Suporte à decisão clínica baseado em IA: revisão de escopo
DOI:
https://doi.org/10.59681/2175-4411.v17.2025.1457Palavras-chave:
Sistemas de Apoio a Decisões Clínicas, Inteligência Artificial, Aprendizado de MáquinaResumo
A inteligência artificial (IA) busca replicar funções cognitivas humanas e sua aplicação na saúde está em constante evolução. Esta revisão de escopo analisou o uso de Sistemas de Suporte à Decisão Clínica (SSDC) baseados em IA. A pesquisa foi realizada nas bases PubMed, SciELO e LILACS, considerando artigos dos últimos três anos. Entre os 77 artigos encontrados, 10 atenderam aos critérios de inclusão. Os resultados destacam o avanço dos SSDC baseados em IA mostrando desempenho superior ao humano em muitos casos. Países ao redor do mundo já utilizam a IA para apoiar diagnósticos clínicos, com resultados promissores que apontam melhorias na qualidade, eficiência e efetividade das decisões em saúde. A adoção crescente da IA na prática clínica sugere seu potencial para transformar o setor, oferecendo diagnósticos mais precisos, tratamentos personalizados e melhor gestão de cuidados, consolidando-a como ferramenta essencial para o futuro da saúde.
Downloads
Referências
Toh C, P. Brody J. Applications of Machine Learning in Healthcare. In: Smart Manufacturing - When Artificial Intelligence Meets the Internet of Things. IntechOpen; 2021. Disponível em: https://www.intechopen.com/chapters/72044. Acesso em: 22 out. 2024
Khosravi M, Zare Z, Mojtabaeian SM, Izadi R. Artificial Intelligence and Decision-Making in Healthcare: A Thematic Analysis of a Systematic Review of Reviews. Vol. 11, Health Services Research and Managerial Epidemiology. SAGE Publications Inc.; 2024. Disponível em: https://journals.sagepub.com/doi/full/10.1177/23333928241234863. Acesso em: 22 out. 2024
Miller RA. Medical diagnostic decision support systems--past, present, and future: a threaded bibliography and brief commentary. J Am Med Inform Assoc [Internet]. 1994. Disponível em: https://academic.oup.com/jamia/article-abstract/1/1/8/849986?redirectedFrom=fulltext. Acesso em: 22 out. 2024
Adlung L, Cohen Y, Mor U, Elinav E. Machine learning in clinical decision making. Med. 2021 Jun 11;2(6):642–65. Disponível em: https://www.cell.com/med/fulltext/S2666-6340(21)00155-0. Acesso em: 22 out. 2024
Ting DSW, Cheung CYL, Lim G, Tan GSW, Quang ND, Gan A, et al. Development and Validation of a Deep Learning System for Diabetic Retinopathy and Related Eye Diseases Using Retinal Images From Multiethnic Populations With Diabetes. JAMA [Internet]. 2017 Dec 12. Disponível em: https://jamanetwork.com/journals/jama/fullarticle/2665775. Acesso em: 18 nov. 2024
Osheroff JA, Pifer EA, Teich JM, Sittig DF, Jenders RA, Society. HI and MS. Improving outcomes with clinical decision support : an implementer’s guide. Chicago, IL : HIMSS,; 2005. xii, 136 pages. Disponível em: https://doi.org/10.4324/9780367806125HIMSS. Acesso em: 18 nov. 2024
Lobo LC. Inteligência Artificial e Medicina. Rev Bras Educ Med. 2017 Jun;41(2):185–93. Disponível em: https://www.scielo.br/j/rbem/a/f3kqKJjVQJxB4985fDMVb8b/?lang=pt. Acesso em: Acesso em: 22 out. 2024
Wang L, Chen X, Zhang L, Li L, Huang Y, Sun Y, et al. Artificial intelligence in clinical decision support systems for oncology. Int J Med Sci [Internet]. 2023. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC9812798/. Acesso em: 15 de nov. 2024
Syrowatka A, Song W, Amato MG, Foer D, Edrees H, Co Z, et al. Key use cases for artificial intelligence to reduce the frequency of adverse drug events: a scoping review. Lancet Digit Health [Internet]. 2022 Feb 1;4(2):e137–48. Disponível em: https://www.thelancet.com/journals/landig/article/PIIS25897500(21)00229-6/fulltext. Acesso em: 18 nov. 2024
Tricco AC, Lillie E, Zarin W, O’Brien KK, Colquhoun H, Levac D, et al. PRISMA extension for scoping reviews (PRISMA-ScR): Checklist and explanation. Vol. 169, Annals of Internal Medicine. American College of Physicians; 2018. p. 467–73. Disponível em: https://www.acpjournals.org/doi/10.7326/M18-0850. Acesso em: 22 out. 2024
Liu H, Chen Y, Zhang Y, Wang L, Luo R, Wu H, et al. A deep learning model integrating mammography and clinical factors facilitates the malignancy prediction of BI-RADS 4 microcalcifications in breast cancer screening. Eur Radiol. 2021 Aug 1;31(8):5902–12. Disponível em: https://link.springer.com/article/10.1007/s00330-020-07659-y. Acesso em: 10 de out. 2024
Papachristou P, Söderholm M, Pallon J, Taloyan M, Polesie S, Paoli J, et al. Evaluation of an artificial intelligence-based decision support for the detection of cutaneous melanoma in primary care: a prospective real-life clinical trial. British Journal of Dermatology. 2024 Jul 1;191(1):125–33. Disponível em: https://academic.oup.com/bjd/article/191/1/125/7564904?login=false. Acesso em: 10 de out. 2024
Schwab K, Nguyen D, Ungab G, Feld G, Maisel AS, Than M, et al. Artificial intelligence MacHIne learning for the detection and treatment of atrial fibrillation guidelines in the emergency department setting (AIM HIGHER): Assessing a machine learning clinical decision support tool to detect and treat non-valvular atrial fibrillation in the emergency department. J Am Coll Emerg Physicians Open [Internet]. 2021 Aug 1;2(4):e12534. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC8353018/. Acesso em: 10 de out. 2024
Yao X, Rushlow DR, Inselman JW, McCoy RG, Thacher TD, Behnken EM, et al. Artificial intelligence–enabled electrocardiograms for identification of patients with low ejection fraction: a pragmatic, randomized clinical trial. Nat Med. 2021 May 1;27(5):815–9. Disponível em: https://www.nature.com/articles/s41591-021-01335-4. Acesso em: 10 de out. 2024
Lee HW, Jin KN, Oh S, Kang SY, Lee SM, Jeong IB, et al. Artificial Intelligence Solution for Chest Radiographs in Respiratory Outpatient Clinics: Multicenter Prospective Randomized Clinical Trial. Ann Am Thorac Soc. 2023 May 1;20(5):660–7. Disponível em: https://www.atsjournals.org/doi/full/10.1513/AnnalsATS.202206-481OC. Acesso em: 10 de out. 2024
Seol HY, Shrestha P, Muth JF, Wi C Il, Sohn S, Ryu E, et al. Artificial intelligence-assisted clinical decision support for childhood asthma management: A randomized clinical trial. PLoS One. 2021 Aug 1;16(8 August). Disponível em: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0255261. Acesso em: 10 de out. 2024
Jian MJ, Lin TH, Chung HY, Chang CK, Perng CL, Chang FY, et al. Artificial Intelligence-Clinical Decision Support System in Infectious Disease Control: Combatting Multidrug-Resistant Klebsiella pneumoniae with Machine Learning. Infect Drug Resist [Internet]. 2024;17:2899–912. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC11246630/. Acesso em: 10 de out. 2024
Szlejf C, Batista AFM, Bertola L, Lotufo PA, Benseñor IM, Chiavegatto Filho ADP, et al. Data-driven decision making for the screening of cognitive impairment in primary care: a machine learning approach using data from the ELSA-Brasil study. Brazilian Journal of Medical and Biological Research. 2023;56. Disponível em: https://www.scielo.br/j/bjmbr/a/r9zmCWchBzPTmZTGMC8qwpR/#. Acesso em: 10 de out. 2024
Gong EJ, Bang CS, Lee JJ, Baik GH, Lim H, Jeong JH, et al. Deep learning-based clinical decision support system for gastric neoplasms in real-time endoscopy: Development and validation study. Endoscopy. 2022 Sep 3;55(8):701–8. Disponível em: https://www.thiemeconnect.com/products/ejournals/abstract/10.1055/a-2031-0691. Acesso em: 10 de out. 2024
Meinikheim M, Mendel R, Palm C, Probst A, Muzalyova A, Scheppach MW, et al. Influence of artificial intelligence on the diagnostic performance of endoscopists in the assessment of Barrett’s esophagus: a tandem randomized and video trial. Endoscopy. 2024 Sep 1;56(9):641–9. Disponivel em: https://www.thiemeconnect.com/products/ejournals/abstract/10.1055/a-2296-569. Acesso em: 10 de out. 2024
Shortliffe EH, Sepúlveda MJ. Clinical Decision Support in the Era of Artificial Intelligence. JAMA [Internet]. 2018 Dec 4;320(21):2199–200. Disponível em: https://jamanetwork.com/journals/jama/article-abstract/2713901. Acesso em: 18 de nov. 2024
Sadeghi Z, Alizadehsani R, CIFCI MA, Kausar S, Rehman R, Mahanta P, et al. A review of Explainable Artificial Intelligence in healthcare. Computers and Electrical Engineering. 2024 Aug 1;118:109370. Disponível em: https://www.sciencedirect.com/science/article/pii/S0045790624002982?via%3Dihub. Acesso em: 14 de dez. 2024
Tenório JM, Sousa FS, Pisa IT. Classificação de intervenções, aplicações e serviços em saúde digital para o contexto brasileiro (CDHI.br). São Paulo: 2023. Licença: CC BY-NC-AS 4.0 DEED. Disponível em https://cdhi.saude360.app.br Acesso em: 14 out. 2024.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Engels Avelino Semedo Correia, Antonio Valério Netto
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista (Declaração de Exclusividade). A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão de um Termo de Transferência de Direitos de Publicação. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito de Publicação.
