Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
INTELIGÊNCIA ARTIFICIAL NA SAÚDE: UMA REVISÃO BIBLIOGRÁFICA SOBRE OS DESAFIOS E ESTRATÉGIAS PARA IMPLEMENTAÇÃO DE SISTEMAS INTELIGENTES EM INSTITUIÇÕES DE SAÚDE
0
Zitationen
3
Autoren
2025
Jahr
Abstract
A Inteligência Artificial (IA) tem se consolidado como uma das tecnologias mais promissoras para o aprimoramento dos serviços de saúde, possibilitando diagnósticos mais precisos, otimização de processos e apoio à tomada de decisão clínica. Este estudo teve como objetivo analisar as percepções, o nível de conhecimento e os desafios enfrentados por profissionais da saúde quanto à adoção de sistemas inteligentes em suas práticas, com foco nos municípios de Quixadá e Quixeramobim, no Ceará. A pesquisa adotou uma abordagem qualitativa e exploratória, combinando revisão de literatura com aplicação de questionário online a 67 profissionais atuantes em hospitais, clínicas e Unidades de Pronto Atendimento. Os dados coletados foram tratados de forma descritiva e interpretativa, considerando aspectos técnicos, éticos e institucionais relacionados ao uso da IA. Os resultados demonstraram que a maioria dos profissionais possui conhecimento básico ou intermediário sobre a IA, e embora cerca de 45% relatem algum grau de utilização dessas ferramentas, a adoção prática ainda é limitada por barreiras formativas e estruturais. As aplicações mais citadas envolvem assistentes virtuais, sistemas de gestão hospitalar e aplicativos de monitoramento. Entre os principais benefícios apontados estão a otimização do tempo, a agilidade diagnóstica, o apoio à tomada de decisão e a melhoria da gestão hospitalar. Em contrapartida, destacam-se como desafios a falta de capacitação técnica, a carência de infraestrutura adequada, as preocupações éticas — especialmente quanto à privacidade de dados — e a ausência de regulamentação específica.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.231 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.084 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.444 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.423 Zit.