Impactos da Inteligência Artificial na detecção e classificação dos nódulos pulmonares à tomografia computadorizada

Mendes, Daniel Nascimento

DSpace Home
→
Centro de Ciências Biológicas e da Saúde (CCBS)
→
Medicina
→
MEDI - Trabalhos de Conclusão de Curso - Graduação
→
View Item

dc.contributor.advisor	Koifman, Ana Célia Baptista
dc.contributor.author	Mendes, Daniel Nascimento
dc.date.accessioned	2026-03-30T18:46:03Z
dc.date.available	2026-03-30T18:46:03Z
dc.date.issued	2024-07-23
dc.identifier.citation	MENDES, Daniel Nascimento. Impactos da Inteligência Artificial na detecção e classificação dos nódulos pulmonares à tomografia computadorizada. 2024. 31 f. Trabalho de Conclusão de Curso (Graduação em Medicina) – Escola de Medicina e Cirurgia, Universidade Federal do Estado do Rio de Janeiro, Rio de Janeiro, 2024.	pt_BR
dc.identifier.uri	http://hdl.handle.net/unirio/14892
dc.description.sponsorship	n/a	pt_BR
dc.language.iso	Portuguese	pt_BR
dc.rights	openAccess	pt_BR
dc.title	Impactos da Inteligência Artificial na detecção e classificação dos nódulos pulmonares à tomografia computadorizada	pt_BR
dc.title.alternative	Impacts of Artificial Intelligence on the detection and classification of pulmonary nodules in computed tomography	pt_BR
dc.type	bachelorThesis	pt_BR
dc.contributor.referee	Koifman, Ana Célia Baptista
dc.contributor.referee	Morard, Maria Ribeiro Santos
dc.contributor.referee	Sindorf, Márcia Lyrio
dc.contributor.referee	Borges, Maurício Ribeiro
dc.degree.department	CCBS	pt_BR
dc.degree.grantor	Universidade Federal do Estado do Rio de Janeiro - UNIRIO	pt_BR
dc.degree.level	Graduação	pt_BR
dc.degree.local	Rio de Janeiro, RJ	pt_BR
dc.subject.cnpq	MEDICINA	pt_BR
dc.subject.en	Artificial Intelligence	pt_BR
dc.subject.en	Pulmonary nodules	pt_BR
dc.subject.en	Deep Learning	pt_BR
dc.subject.en	Computed tomography	pt_BR
dc.description.abstracten	INTRODUCTION: Artificial intelligence (AI) has driven significant transformations across various fields of medicine, particularly in radiology, where deep learning (DL) techniques have solved complex challenges and enhanced clinical performance. This literature review aims to explore the impacts of AI in medical practice, primarily focusing on the detection and classification of pulmonary nodules. With the advent of large databases such as the Lung Image Database Consortium (LIDC), various AI architectures can recognize and categorize complex patterns with exceptional precision. METHOD: An integrative literature review was conducted, covering articles published in the past five years from the major health-related databases. After eliminating duplicates, pertinent information from the selected articles was collected and compiled for analysis (Table 1). DISCUSSION: The results from the analyzed articles indicate a considerable increase in diagnostic accuracy and a reduction in false negatives, as well as an optimization of the radiology professionals' workflow. The combination of AI usage with radiologists' expertise proved to be an effective alternative for enhancing diagnostic performance and accuracy. There was a significant increase in diagnostic sensitivity, especially for nodules smaller than 20mm, with the aid of artificial intelligence. Notably, the primary benefits of AI application were observed among less experienced professionals, highlighting its role as a supportive and enhancing tool. CONCLUSIONS: The incorporation of AI in thoracic radiology represents a substantial advancement in the diagnosis of pulmonary nodules. Although the technology does not replace the radiologist's role, it acts as a powerful complement, improving diagnostic accuracy and efficiency, and potentially increasing survival rates by enabling earlier interventions. To maximize these benefits, it is essential to continue investing in research and the development of technological infrastructure. Moreover, the acceptance and adoption by healthcare professionals are crucial for the successful integration of this technology into clinical practice.	pt_BR
dc.description.sponsordocumentnumber	n/a	pt_BR
dc.description.abstractpt	INTRODUÇÃO: A inteligência artificial (IA) tem promovido transformações significativas em diversos campos da medicina, com destaque para a radiologia, em que técnicas de deep learning (DL) têm solucionado desafios complexos e aprimorado o desempenho clínico. O objetivo dessa revisão de literatura foi explorar os impactos da IA na prática médica em relação à capacidade de detecção e classificação de nódulos pulmonares. Com o advento de grandes bancos de dados, como o Lung Image Database Consortium (LIDC), as diversas arquiteturas de IA conseguem reconhecer padrões complexos e categorizá-los com exímia precisão. MÉTODO: Foi realizada uma revisão integrativa da literatura, abrangendo artigos publicados nos últimos cinco anos nas principais bases de dados da área da saúde. Após a eliminação de duplicatas, foram coletadas e compiladas informações pertinentes dos artigos selecionados para análise. DISCUSSÃO: Os resultados dos artigos analisados indicam um aumento considerável na precisão diagnóstica e uma redução de falsos negativos, além de otimização do tempo de trabalho dos profissionais da radiologia. A combinação do uso da IA com a expertise dos radiologistas mostrou-se uma alternativa eficaz para elevar a performance e a precisão diagnóstica. Observou-se aumento estatisticamente significativo na sensibilidade diagnóstica, especialmente para nódulos com menos de 20mm, com o auxílio da inteligência artificial. É relevante notar que os principais benefícios da aplicação da IA foram observados entre profissionais menos experientes, destacando seu papel como ferramenta de suporte e aprimoramento. CONCLUSÕES: A incorporação da IA na radiologia torácica representa um avanço substancial no diagnóstico de nódulos pulmonares. Embora a tecnologia não substitua o papel do radiologista, pode atuar como poderoso complemento, melhorando a acurácia e a eficiência do diagnóstico, além de potencialmente aumentar as taxas de sobrevida do paciente ao permitir intervenções mais precoces. Para maximizar os benefícios, é essencial continuar investindo em pesquisa e desenvolvimento de infraestrutura tecnológica. A aceitação e adesão pelos profissionais de saúde são fundamentais para a integração bem-sucedida dessa tecnologia na prática clínica.	pt_BR
dc.subject.pt	Inteligência Artificial	pt_BR
dc.subject.pt	Nódulos pulmonares	pt_BR
dc.subject.pt	Deep Learning	pt_BR
dc.subject.pt	Tomografia computadorizada	pt_BR
dc.degree.course	Bacharelado em Medicina	pt_BR
dc.degree.college	Escola de Medicina e Cirurgia	pt_BR