Inteligência Artificial em imagem médica: amiga ou adversária?

Detalhes bibliográficos
Autor(a) principal: Gomes, Carlos Alberto Marques
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/97888
Resumo: Trabalho Final do Mestrado Integrado em Medicina apresentado à Faculdade de Medicina
id RCAP_b431c19449b01acd55871b3012fec98c
oai_identifier_str oai:estudogeral.uc.pt:10316/97888
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Inteligência Artificial em imagem médica: amiga ou adversária?Artificial Intelligence in medical imaging: friend or foe?Inteligência artificialImagem médicaDiagnóstico assistido por computadorMachine learningDeep learningArtificial intelligenceMedical imagingComputer assisted diagnosisMachine learningDeep learningTrabalho Final do Mestrado Integrado em Medicina apresentado à Faculdade de MedicinaA inteligência artificial (IA) é um ramo da ciência computorizada, que surgiu há cerca de 50 anos e que tem vindo a sofrer importantes desenvolvimentos nas últimas duas décadas. A sua aplicação na Medicina tem ganho notável protagonismo em diversas áreas, de que destacamos a da imagem médica. A base do funcionamento da IA assenta no reconhecimento de padrões por parte de sistemas informáticos que, através de uma leitura prévia de um elevado volume de dados que lhes são fornecidos, recorrem a algoritmos matemáticos para cumprirem a sua tarefa. Os termos machine learning (ML) e deep learning (DL) referem-se a dois subtipos de IA com potencial aplicação na área da radiologia. Deste modo, a IA prevê e permite o diagnóstico de diversas patologias e entidades clínicas, complementando os métodos de imagem 'convencionais'. Atualmente, o tema concentra elevada controvérsia uma vez que há quem considere que o futuro da imagem médica poderá estar indissociado da aplicação de sistemas de IA, os quais poderão substituir os médicos radiologistas.Este artigo de revisão pretende efetuar uma breve descrição dos fundamentos teóricos associados ao conceito de IA, reconhecer e descrever as suas aplicações na área da imagem médica e analisar os benefícios e inconvenientes dos sistemas de IA na radiologia, tendo em conta os limites associados à sua implementação clínica.Foi efetuada uma pesquisa bibliográfica na base de dados PubMed, foram selecionados artigos que cumprissem os objetivos propostos e procedeu-se à sua revisão e organização de acordo com os subtemas considerados pertinentes.A era dos big data e a investigação crescente da IA aplicada à imagem médica têm permitido demonstrar o seu elevado potencial nos vários subcampos da radiologia (deteção, segmentação, classificação, quantificação), em diversas patologias com destaque para as torácicas e pulmonares, mamárias e neuropsiquiátricas. Para além do seu uso na interpretação, os sistemas de IA têm sido alvo de intenso estudo para a melhoria da aquisição de imagem, para a organização de listas de trabalho, e para a análise radiómica e radiogenómica.Apesar dos obstáculos relacionados com o acesso a grandes bases de dados e com as implicações técnicas, de regulação e ético-legais, esta tecnologia tem todas as ferramentas para que possa ser muito útil na prática clínica. Contudo, a capacidade para estes sistemas ocuparem o lugar de um radiologista experiente na interpretação de exames imagiológicos e nas restantes funções de um médico é algo que poderá estar ainda aquém das expectativas dos mais entusiastas, que creem nas máquinas como substitutas dos radiologistas.Artificial intelligence (AI) is a branch of computer science, which has emerged about 50 years ago and has undergone important developments over the past two decades. Its application in medicine has gained a notable prominence in several areas, including medical imaging. The functioning of AI is based on pattern recognition by computer systems that use mathematical algorithms to perform their task through a previous reading of a large quantity of data provided to them. Machine learning (ML) and deep learning (DL) are subtypes of AI with potential application in the field of radiology. Thus, AI predicts and allows the diagnosis of several pathologies and clinical entities, complementing the 'conventional' imaging methods. Currently, the subject is highly controversial since some consider the future of medical imaging to be inseparable from the application of AI systems, which may replace radiologists, while others believe AI can never suffice without radiologists.This review intends to provide a brief description of the theoretical foundations associated with the concept of AI, to recognize and describe its applications in the area of medical imaging and to analyze the benefits and drawbacks of AI systems in radiology, taking into account the limits associated with their clinical implementation.A bibliographic research was performed on the PubMed database and the articles that got selected met the proposed objectives and were reviewed and organized according to the sub-themes considered relevant.The big data era and the growing investigation of AI applied to medical imaging have demonstrated great value in the various subfields of radiology (detection, segmentation, classification, quantification) and, particularly, in thoracic and pulmonary, breast and neuropsychiatric diseases. In addition to their use in image interpretation, AI systems have been widely studied to improve image acquisition, organization of work lists and radiomic and radiogenomic analysis.In spite of the obstacles to access large databases and the technical, regulatory and ethical-legal implications, this technology has potential to be useful in clinical practice. However, the possibility of this systems taking the place of a radiologist, trained in imaging interpretation and in the remaining functions of a physician, still remains unattainable, contradicting the most enthusiastic, who believe in machines as replacers of radiologists.2020-03-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/97888http://hdl.handle.net/10316/97888TID:202714373porGomes, Carlos Alberto Marquesinfo: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:RCAAP2022-05-25T01:32:36Zoai:estudogeral.uc.pt:10316/97888Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:15:51.078405Repositório 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 Inteligência Artificial em imagem médica: amiga ou adversária?
Artificial Intelligence in medical imaging: friend or foe?
title Inteligência Artificial em imagem médica: amiga ou adversária?
spellingShingle Inteligência Artificial em imagem médica: amiga ou adversária?
Gomes, Carlos Alberto Marques
Inteligência artificial
Imagem médica
Diagnóstico assistido por computador
Machine learning
Deep learning
Artificial intelligence
Medical imaging
Computer assisted diagnosis
Machine learning
Deep learning
title_short Inteligência Artificial em imagem médica: amiga ou adversária?
title_full Inteligência Artificial em imagem médica: amiga ou adversária?
title_fullStr Inteligência Artificial em imagem médica: amiga ou adversária?
title_full_unstemmed Inteligência Artificial em imagem médica: amiga ou adversária?
title_sort Inteligência Artificial em imagem médica: amiga ou adversária?
author Gomes, Carlos Alberto Marques
author_facet Gomes, Carlos Alberto Marques
author_role author
dc.contributor.author.fl_str_mv Gomes, Carlos Alberto Marques
dc.subject.por.fl_str_mv Inteligência artificial
Imagem médica
Diagnóstico assistido por computador
Machine learning
Deep learning
Artificial intelligence
Medical imaging
Computer assisted diagnosis
Machine learning
Deep learning
topic Inteligência artificial
Imagem médica
Diagnóstico assistido por computador
Machine learning
Deep learning
Artificial intelligence
Medical imaging
Computer assisted diagnosis
Machine learning
Deep learning
description Trabalho Final do Mestrado Integrado em Medicina apresentado à Faculdade de Medicina
publishDate 2020
dc.date.none.fl_str_mv 2020-03-26
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/10316/97888
http://hdl.handle.net/10316/97888
TID:202714373
url http://hdl.handle.net/10316/97888
identifier_str_mv TID:202714373
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.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
_version_ 1799134055167426560