Erros em mamografias

Detalhes bibliográficos
Autor(a) principal: Ferreira, Waldelania
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10773/35905
Resumo: O cancro de mama é o que apresenta maior incidência em mulheres no mundo, sendo a quinta causa de morte por cancro e a mais frequente de mortes por cancro em mulheres. Perante a magnitude desta informação, a mamografia é considerada o padrão ouro para a deteção precoce do cancro de mama, sendo a única ferramenta de diagnóstico que apresenta redução na mortalidade do cancro da mama e tem sido uma das modalidades mais contempladas com a evolução tecnológica. Esta dissertação pretende constituir-se numa visão ensaística sobre problemas inerentes aos erros em mamografia onde se complementam as referências científicas com a experiência da autora. Serão tipificados erros e apresentados casos de estudo, bem como reflexões sobre o potencial que as inovações organizacionais e/ou tecnológicas podem ter na minimização dos erros e no aumento do valor acrescentado nos processos mamográficos. Através da análise das imagens e do estudo de casos pretende-se tipificar erros, analisar as suas fontes, identificar métricas para a redução desses erros no ciclo de vida da imagem mamográfica e também investigar quais serão as margens de progresso na redução de erros na mamografia com o uso da tecnologia e a otimização do workflow. Pretende-se assim promover uma reflexão sobre os erros recorrentes que datam desde a mamografia analógica, bem como sugerir estratégias de otimização que possam minimizar erros e as suas possíveis consequências nos processos que envolvem o ciclo de vida da imagem com o uso de novas tecnologias, baseando-se em evidências e vivências. Avaliando estas questões através de pesquisas, o recurso potencial a Inteligência Artificial, CAD, Machine Learning, e como essas tecnologias podem ser empregues para minimizar erros, pretende-se ainda refletir sobre a cadeia de valor da imagem, com vista a promover uma maior eficiência e agilidade nos processos, de forma a contribuir para redução de erros em exames de mamografia.
id RCAP_8a57ac5e6a50d48fc8d7329a54f7b4fc
oai_identifier_str oai:ria.ua.pt:10773/35905
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Erros em mamografiasMammographyRadiological errorsBreast cancerRadiologistsDiagnostic errorBreast positioningArtificial intelligenceCAD systemsImage quality control imageWorkflow managementO cancro de mama é o que apresenta maior incidência em mulheres no mundo, sendo a quinta causa de morte por cancro e a mais frequente de mortes por cancro em mulheres. Perante a magnitude desta informação, a mamografia é considerada o padrão ouro para a deteção precoce do cancro de mama, sendo a única ferramenta de diagnóstico que apresenta redução na mortalidade do cancro da mama e tem sido uma das modalidades mais contempladas com a evolução tecnológica. Esta dissertação pretende constituir-se numa visão ensaística sobre problemas inerentes aos erros em mamografia onde se complementam as referências científicas com a experiência da autora. Serão tipificados erros e apresentados casos de estudo, bem como reflexões sobre o potencial que as inovações organizacionais e/ou tecnológicas podem ter na minimização dos erros e no aumento do valor acrescentado nos processos mamográficos. Através da análise das imagens e do estudo de casos pretende-se tipificar erros, analisar as suas fontes, identificar métricas para a redução desses erros no ciclo de vida da imagem mamográfica e também investigar quais serão as margens de progresso na redução de erros na mamografia com o uso da tecnologia e a otimização do workflow. Pretende-se assim promover uma reflexão sobre os erros recorrentes que datam desde a mamografia analógica, bem como sugerir estratégias de otimização que possam minimizar erros e as suas possíveis consequências nos processos que envolvem o ciclo de vida da imagem com o uso de novas tecnologias, baseando-se em evidências e vivências. Avaliando estas questões através de pesquisas, o recurso potencial a Inteligência Artificial, CAD, Machine Learning, e como essas tecnologias podem ser empregues para minimizar erros, pretende-se ainda refletir sobre a cadeia de valor da imagem, com vista a promover uma maior eficiência e agilidade nos processos, de forma a contribuir para redução de erros em exames de mamografia.Breast cancer is the one with the highest incidence in women in the world, being the fifth cause of cancer death and the most frequent of cancer deaths in women. Given the magnitude of this information, mammography is considered the gold standard for the early detection of breast cancer, being the only diagnostic tool that shows a reduction in breast cancer mortality and has been one of the most contemplated modalities with technological evolution. This dissertation intends to constitute an essayistic vision where scientific references are complemented with the author's experience. Errors will be typified and case studies will be presented, as well as reflections on the potential that organizational and/or technological innovations can have in minimizing errors and increasing added value in mammographic processes. Through image analysis and case studies, it is intended to typify errors, analyze their sources, identify metrics for the reduction of these errors in the life cycle of the mammographic image and also to investigate what will be the margins of progress in the reduction of errors in mammography with the use of technology and workflow optimization. The main objective of this study is to promote a reflection on the recurrent errors that date from analog mammography, as well as to suggest optimization strategies that can minimize errors and their possible consequences in the processes that involve the life cycle of the image with the use of new technologies, based on evidence and experiences. Evaluating these issues through research, the use of Artificial Intelligence, CAD, Machine Learning, and how these technologies can be used to minimize errors, it is also intended to reflect on the image value chain, in order to promote greater efficiency and agility in the processes, in order to contribute to the reduction of errors in mammography exams.2023-01-20T10:13:42Z2022-12-07T00:00:00Z2022-12-07info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10773/35905porFerreira, Waldelaniainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-05-06T04:42:25Zoai:ria.ua.pt:10773/35905Portal AgregadorONGhttps://www.rcaap.pt/oai/openairemluisa.alvim@gmail.comopendoar:71602024-05-06T04:42:25Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Erros em mamografias
title Erros em mamografias
spellingShingle Erros em mamografias
Ferreira, Waldelania
Mammography
Radiological errors
Breast cancer
Radiologists
Diagnostic error
Breast positioning
Artificial intelligence
CAD systems
Image quality control image
Workflow management
title_short Erros em mamografias
title_full Erros em mamografias
title_fullStr Erros em mamografias
title_full_unstemmed Erros em mamografias
title_sort Erros em mamografias
author Ferreira, Waldelania
author_facet Ferreira, Waldelania
author_role author
dc.contributor.author.fl_str_mv Ferreira, Waldelania
dc.subject.por.fl_str_mv Mammography
Radiological errors
Breast cancer
Radiologists
Diagnostic error
Breast positioning
Artificial intelligence
CAD systems
Image quality control image
Workflow management
topic Mammography
Radiological errors
Breast cancer
Radiologists
Diagnostic error
Breast positioning
Artificial intelligence
CAD systems
Image quality control image
Workflow management
description O cancro de mama é o que apresenta maior incidência em mulheres no mundo, sendo a quinta causa de morte por cancro e a mais frequente de mortes por cancro em mulheres. Perante a magnitude desta informação, a mamografia é considerada o padrão ouro para a deteção precoce do cancro de mama, sendo a única ferramenta de diagnóstico que apresenta redução na mortalidade do cancro da mama e tem sido uma das modalidades mais contempladas com a evolução tecnológica. Esta dissertação pretende constituir-se numa visão ensaística sobre problemas inerentes aos erros em mamografia onde se complementam as referências científicas com a experiência da autora. Serão tipificados erros e apresentados casos de estudo, bem como reflexões sobre o potencial que as inovações organizacionais e/ou tecnológicas podem ter na minimização dos erros e no aumento do valor acrescentado nos processos mamográficos. Através da análise das imagens e do estudo de casos pretende-se tipificar erros, analisar as suas fontes, identificar métricas para a redução desses erros no ciclo de vida da imagem mamográfica e também investigar quais serão as margens de progresso na redução de erros na mamografia com o uso da tecnologia e a otimização do workflow. Pretende-se assim promover uma reflexão sobre os erros recorrentes que datam desde a mamografia analógica, bem como sugerir estratégias de otimização que possam minimizar erros e as suas possíveis consequências nos processos que envolvem o ciclo de vida da imagem com o uso de novas tecnologias, baseando-se em evidências e vivências. Avaliando estas questões através de pesquisas, o recurso potencial a Inteligência Artificial, CAD, Machine Learning, e como essas tecnologias podem ser empregues para minimizar erros, pretende-se ainda refletir sobre a cadeia de valor da imagem, com vista a promover uma maior eficiência e agilidade nos processos, de forma a contribuir para redução de erros em exames de mamografia.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-07T00:00:00Z
2022-12-07
2023-01-20T10:13:42Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10773/35905
url http://hdl.handle.net/10773/35905
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv mluisa.alvim@gmail.com
_version_ 1817543838701453312