Como a inteligência artificial, usando monitorização multimodal, pode predizer acidente vascular encefálico e infarto agudo do miocárdio
Barra lateral de artigos
Conteúdo do artigo principal
Resumo
Introdução: O aumento da longevidade populacional e a prevalência de doenças cardiovasculares e neurológicas exigem estratégias eficazes para a predição e prevenção de eventos críticos, como acidente vascular encefálico e infarto agudo do miocárdio (AVE, IAM) e crises convulsivas. A inteligência artificial (IA) tem se destacado como ferramenta promissora para a interpretação de grandes volumes de dados fisiológicos obtidos por sensores vestíveis e dispositivos de monitoramento remoto, permitindo detecção precoce e intervenção rápida.
Objetivo: Explorar a aplicabilidade da IA na análise de dados obtidos da monitorização multimodal, destacando seus impactos na predição de eventos críticos e na otimização do cuidado em saúde.
Método: Foram analisados artigos publicados no PubMed/Medline e Science Direct, utilizando descritores relacionados à inteligência artificial, monitorização multimodal e predição de eventos críticos. Foram incluídos estudos originais nos idiomas inglês e espanhol que abordassem a relação entre IA e monitoramento fisiológico para detecção de AVE, IAM e crises convulsivas.
Resultado: Após leitura e aplicação dos critérios de exclusão, 8 referências embasaram este artigo.
Conclusão: A aplicação da IA na monitorização multimodal oferece oportunidades significativas para a predição de eventos críticos e a personalização do cuidado médico. Contudo, para que sua implementação seja segura e eficaz, são necessárias melhorias nos algoritmos, maior validação clínica e estratégias para facilitar sua integração na prática médica.
Detalhes do artigo
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Referências
Diaz-del-Pino S, Trelles-Martinez R, González-Fernández FA, Guil N. Artificial intelligence to assist specialists in the detection of haematological diseases. Heliyon. 2023;9(5):e15940. https://doi.org/10.1016/j.heliyon.2023.e15940
Zhang W, Kumar M, Yu J, Yang J. Medical long-distance monitoring system based on internet of things. EURASIP J Wirel Commun Netw. 2018;2018(1):176. https://doi.org/10.1186/s13638-018-1178-2
Petroc Taylor. Data created worldwide 2010–2025. Statista. Available from: https://www.statista.com/statistics/871513/worldwide-data-created/
Mallappallil M, Sabu J, Gruessner A, Salifu M. A review of big data and medical research. SAGE Open Med. 2020;8:2050312120934839. https://doi.org/10.1177/2050312120934839
Koçak B, Cuocolo R, dos Santos DP, Stanzione A, Ugga L. Must-have qualities of clinical research on artificial intelligence and machine learning. Balkan Med J. 2023;40(1):3–12. https://doi.org/10.4274/balkanmedj.galenos.2022.2022-11-51
Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44–56. https://doi.org/10.1038/s41591-018-0300-7
Helman S, Terry MA, Pellathy T, Williams A, Dubrawski A, Clermont G, et al. Engaging clinicians early during the development of a graphical user display of an intelligent alerting system at the bedside. Int J Med Inform. 2021;159:104643. https://doi.org/10.1016/j.ijmedinf.2021.104643
Jayatilake SMDA, Ganegoda GU. Involvement of machine learning tools in healthcare decision making. J Healthc Eng. 2021;2021:6679512. https://doi.org/10.1155/2021/6679512
Debnath S, Barnaby DP, Coppa K, Makhnevich A, Kim EJ, Chatterjee S, et al. Machine learning to assist clinical decision-making during the COVID-19 pandemic. Bioelectron Med. 2020;6(1):14. https://doi.org/10.1186/s42234-020-00050-8
Frederix I, Caiani EG, Dendale P, Anker S, Bax J, Böhm A, et al. ESC e-Cardiology Working Group Position Paper: overcoming challenges in digital health implementation in cardiovascular medicine. Eur J Prev Cardiol. 2019;26(11):1166–77. https://doi.org/10.1177/2047487319832394
Huang JD, Wang J, Ramsey E, Leavey G, Chico TJA, Condell J. Applying artificial intelligence to wearable sensor data to diagnose and predict cardiovascular disease: a review. Sensors (Basel). 2022;22(20):8002. https://doi.org/10.3390/s22208002
Bouzid Z, Al-Zaiti SS, Bond R, Sejdic E. Remote and wearable ECG devices with diagnostic abilities in adults: a state-of-the-science scoping review. Heart Rhythm. 2022;19(7):1192-1201 https://doi.org/10.1016/j.hrthm.2022.02.030
Liang Q, Xu L, Bao N, Qi L, Shi J, Yang Y, et al. Research on Non-Contact Monitoring System for Human Physiological Signal and Body Movement. Biosensors (Basel). 2019;9(2):58. https://doi.org/10.3390/bios9020058
Jagadev P, Giri LI. Human respiration monitoring using infrared thermography and artificial intelligence. Biomed Phys Eng Express. 2020;6(3):035007. https://doi.org/10.1088/2057-1976/ab7a54
LaBuzetta JN, Kazer MR, Kamdar BB, Owens RL, Evans JH, Stone L, et al. Neurocheck Frequency: Determining Perceptions and Barriers to Implementation of Evidence-Based Practice. 2023;28(3):160-5. https://doi.org/10.1097/nrl.0000000000000459
Poncette AS, Mosch L, Spies C, Schmieding M, Schiefenhövel F, Krampe H, et al. Improvements in Patient Monitoring in the Intensive Care Unit: Survey Study. J Med Internet Res. 2020;22(6):e19091. https://doi.org/10.2196/19091
Aileni RM, Pasca S, Florescu A. EEG-Brain Activity Monitoring and Predictive Analysis of Signals Using Artificial Neural Networks. 2020;20(12):3346. https://doi.org/10.3390/s20123346
Rodrigues MJ, Postolache O, Cercas F. Physiological and Behavior Monitoring Systems for Smart Healthcare Environments: A Review. Sensors (Basel). 2020;20(8):2186. https://doi.org/10.3390/s20082186
Pap IA, Oniga S. A Review of Converging Technologies in eHealth Pertaining to Artificial Intelligence. Int J Environ Res Public Health. 2022;19(18):11413. https://doi.org/10.3390/ijerph191811413
Roy S, Kiral I, Mirmomeni M, Mummert T, Braz A, Tsay J, et al. Evaluation of artificial intelligence systems for assisting neurologists with fast and accurate annotations of scalp electroencephalography data. EBioMedicine. 2021:66:103275. https://doi.org/10.1016/j.ebiom.2021.103275