Impacto da Inteligência Artificial no Diagnóstico Prematuro do Câncer: Uma Revisão Integrativa
DOI:
https://doi.org/10.64671/acta.v1i2.11Keywords:
Câncer. Inteligência artificial. Diagnóstico precoce.Abstract
O câncer é uma desordem genética proveniente de mutações no DNA, obtidas espontaneamente ou induzidas por condições ambientais. Neste contexto, a tecnologia de inteligência artificial (IA) ter sido utilizada no diagnóstico de várias doenças. A importância deste estudo está no emprego da IA em reconhecer tumores em estágios iniciais, proporcionando tratamento mais eficazes. Objetivo: investigar os impactos do uso da inteligência artificial no diagnóstico prematuro do câncer, determinando os benefícios, desafios e avanços tecnológicos relacionados a essa abordagem. Metodologia: este estudo se estruturou de uma revisão integrativa da literatura. A coleta de dados foi feita entre agosto e novembro de 2024 por meio de estudos nas bases de dados Medical Literature Analysis and Retrievel System Online (MEDLINE), Literatura Latino-Americana e do Caribe em Ciências da Saúde (LILACS), Base de Dados em Enfermagem (BDENF) e Science Direct. Para a coleta de dados foi utilizado os seguintes Descritores em Ciência da Saúde (DeCS): “Câncer”, “Inteligência Artificial”, e “Diagnóstico Precoce”, operador booleano AND. A janela temporal utilizada deu-se do ano de 2020 a 2024 para assegurar os resultados de pesquisas mais atuais. Resultado e discussão: foram utilizados 7 artigos no estudo, todos publicados em 2024. No qual demostram que a inteligência artificial é uma importante ferramenta no diagnóstico do câncer. Conclusão: Está provando a competência da IA e o impacto pleno dessa tecnologia ainda depende de uma adoção mais ampla e de melhorias na aplicação dos modelos.
References
CHANG, Young Hoon et al. Aplicação da Inteligência Artificial no Mundo Real para Detecção de Atipias Gástricas Patológicas e Lesões Neoplásicas. Journal of Gastric Cancer, v. 24, n. 3, p. 327, 2024.
DOWDEN, Jeffrey et al. A novel technology for harmonizing and analyzing cancer data. Observations from integrating health connect in Newfoundland and Labrador, Canada. Health Informatics Journal, v. 30, n. 3, p. 14604582241267792, 2024. DOI: https://doi.org/10.1177/14604582241267792
GAO, Shan et al. Artificial intelligence-driven computer aided diagnosis system provides similar diagnosis value compared with doctors’ evaluation in lung cancer screening. BMC Medical Imaging, v. 24, n. 1, p. 141, 2024. DOI: https://doi.org/10.1186/s12880-024-01288-3
HA, Su Min et al. Screening outcomes of mammography with AI in dense breasts: a comparative study with supplemental screening US. Radiology, v. 312, n. 1, p. e233391, 2024. DOI: https://doi.org/10.1148/radiol.233391
HU, Liming et al. Internal validation of Automated Visual Evaluation (AVE) on smartphone images for cervical cancer screening in a prospective study in Zambia. Cancer Medicine, v. 13, n. 11, p. e7355, 2024. DOI: https://doi.org/10.1002/cam4.7355
HUSSAIN, Elima et al. A shape context fully convolutional neural network for segmentation and classification of cervical nuclei in Pap smear images. Artificial Intelligence in Medicine, v. 107, p. 101897, 2020. DOI: https://doi.org/10.1016/j.artmed.2020.101897
KANAYAMA, Teppei et al. Detecção de câncer gástrico a partir de imagens endoscópicas usando síntese por GAN. Em: Conferência internacional sobre computação de imagens médicas e intervenção assistida por computador. Cham: Springer International Publishing, p. 530-538. 2019.
MARGERIE-MELLON, C.; CHASSAGNON, G. Artificial intelligence: A critical review of applications for lung nodule and lung cancer. Diagnostic and interventional imaging, v. 104, n. 1, p. 11-17, 2023. DOI: https://doi.org/10.1016/j.diii.2022.11.007
MENDES, K. D. S.; SILVEIRA, R. C. C. P.; GALVÃO, C. m. Uso de gerenciador de referências bibliográficas na seleção dos estudos primários em revisão integrativa. Texto & Contexto-Enfermagem, v. 28, p. e20170204, 2019.
OUZZANI, Mourad et al. Rayyan—a web and mobile app for systematic reviews. Systematic Reviews, v. 5, n. 1, p. 210, 2016. DOI: https://doi.org/10.1186/s13643-016-0384-4
SACHDEVA, Malika et al. Acceptability of artificial intelligence for cervical cancer screening in Dschang, Cameroon: a qualitative study on patient perspectives. Reproductive Health, v. 21, n. 1, p. 92, 2024. DOI: https://doi.org/10.1186/s12978-024-01828-8
SANTOS, C. M. C.; PIMENTA, C. A. M.; NOBRE, M. R. C. The PICO strategy for the research question construction and evidence search. Revista latino-americana de enfermagem, v. 15, p. 508-511, 2007. DOI: https://doi.org/10.1590/S0104-11692007000300023
SINGH, Deependra et al. Global estimates of incidence and mortality of cervical cancer in 2020: a baseline analysis of the WHO Global Cervical Cancer Elimination Initiative. The lancet global health, v. 11, n. 2, p. e197-e206, 2023. DOI: https://doi.org/10.1016/S2214-109X(22)00501-0
SOMPAWONG, Nitiwat et al. Automated pap smear cervical cancer screening using deep learning. In: 2019 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). IEEE, p.7044-7048, 2019 DOI: https://doi.org/10.1109/EMBC.2019.8856369
SOUZA, M. T.; SILVA, M. D.; CARVALHO, R. Revisão integrativa: o que é? Como fazer isso? Einstein (São Paulo), v. 102-106, 2010. DOI: https://doi.org/10.1590/s1679-45082010rw1134
TANG, Hong‐Ping et al. Cervical cytology screening facilitated by an artificial intelligence microscope: a preliminary study. Cancer cytopathology, v. 129, n. 9, p. 693-700, 2021. DOI: https://doi.org/10.1002/cncy.22425
UCHE-ANYA, Eugenia et al. Artificial intelligence in gastroenterology and hepatology: how to advance clinical practice while ensuring health equity. Gut, v. 71, n. 9, p. 1909-1915, 2022. DOI: https://doi.org/10.1136/gutjnl-2021-326271
URSI, E. S.; GAVÃO, C. M. Prevenção de lesões de pele no perioperatório: revisão integrativa da literatura. Revista Latino-Americana de Enfermagem, v. 14, p. 124-131, 2006. DOI: https://doi.org/10.1590/S0104-11692006000100017
VACHON, Celine et al. Impact of artificial intelligence system and volumetric density on risk prediction of interval, screen-detected and advanced breast cancer. Journal of Clinical Oncology, v. 41, n. 17, p. 3172-3183, 2023. DOI: https://doi.org/10.1200/JCO.22.01153
YANG, Wen et al. Clinical evaluation of an artificial intelligence-assisted cytological system among screening strategies for a cervical cancer high-risk population. BMC cancer, v. 24, n. 1, p. 776, 2024. DOI: https://doi.org/10.1186/s12885-024-12532-y
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Acta Scientific Sciences
This work is licensed under a Creative Commons Attribution 4.0 International License.
