Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Uso de inteligência artificial na predição de arritmia cardíaca: Do algoritmo ao batimento.
0
Zitationen
3
Autoren
2025
Jahr
Abstract
As arritmias cardíacas constituem um desafio significativo para a saúde pública, frequentemente levando a complicações graves como acidente vascular cerebral e morte súbita cardíaca. Esta revisão narrativa explora o papel da inteligência artificial na predição dessas condições, destacando seu potencial para aprimorar a precisão diagnóstica e os desfechos dos pacientes. A introdução aborda as limitações dos métodos tradicionais e o surgimento de abordagens impulsionadas por Inteligência Artificial. Os objetivos incluem sintetizar evidências sobre aplicações de inteligência artificial na predição de arritmias, avaliar sua eficácia e identificar direções futuras. A metodologia envolveu uma busca abrangente em bases de dados como PubMed, Scopus e Web of Science, utilizando unitermos como "inteligência artificial", "aprendizado de máquina", "arritmias cardíacas" e "modelos de predição". Foram priorizados artigos publicados nos últimos 10 anos, excluindo aqueles fora do escopo. Os resultados de estudos selecionados demonstram que modelos de Inteligência artificial, especialmente aqueles utilizando aprendizado profundo e análise de eletrocardiograma, alcançam taxas de acurácia elevadas (até 99,35%) na detecção de arritmias como fibrilação atrial. A discussão trata de desafios como privacidade de dados e interpretabilidade dos modelos, ao mesmo tempo em que enfatiza implicações clínicas. As conclusões destacam o potencial transformador da inteligência artificial na cardiologia, defendendo a adoção integrada na clínica e pesquisas adicionais.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.646 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.554 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 8.071 Zit.
BioBERT: a pre-trained biomedical language representation model for biomedical text mining
2019 · 6.851 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.