).

Na área da cardiologia, a inteligência artificial tem sido objeto de estudo em diversas aplicações, como na previsão da hipertensão essencial, na detecção da fibrilação atrial por meio de smartwatches, na classificação da estenose aórtica através da análise de sinais cardiomecânicos em dispositivos vestíveis sem fio, e na classificação de arritmias por meio de eletrocardiogramas de uma única derivação (LANZAGORTA-ORTEGA et al, 2022).

Na neurologia, diversas pesquisas têm abordado a previsão da recorrência de eventos vasculares cerebrais isquêmicos, a avaliação pré-cirúrgica da epilepsia resistente a medicamentos, a previsão da doença de Alzheimer e o diagnóstico da doença de Parkinson (LANZAGORTA-ORTEGA et al, 2022).

No campo da oftalmologia, em 2018, a Food and Drug Administration (FDA) aprovou o primeiro software de inteligência artificial para o diagnóstico de retinopatia diabética em consultórios médicos de cuidados primários. Além disso, foram obtidos resultados diagnósticos excepcionais na detecção de glaucoma, arco corneano, catarata, degeneração macular e retinopatia da prematuridade (LANZAGORTA-ORTEGA et al, 2022).

Na área da dermatologia, a inteligência artificial está aprimorando a eficácia e a precisão das abordagens diagnósticas convencionais, que incluem exame visual, biópsia de pele e estudo histopatológico. Vários estudos têm demonstrado que a IA apresenta uma acurácia diagnóstica igual ou superior à dos dermatologistas em lesões cutâneas, com base em imagens clínicas e dermatoscópicas. Inicialmente, sua utilidade estava centrada na detecção de melanoma e lesões cutâneas pigmentadas, mas atualmente também abrange a detecção de doenças como queratose seborreica e psoríase. As aplicações da IA na dermatologia se estendem além do diagnóstico, incluindo áreas como teledermatologia (triagem de lesões cutâneas) e dermatopatologia, e prometem ser úteis no prognóstico e tratamento de doenças de pele (LANZAGORTA-ORTEGA et al, 2022).

Além de promover melhorias na eficiência operacional, a inteligência artificial está sendo aplicada em diversos processos dentro do campo da saúde. Na China, por exemplo, pacientes estão recebendo atendimento, diagnóstico e tratamento em apenas um minuto, graças a um sistema desenvolvido pela Ping An Good Doctor, que opera sem a necessidade de funcionários, utilizando apenas inteligência artificial alimentada por um vasto banco de dados contendo informações sobre mais de 2 mil doenças (STARTSE, 2024).

No presente ano, vimos também a tecnologia sendo empregada para prever a epidemia de coronavírus na China. A empresa canadense BlueDot, especializada em saúde, alertou seus clientes sobre a iminência do surto da doença. Utilizando técnicas avançadas de processamento de linguagem natural e aprendizado de máquina, a BlueDot analisa uma ampla base de dados proveniente de diversas fontes (STARTSE, 2024).

Seja por meio da inteligência artificial, da robótica ou de outras tecnologias inovadoras, todos os aspectos da cadeia produtiva da saúde estão sendo impactados, exigindo assim a adoção de novos modelos de gestão. Para compreender esse cenário em constante evolução e as práticas inovadoras que moldarão o futuro do setor, convidamos você a se inscrever no curso Gestão Inovadora para Profissionais da Saúde (STARTSE, 2024).

A Inteligência Artificial (IA) tem emergido como uma ferramenta poderosa na área da saúde, otimizando tanto os procedimentos clínicos quanto os administrativos e operacionais. Diversas empresas na área da medicina diagnóstica têm adotado soluções baseadas em IA para aprimorar seus serviços, visando oferecer atendimento mais eficiente e personalizado aos pacientes.

A Associação Brasileira de Medicina Diagnóstica (Abramed), comprometida com o desenvolvimento e a regulamentação da IA no Brasil, conduziu a pesquisa “O uso da IA na medicina diagnóstica brasileira”. O objetivo é fornecer insights para a tomada de decisões estratégicas e ações de advocacy em defesa do setor, especialmente em relação ao Projeto de Lei 2.338/2023, que está em discussão no Congresso Nacional e visa regular o uso da IA no país. A tramitação deste projeto é de grande importância para a Abramed e seus associados.

A pesquisa adotou uma abordagem qualitativa com um questionário estruturado, aplicado em 30 laboratórios privados, representando 65% de todos os exames realizados na Saúde Suplementar no Brasil. De acordo com o documento, o uso da IA afeta mensalmente um número significativo de pacientes, variando de 10 mil a 140 mil, dependendo do porte e capacidade dos laboratórios (ABRAMED, 2024).

Quadro 9: Quais procedimentos Clínicos, administrativos e operacionais que as organizações utilizam IA.

Nos procedimentos clínicos, a IA possibilita melhorias na experiência do paciente, como a priorização de laudos por médicos radiologistas em casos urgentes. Algoritmos de IA são utilizados em diversos procedimentos, como Tomografia Computadorizada de Crânio para diagnóstico de Acidente Vascular Cerebral (AVC) e Ressonância Magnética para análise de volumetria cerebral. Essas ferramentas auxiliam os profissionais de saúde no diagnóstico precoce e na tomada de decisões mais assertivas (ABRAMED, 2024).

Além disso, o Processamento de Linguagem Natural (NLP) é aplicado na interpretação de laudos médicos e prontuários, automatizando tarefas de leitura e identificação de informações relevantes, o que contribui para uma comunicação mais clara e eficaz entre os profissionais de saúde (ABRAMED, 2024).

No aspecto administrativo e operacional, a IA também desempenha um papel crucial. A leitura automatizada de carteirinhas de planos de saúde simplifica o agendamento de exames, reduzindo o tempo de espera dos pacientes. O uso de NLP na leitura de prontuários médicos melhora a jornada do paciente, garantindo uma experiência mais fluida.

A pesquisa revelou que a maioria das tecnologias de IA utilizadas é desenvolvida por terceiros (80%), enquanto apenas 20% são desenvolvidas internamente. Os fornecedores de IA são tanto nacionais quanto internacionais, com uma leve predominância de empresas multinacionais (ABRAMED, 2024).

É destacada a necessidade de uma abordagem regulatória principiológica para o uso da IA na saúde, respeitando princípios como transparência, justiça, equidade e responsabilidade. O diálogo entre o setor da saúde e as agências regulatórias é fundamental para estabelecer normativas que garantam a segurança e eficácia da IA (ABRAMED, 2024).

Por fim, questões técnicas específicas do desenvolvimento de algoritmos, como análise de viés, precisam ser consideradas para garantir a qualidade e segurança das aplicações de IA na medicina. Conectar referências e trazer o olhar da ciência aplicada e da segurança do paciente é essencial para o uso adequado dessas tecnologias na área da saúde (ABRAMED, 2024).

O conceito, originado pela empresa americana de pesquisa e consultoria Gartner, envolve um infográfico que ilustra o nível de maturidade de várias tecnologias, incluindo como são utilizadas e percebidas, assim como sua relevância para resolver problemas de negócios e explorar novas oportunidades. Essa abordagem também é informativa quando aplicada à área da saúde. A análise das tendências de maturidade pode evitar expectativas excessivas em relação a uma tecnologia, enquanto destaca o potencial de melhorar a relação médico-paciente por meio da transformação cultural. O infográfico utiliza a “curva de hype” para representar as expectativas associadas a cada tecnologia, enquanto sua posição na escala horizontal indica seu grau de aplicabilidade prática, se ainda é apenas teórica ou se já oferece soluções reais na área da saúde.

6. Conclusão.

Após examinar detalhadamente as diversas aplicações da inteligência artificial (IA) na medicina, fica evidente que essa tecnologia está revolucionando o campo da saúde de maneiras impressionantes. Desde a cardiologia até a dermatologia, a IA tem demonstrado sua capacidade de melhorar diagnósticos, prognósticos e até mesmo o tratamento de uma ampla gama de condições médicas.

Os estudos revisados destacam a eficácia da IA na predição de doenças cardiovasculares, na identificação de padrões neurológicos complexos e no diagnóstico preciso de condições dermatológicas. Além disso, a IA tem se mostrado promissora na otimização de processos clínicos, como triagem de pacientes, interpretação de exames e até mesmo na realização de cirurgias assistidas por robôs.

No entanto, apesar dos avanços impressionantes, é importante reconhecer os desafios que ainda precisam ser superados. Questões éticas, como privacidade e viés algorítmico, precisam ser abordadas de forma adequada. Além disso, é fundamental garantir que a implementação da IA na prática médica seja acessível e equitativa para todos os pacientes, independentemente de sua localização geográfica ou condição socioeconômica.

À medida que continuamos a avançar no uso da IA na medicina, é crucial manter um equilíbrio entre inovação tecnológica e cuidado com o bem-estar humano. Com uma abordagem responsável e ética, a inteligência artificial tem o potencial de transformar radicalmente a maneira como lidamos com a saúde, proporcionando benefícios significativos para pacientes, profissionais de saúde e a sociedade como um todo.

7. Referências.

ABRAMED. Abramed lança pesquisa sobre o uso de Inteligência Artificial na medicina diagnóstica. Disponível em: https://abramed.org.br/publicacoes/painel-abramed/6059-2/. Acesso em: 11 de Mai. 2024.

ARIAS, Víctor et al. Una introducción a las aplicaciones de la inteligencia artificial en Medicina: Aspectos históricos. Revista Latinoamericana de Hipertensión, v. 14, n. 5, p. 590-600, 2019.

BARBOR, Meg. Algoritmo de IA pode auxiliar na definição da data de recuperação dos oócitos durante o tratamento de fertilidade. Notícias e Perspectivas, 2023. Disponível em: https://portugues.medscape.com/verartigo/6510327?form=fpf. Acesso em: 12 de Mai. 2024.

BLUEDOT. Our leadership on COVID-19. Disponível em: https://bluedot.global. Acesso em: 06 Abr. 2024.

BRAGA, Ana Vitória et al. Machine learning: O Uso da Inteligência Artificial na Medicina. Brazilian Journal of Development, v. 5, n. 9, p. 16407-16413, 2019.

BRASIL. Lei n. 12.842, de 10 de julho de 2013. Dispõe sobre o exercício da medicina. Planalto. Disponível em: http://www.planalto.gov.br/ccivil_03/_ato2011-2014/2013/lei/l12842.htm. Acesso em: 12 Mai. 2024.

BRASIL. Projeto regula uso de IA nas práticas médica e jurídica. 11/03/2024. Disponível em: https://www12.senado.leg.br/noticias/materias/2024/03/11/projeto-regula-uso-de-ia-nas-praticas-medica-e-juridica. Acesso em: 12 de Mai. 2024.

COUTO, Igor. O papel da inteligência artificial na transformação da medicina. Medicina S/A, 2024. Disponível em: https://medicinasa.com.br/ia-transformacao-medicina/. Acesso em: 05 de Mai de 2024.

DEMARTINI, Felipe. Inteligência artificial emitiu aviso sobre coronavírus em dezembro. Disponível em: https://canaltech.com.br/saude/inteligencia-artificial-emitiu-aviso-sobre-coronavirus-em-dezembro-159607/. Acesso em: 6 Mai. 2024.

JANUÁRIO, Túlio Felippe Xavier. Inteligência artificial e responsabilidade penal no setor da medicina. Revista Portuguesa de Direito da Saúde-Lex Medicinae, v. 17, n. 34, p. 37-63, 2020.

JORGE, Monica. Inteligência artificial na saúde: veja 5 aplicações. Portal Telemedicina, 2023. Disponível em: https://portaltelemedicina.com.br/inteligencia-artificial-na-saude. Aceso em 08 de Mai. 2024.

JUNIOR, Osvaldo Landi. O uso da inteligência artificial na saúde: avanços e desafios. Medicina S/A, 2024. Disponível em: https://medicinasa.com.br/uso-ia-saude/. Acesso em: 06 de Mai. 2024.

LANZAGORTA-ORTEGA, Dioselina; CARRILLO-PÉREZ, Diego L.; CARRILLO-ESPER, Raúl. Inteligencia artificial en medicina: presente y futuro. Gaceta médica de México, v. 158, p. 17-21, 2022.

LOBO, Luiz Carlos. Inteligência artificial e medicina. Revista Brasileira de Educação Médica, v. 41, p. 185-193, 2017.

LOBO C. L.Inteligência artificial, o Futuro da Medicina e a Educação Médica. Revista Brasileira de Educação Médica,v.42, n.3, p. 3-8, 2018.

LUCAS, Luciana Berbigier; DOS SANTOS, Denise Oliveira. Considerações sobre os desafios jurídicos do uso da inteligência artificial na medicina. Revista de Direito, v. 13, n. 01, p. 01-25, 2021.

MENEZES, Maíra. Pesquisa mostra expansão de aplicações de inteligência artificial contra o câncer. IOC/Fiocruz, 2024. Disponível em: https://portal.fiocruz.br/noticia/pesquisa-mostra-expansao-de-aplicacoes-de-inteligencia-artificial-contra-o-cancer. Acesso em: 11 de Mai. 2024.

MIT. Como a inteligência artificial está tornando a saúde ‘mais humana’. Por Nd em Healthtech/ Medtech/ Medicina e Saúde, 2024. Disponível em: https://www.negociosdisruptivos.com/como-inteligencia-artificial-esta-tornando-saude-mais-humana/. Acesso em: 11 de Mai. 2024.

MORSCH, José Aldair. Inteligência artificial na medicina: 7 aplicações e benefícios. Morsch Telemedicina, 2021. Disponível em: https://telemedicinamorsch.com.br/blog/inteligencia-artificial-na-medicina. Acesso em: 10 de Mai. 2024.

NOGAROLI, Rafaella. Culpa médica e deveres de conduta na Inteligência Artificial. Migalhas de Responsabilidade Civil, 2023. Disponível em: https://www.migalhas.com.br/coluna/migalhas-de-responsabilidade-civil/387047/culpa-medica-e-deveres-de-conduta-na-inteligencia-artificial. Acesso em: 12 de Mai. 2024.

SANTOS, M. K. et al. Inteligência artificial, aprendizado de máquina, diagnóstico auxiliado por computador  e  radiômica:  avanços  da  imagem  rumo  à  medicina  de  precisão. Radiologia brasileira, v. 52, p. 387-396, 2019. Disponível em: <https://www.scielo.br/j/rb/a/9yX6w83KDDT33m6G9ddCqBn/?lang=pt>.  Acesso  em  27  abr. 2024.

SBMT. Sociedade Brasileira de Medicina Tropical. Revolução da inteligência artificial: uso na saúde traz novas possibilidades. Disponível em: https://sbmt.org.br/revolucao-da-inteligencia-artificial-uso-na-saude-traz-novas-possibilidades/. Acesso em: 09 de Mai. 2024.

SILVERMAN G. B. The Initial Failure of Artificial Intelligence in Medicine (AIM), the Rise of the Grand Challenge, and a New Role for AIM. National Science Foundation Workshop, 1997.

SOUZA, Marcela Tavares de; SILVA, Michelly Dias; CARVALHO, Rachel de. Revisão integrativa: o que é e como fazer. Einstein, Morumbi, v. 8, n. 1, p. 102-106, 2010. Disponível em:<http://www.scielo.br/pdf/eins/v8n1/pt_1679-4508-eins-8-1-0102.pdf>. Acesso em: 10 de Mai. 2024.

STARTSE. Por Nd em Healthtech/ Medtech/ Medicina e Saúde, 2024. Disponível em: https://www.negociosdisruptivos.com/como-inteligencia-artificial-esta-tornando-saude-mais-humana/. Acesso em: 11 de Mai. 2024.

STECCA, Kharen. Inteligência artificial auxilia descoberta de tratamentos para doenças negligenciadas. Secom UFG, 2024. Disponível em: https://jornal.ufg.br/n/177181-inteligencia-artificial-auxilia-descoberta-de-tratamentos-para-doencas-negligenciadas. Acesso em: 12 de Mai. 2024.

STUCKEY D. T.M et. al. Cardiac Phase Space Tomography: A novel method of assessing coronary artery disease utilizing machine learning. Plos One, v. 13, n. 8, 2018.

ZELLWEGER  M.  J.,  et.  al. A  new  non-invasive  diagnostic  tool  in  coronary  artery  disease:  artificial intelligence as an essential element of predictive, preventive, and personalized medicine. The EPMA Journal, v.9, n.3, p. 235-247, 2018.

ZIVIANI, Nivio. Diálogo. Revista Fonte: Tecnologia da Informação na Gestão Pública, Minas Gerais, Ano 14, n. 17, p. 6-12, jul. 2017. Disponível em: https://www.prodemge.gov.br/revista-fonte/Publication/19-Computacao-cognitiva-e-a-humanizacao-das-maquinas. Acesso em: 4 Mai. 2024.

WHO. World Health Organization. Global health ethics:big data and artificial intelligence.Disponível em: https://www.who.int/ethics/topics/big-data-artificial-intelligence/en/. Acesso em: 12 maio 2024.

WOELFFEL, Marlon. Inteligência Artificial na Medicina: conheça 5 cases de aplicações bem sucedidas. Neomed, 2023. Disponível em: https://neomed.com.br/inteligencia-artificial-na-medicina-conheca-5-cases-de-aplicacoes-bem-sucedidas/. Acesso em: 09 de Mai. 2024.