USO DA INTELIGÊNCIA ARTIFICIAL NO DIAGNÓSTICO DE DOENÇAS NEURODEGENERATIVAS: UMA REVISÃO INTEGRATIVA
DOI:
https://doi.org/10.53612/recisatec.v2i10.196Palavras-chave:
Inteligência artificial; Neurodegenerativa; DiagnósticoResumo
As doenças neurodegenerativas (DNs) são doenças debilitantes, incuráveis, que causam perda progressiva e irreversível de neurônios e outras células cerebrais, e provocam alterações funcionais no sistema nervoso central (SNC), afetando o movimento e a função do corpo. Esta pesquisa tem como objetivo descrever sobre o uso da inteligência artificial (IA) no diagnóstico de doenças neurodegenerativas. Trata-se de uma pesquisa descritiva do tipo revisão integrativa da literatura. A pesquisa foi realizada através do acesso online no banco de dados da Biblioteca Virtual em Saúde (BVS), indexadas na base de dados da Medical Literature Analysis and Retrieval System Online (MEDLINE). Para a busca das obras foram utilizadas as palavras-chave presentes no Medical Subject Headings (MeSH), foram elas: Artificial intelligence AND Neurodegenerative AND Diagnosis. Os resultados mostraram que as ferramentas de IA mais utilizadas no diagnóstico de doenças neurodegenerativas são os biomarcadores de imagem (tomografia por emissão de pósitrons (PET) e a tomografia computadorizada por emissão de fóton único (SPECT), além do Computer-Aided Desidn (CAD), o aprendizado em máquina, em inglês – Machine Learning (ML), uso de aplicativos Deep Learning (DL). Concluiu-se que a IA é uma importante ferramenta para o diagnóstico de doenças neurodegenerativas, pois, conforme demonstrado na literatura, a inteligência artificial reduz o tempo, melhora a precisão e confiabilidade do diagnóstico das doenças neurodegenerativas.
Downloads
Referências
BELIĆ, Minja et al. Artificial intelligence for assisting diagnostics and assessment of Parkinson’s disease - A review. Clinical neurology and neurosurgery, v. 184, p. 105442, 2019. Disponível em: https://doi.org/10.1016/j.clineuro.2019.105442. Acesso em: 28 abr. 2022. DOI: https://doi.org/10.1016/j.clineuro.2019.105442
BRZEZICKI, Maksymilian A. et al. Diagnostic accuracy of frontotemporal dementia. An artificial intelligence-powered study of symptoms, imaging and clinical judgement. Advances in Medical Sciences, v. 64, n. 2, p. 292-302, 2019. Disponível em: https://doi.org/10.1016/j.advms.2019.03.002. Acesso em: 28 abr. 2022. DOI: https://doi.org/10.1016/j.advms.2019.03.002
CAI, Zhennao et al. An intelligent Parkinson’s disease diagnostic system based on a chaotic bacterial foraging optimization enhanced fuzzy KNN approach. Computational and mathematical methods in medicine, v. 2018, 2018. Disponível em: https://doi.org/10.1155/2018/2396952. Acesso em: 28 abr. 2022. DOI: https://doi.org/10.1155/2018/2396952
CHANG, Chun-Hung; LIN, Chieh-Hsin; LANE, Hsien-Yuan. Machine learning and novel biomarkers for the diagnosis of Alzheimer’s disease. International Journal of Molecular Sciences, v. 22, n. 5, p. 2761, 2021. Disponível em: https://doi.org/10.3390/ijms22052761. Acesso em: 28 abr. 2022. DOI: https://doi.org/10.3390/ijms22052761
GIANNAKOPOULOU, Konstantina-Maria; ROUSSAKI, Ioanna; DEMESTICHAS, Konstantinos. Internet of Things Technologies and Machine Learning Methods for Parkinson’s Disease Diagnosis, Monitoring and Management: A Systematic Review. Sensors, v. 22, n. 5, p. 1799, 2022. Disponível em: https://doi.org/10.3390/s22051799. Acesso em: 28 abr. 2022. DOI: https://doi.org/10.3390/s22051799
LIU, Xiaonan et al. Use of multimodality imaging and artificial intelligence for diagnosis and prognosis of early stages of Alzheimer's disease. Translational Research, v. 194, p. 56-67, 2018. Disponível em: https://doi.org/10.1016/j.trsl.2018.01.001. Acesso em: 28 abr. 2022. DOI: https://doi.org/10.1016/j.trsl.2018.01.001
LOH, Hui Wen et al. Application of deep learning models for automated identification of Parkinson’s disease: a review (2011–2021). Sensors, v. 21, n. 21, p. 7034, 2021. Disponível em: https://doi.org/10.3390/s21217034. Acesso em: 28 abr. 2022. DOI: https://doi.org/10.3390/s21217034
MENDES, Karina Dal Sasso; SILVEIRA, Renata Cristina de Campos Pereira; GALVÃO, Cristina Maria. Uso de gerenciador de referências bibliográficas na seleção dos estudos primários em revisão integrativa. Texto & Contexto-Enfermagem, v. 28, 2019. Disponível em: https://www.scielo.br/j/tce/a/HZD4WwnbqL8t7YZpdWSjypj/?format=html&lang=pt. Acesso em: 28 abr. 2022.
MYSZCZYNSKA, Monika A. et al. Applications of machine learning to diagnosis and treatment of neurodegenerative diseases. Nature Reviews Neurology, v. 16, n. 8, p. 440-456, 2020. Disponível em: https://doi.org/10.1038/s41582-020-0377-8. Acesso em: 28 abr. 2022. DOI: https://doi.org/10.1038/s41582-020-0377-8
SILVA-SPÍNOLA, Anuschka et al. The road to personalized medicine in Alzheimer’s disease: The use of artificial intelligence. Biomedicines, v. 10, n. 2, p. 315, 2022. Disponível em: https://doi.org/10.3390/biomedicines10020315. Acesso em: 28 abr. 2022. DOI: https://doi.org/10.3390/biomedicines10020315
TAUTAN, Alexandra-Maria; IONESCU, Bogdan; SANTARNECCHI, Emiliano. Artificial intelligence in neurodegenerative diseases: A review of available tools with a focus on machine learning techniques. Artificial Intelligence in Medicine, v. 117, p. 102081, 2021. Disponível em: https://doi.org/10.1016/j.artmed.2021.102081. Acesso em: 28 abr. 2022. DOI: https://doi.org/10.1016/j.artmed.2021.102081
VITALE, Annalisa et al. Artificial intelligence applied to neuroimaging data in Parkinsonian syndromes: Actuality and expectations. Math. Biosci. Eng, v. 18, p. 1753-1773, 2021. Disponível em: http://www.aimspress.com/journal/MBE. Acesso em: 28 abr. 2022. DOI: https://doi.org/10.3934/mbe.2021091
XU, Jingjing; ZHANG, Minming. Use of magnetic resonance imaging and artificial intelligence in studies of diagnosis of Parkinson’s disease. ACS chemical neuroscience, v. 10, n. 6, p. 2658-2667, 2019. Disponível em: https://pubs.acs.org/doi/pdf/10.1021/acschemneuro.9b00207. Acesso em: 28 abr. 2022. DOI: https://doi.org/10.1021/acschemneuro.9b00207
Downloads
Publicado
Como Citar
Edição
Secção
Categorias
Licença
Direitos de Autor (c) 2022 RECISATEC - REVISTA CIENTÍFICA SAÚDE E TECNOLOGIA - ISSN 2763-8405
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição 4.0.
Os direitos autorais dos artigos/resenhas/TCCs publicados pertecem à revista RECISATEC, e seguem o padrão Creative Commons (CC BY 4.0), permitindo a cópia ou reprodução, desde que cite a fonte e respeite os direitos dos autores e contenham menção aos mesmos nos créditos. Toda e qualquer obra publicada na revista, seu conteúdo é de responsabilidade dos autores, cabendo a RECISATEC apenas ser o veículo de divulgação, seguindo os padrões nacionais e internacionais de publicação.
