Aplicação de inteligência artificial e aprendizado de máquina em sistemas de gerenciamento e apoio à decisão clínica
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIFESP |
Texto Completo: | https://hdl.handle.net/11600/62821 |
Resumo: | Os sistemas de gerenciamento e apoio à decisão clínica vêm ganhando espaço nas tecnologias aplicadas à saúde. A indústria das health techs cresceu consideravelmente nos últimos anos e estima-se um investimento de pelo menos US$ 430 bilhões de dólares entre os anos de 2014 e 2020. Junto a isso, o avanço tecnológico e a explosão da quantidade de dados de saúde colocam os sistemas de Inteligência Artificial Médica em pauta. O trabalho proposto buscou entender como essas tecnologias vêm sendo aplicadas em sistemas de gerenciamento e sistemas de apoio à decisão clínica por meio de um estudo de caso com 3 empresas desenvolvedoras de tecnologias em saúde, comparando o cenário descrito por elas com as bases teóricas existentes na literatura. O estudo destacou melhorias na assertividade do diagnóstico, aumento da capacidade de atendimento das instituições, otimização dos processos internos e vantagens econômicas. Entretanto, foram observadas algumas barreiras na implementação, como a resistência à mudança e a dificuldade de comunicação entre os profissionais de saúde e os de tecnologia. Além disso, verificou-se uma maior aderência das instituições de saúde líderes de mercado e com viés inovador. |
id |
UFSP_420569b7537812e7bd0948d831a2d1bb |
---|---|
oai_identifier_str |
oai:repositorio.unifesp.br/:11600/62821 |
network_acronym_str |
UFSP |
network_name_str |
Repositório Institucional da UNIFESP |
repository_id_str |
3465 |
spelling |
Aplicação de inteligência artificial e aprendizado de máquina em sistemas de gerenciamento e apoio à decisão clínicaInteligência Artificial MédicaSistemas de apoio à decisão clínicaEstudo de casoOs sistemas de gerenciamento e apoio à decisão clínica vêm ganhando espaço nas tecnologias aplicadas à saúde. A indústria das health techs cresceu consideravelmente nos últimos anos e estima-se um investimento de pelo menos US$ 430 bilhões de dólares entre os anos de 2014 e 2020. Junto a isso, o avanço tecnológico e a explosão da quantidade de dados de saúde colocam os sistemas de Inteligência Artificial Médica em pauta. O trabalho proposto buscou entender como essas tecnologias vêm sendo aplicadas em sistemas de gerenciamento e sistemas de apoio à decisão clínica por meio de um estudo de caso com 3 empresas desenvolvedoras de tecnologias em saúde, comparando o cenário descrito por elas com as bases teóricas existentes na literatura. O estudo destacou melhorias na assertividade do diagnóstico, aumento da capacidade de atendimento das instituições, otimização dos processos internos e vantagens econômicas. Entretanto, foram observadas algumas barreiras na implementação, como a resistência à mudança e a dificuldade de comunicação entre os profissionais de saúde e os de tecnologia. Além disso, verificou-se uma maior aderência das instituições de saúde líderes de mercado e com viés inovador.Management systems and clinical decision support have been gaining ground in technologies applied to health. The health tech industry has grown considerably in recent years and an investment of at least US$ 430 billion between 2014 and 2020 is estimated.Along with this, technological advances and the explosion in the amount of health data put Medical Artificial Intelligence systems on the agenda. The proposed work sought to understand how these technologies have been applied in management systems and clinical decision support systems through a case study with 3 companies that develop health technologies, comparing the scenario described by them with the theoretical bases existing in the literature. The study highlighted improvements in diagnostic assertiveness, increased service capacity of institutions, optimization of internal processes and economic advantages. It also showed some barriers in implementation, such as resistance to change and the difficulty of communication between health professionals and technology professionals, as well as highlighting a greater adherence of market-leading health institutions with an innovative bias.Universidade Federal de São PauloRoland, Iraci João de Souza [UNIFESP]http://lattes.cnpq.br/8881598234090650Nakata, Fernanda de Paula [UNIFESP]2022-02-14T16:00:26Z2022-02-14T16:00:26Z2022-02-02info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersion64 fapplication/pdfhttps://hdl.handle.net/11600/62821porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFESPinstname:Universidade Federal de São Paulo (UNIFESP)instacron:UNIFESP2024-07-26T15:03:14Zoai:repositorio.unifesp.br/:11600/62821Repositório InstitucionalPUBhttp://www.repositorio.unifesp.br/oai/requestbiblioteca.csp@unifesp.bropendoar:34652024-07-26T15:03:14Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)false |
dc.title.none.fl_str_mv |
Aplicação de inteligência artificial e aprendizado de máquina em sistemas de gerenciamento e apoio à decisão clínica |
title |
Aplicação de inteligência artificial e aprendizado de máquina em sistemas de gerenciamento e apoio à decisão clínica |
spellingShingle |
Aplicação de inteligência artificial e aprendizado de máquina em sistemas de gerenciamento e apoio à decisão clínica Nakata, Fernanda de Paula [UNIFESP] Inteligência Artificial Médica Sistemas de apoio à decisão clínica Estudo de caso |
title_short |
Aplicação de inteligência artificial e aprendizado de máquina em sistemas de gerenciamento e apoio à decisão clínica |
title_full |
Aplicação de inteligência artificial e aprendizado de máquina em sistemas de gerenciamento e apoio à decisão clínica |
title_fullStr |
Aplicação de inteligência artificial e aprendizado de máquina em sistemas de gerenciamento e apoio à decisão clínica |
title_full_unstemmed |
Aplicação de inteligência artificial e aprendizado de máquina em sistemas de gerenciamento e apoio à decisão clínica |
title_sort |
Aplicação de inteligência artificial e aprendizado de máquina em sistemas de gerenciamento e apoio à decisão clínica |
author |
Nakata, Fernanda de Paula [UNIFESP] |
author_facet |
Nakata, Fernanda de Paula [UNIFESP] |
author_role |
author |
dc.contributor.none.fl_str_mv |
Roland, Iraci João de Souza [UNIFESP] http://lattes.cnpq.br/8881598234090650 |
dc.contributor.author.fl_str_mv |
Nakata, Fernanda de Paula [UNIFESP] |
dc.subject.por.fl_str_mv |
Inteligência Artificial Médica Sistemas de apoio à decisão clínica Estudo de caso |
topic |
Inteligência Artificial Médica Sistemas de apoio à decisão clínica Estudo de caso |
description |
Os sistemas de gerenciamento e apoio à decisão clínica vêm ganhando espaço nas tecnologias aplicadas à saúde. A indústria das health techs cresceu consideravelmente nos últimos anos e estima-se um investimento de pelo menos US$ 430 bilhões de dólares entre os anos de 2014 e 2020. Junto a isso, o avanço tecnológico e a explosão da quantidade de dados de saúde colocam os sistemas de Inteligência Artificial Médica em pauta. O trabalho proposto buscou entender como essas tecnologias vêm sendo aplicadas em sistemas de gerenciamento e sistemas de apoio à decisão clínica por meio de um estudo de caso com 3 empresas desenvolvedoras de tecnologias em saúde, comparando o cenário descrito por elas com as bases teóricas existentes na literatura. O estudo destacou melhorias na assertividade do diagnóstico, aumento da capacidade de atendimento das instituições, otimização dos processos internos e vantagens econômicas. Entretanto, foram observadas algumas barreiras na implementação, como a resistência à mudança e a dificuldade de comunicação entre os profissionais de saúde e os de tecnologia. Além disso, verificou-se uma maior aderência das instituições de saúde líderes de mercado e com viés inovador. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-02-14T16:00:26Z 2022-02-14T16:00:26Z 2022-02-02 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/11600/62821 |
url |
https://hdl.handle.net/11600/62821 |
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 |
64 f application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Paulo |
publisher.none.fl_str_mv |
Universidade Federal de São Paulo |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIFESP instname:Universidade Federal de São Paulo (UNIFESP) instacron:UNIFESP |
instname_str |
Universidade Federal de São Paulo (UNIFESP) |
instacron_str |
UNIFESP |
institution |
UNIFESP |
reponame_str |
Repositório Institucional da UNIFESP |
collection |
Repositório Institucional da UNIFESP |
repository.name.fl_str_mv |
Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP) |
repository.mail.fl_str_mv |
biblioteca.csp@unifesp.br |
_version_ |
1814268420968939520 |