Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Perceção da Aplicação de Inteligência Artificial na Otorrinolaringologia Portuguesa
0
Zitationen
4
Autoren
2024
Jahr
Abstract
Introdução - As tecnologias de Inteligência Artificial (IA) têm sido capazes de analisar bases de dados de grandes dimensões e posteriormente aplicar esse conhecimento na resolução de problemas clínicos práticos. Objetivos - Comparar a perceção da aplicação de AI na Otorrinolaringologia, em Portugal, entre a população geral e os profissionais de saúde. Material e Métodos - Foi realizado um estudo transversal com recurso a um questionário on-line anónimo e de auto-preenchimento. O questionário analisou aspetos relacionados com as áreas de aplicação da IA, nomeadamente diagnóstico, tomada de decisão clínica, procedimentos cirúrgicos e monitorização de doenças crónicas. Dos 770 participantes adultos (idade igual ou superior a 18 anos), foram excluídos 249 por apresentarem questionários com informações incompletas, sendo selecionados um total de 521. Resultados - Dos participantes, 60.8% eram do sexo feminino (60,8%), 66.8% tinham entre 26 e 57 anos e 46.4% eram profissionais de saúde. As mulheres preferiram mais frequentemente um ser humano a realizar a monitorização de doenças crónicas (p = 0.024) e cirurgia com baixo risco de vida (p = 0.003). Os elementos de grupos etários mais jovens (18-25 anos) e mais velhos (>67 anos) preferiram humanos a realizarem a avaliação clínica de sinais e sintomas (p = 0.000), a tomada de decisão terapêutica (p = 0.011) e a criação de planos de reabilitação (p = 0.009). Os profissionais de saúde preferiram mais frequentemente humanos a realizar o seguimento de um tratamento (p = 0.000) ou cirurgias com risco de vida (p = 0.004), em comparação com a população geral. Conclusões - Este estudo sugere que existem diferenças significativas na perceção da aplicação de IA, dependendo do sexo, da idade e da população em geral versus profissionais de saúde.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.557 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.447 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.944 Zit.
BioBERT: a pre-trained biomedical language representation model for biomedical text mining
2019 · 6.797 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.