Construção de algoritmos de machine learning na radiologia

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Kitamura, Felipe Campos [UNIFESP]
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
dARK ID: ark:/48912/001300001rgqb
Idioma: por
Instituição de defesa: Universidade Federal de São Paulo (UNIFESP)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Artificial intelligence
Machine learning
Deep learning
Radiology
Diagnostic imaging
Image interpretation, computer-assisted
Inteligência artificial
Aprendizado de máquina
Aprendizado profundo
Radiologia
Diagnóstico por imagem
Interpretação de imagem assistida por computador
Link de acesso: https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=10695234
https://hdl.handle.net/11600/64595
Resumo: As pesquisas recentes em inteligência artificial têm demonstrado um grande potencial de mudar a radiologia como conhecemos hoje. As ferramentas de auxílio ao diagnóstico radiológico podem trazer inúmeros benefícios para os pacientes, radiologistas e médicos solicitantes. Apesar da alta expectativa sobre essa tecnologia, o caminho para a criação de ferramentas clinicamente úteis e seguras é um enorme desafio que envolve diversos aspectos. Nesse trabalho, abordaremos considerações éticas, regulatórias, técnicas e culturais que precisam ser resolvidas para ampliar o alcance dos algoritmos de inteligência artificial na prática. Em seguida, apresentamos 7 trabalhos desenvolvidos pelo nosso grupo, que abordam alguns dos desafios existentes na área: (1) a falta de reprodutibilidade na leitura de exames, (2) a criação de algoritmos otimizados para cada problema clínico, (3) a limitação ao acesso a grandes volumes de dados anotados com qualidade, (4) a falta de reprodutibilidade de pesquisas de inteligência artificial, (5) a dificuldade de integrar algoritmos na prática médica, (6) os erros nos cadastros de tipos de exames e (7) o risco de exposição de informações sensíveis de pacientes.
id UFSP_eac0b20bc15b919f139b35315545ada8
oai_identifier_str oai:repositorio.unifesp.br:11600/64595
network_acronym_str UFSP
network_name_str Repositório Institucional da UNIFESP
repository_id_str
spelling Construção de algoritmos de machine learning na radiologiaConstruction of machine learning algorithms in radiologyArtificial intelligenceMachine learningDeep learningRadiologyDiagnostic imagingImage interpretation, computer-assistedInteligência artificialAprendizado de máquinaAprendizado profundoRadiologiaDiagnóstico por imagemInterpretação de imagem assistida por computadorAs pesquisas recentes em inteligência artificial têm demonstrado um grande potencial de mudar a radiologia como conhecemos hoje. As ferramentas de auxílio ao diagnóstico radiológico podem trazer inúmeros benefícios para os pacientes, radiologistas e médicos solicitantes. Apesar da alta expectativa sobre essa tecnologia, o caminho para a criação de ferramentas clinicamente úteis e seguras é um enorme desafio que envolve diversos aspectos. Nesse trabalho, abordaremos considerações éticas, regulatórias, técnicas e culturais que precisam ser resolvidas para ampliar o alcance dos algoritmos de inteligência artificial na prática. Em seguida, apresentamos 7 trabalhos desenvolvidos pelo nosso grupo, que abordam alguns dos desafios existentes na área: (1) a falta de reprodutibilidade na leitura de exames, (2) a criação de algoritmos otimizados para cada problema clínico, (3) a limitação ao acesso a grandes volumes de dados anotados com qualidade, (4) a falta de reprodutibilidade de pesquisas de inteligência artificial, (5) a dificuldade de integrar algoritmos na prática médica, (6) os erros nos cadastros de tipos de exames e (7) o risco de exposição de informações sensíveis de pacientes.Recent research in artificial intelligence has shown great potential to change radiology as we know it today. The tools to aid the radiological diagnosis can bring numerous benefits to the patients, radiologists and referring physicians. Despite the high expectations for this technology, the path to the creation of clinically useful and safe tools is a huge challenge that involves several aspects. In this work, we will address ethical, regulatory, technical and cultural considerations that need to be addressed to expand the scope of artificial intelligence algorithms in practice. Next, we present 7 projects developed by our group that address some of the challenges in the area: (1) the lack of reproducibility when reading exams, (2) the creation of optimized algorithms for each clinical problem, (3) the limitation to access large volumes of quality annotated data, (4) the lack of reproducibility of artificial intelligence researches, (5) the difficulty of integrating algorithms in medical practice, (6) errors in the registration of exams types and (7) the risk of exposure of sensitive patient information.Dados abertos - Sucupira - Teses e dissertações (2020)Universidade Federal de São Paulo (UNIFESP)Abdala, Nitamar [UNIFESP]http://lattes.cnpq.br/8132921767941082http://lattes.cnpq.br/4182930697551763Universidade Federal de São PauloKitamura, Felipe Campos [UNIFESP]2022-07-21T16:53:48Z2022-07-21T16:53:48Z2020-09-17info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersion139 f.application/pdfhttps://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=10695234KITAMURA, Felipe Campos. Construção de algoritmos de machine learning na radiologia. São Paulo, 2020. [139] f. Tese (Doutorado em Medicina: radiologia clínica) - Escola Paulista de Medicina (EPM), Universidade Federal de São Paulo (UNIFESP), São Paulo, 2020.https://hdl.handle.net/11600/64595ark:/48912/001300001rgqbporSão Pauloinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFESPinstname:Universidade Federal de São Paulo (UNIFESP)instacron:UNIFESP2025-05-12T12:16:33Zoai:repositorio.unifesp.br:11600/64595Repositório InstitucionalPUBhttp://www.repositorio.unifesp.br/oai/requestbiblioteca.csp@unifesp.bropendoar:34652025-05-12T12:16:33Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)false
dc.title.none.fl_str_mv Construção de algoritmos de machine learning na radiologia
Construction of machine learning algorithms in radiology
title Construção de algoritmos de machine learning na radiologia
spellingShingle Construção de algoritmos de machine learning na radiologia
Kitamura, Felipe Campos [UNIFESP]
Artificial intelligence
Machine learning
Deep learning
Radiology
Diagnostic imaging
Image interpretation, computer-assisted
Inteligência artificial
Aprendizado de máquina
Aprendizado profundo
Radiologia
Diagnóstico por imagem
Interpretação de imagem assistida por computador
title_short Construção de algoritmos de machine learning na radiologia
title_full Construção de algoritmos de machine learning na radiologia
title_fullStr Construção de algoritmos de machine learning na radiologia
title_full_unstemmed Construção de algoritmos de machine learning na radiologia
title_sort Construção de algoritmos de machine learning na radiologia
author Kitamura, Felipe Campos [UNIFESP]
author_facet Kitamura, Felipe Campos [UNIFESP]
author_role author
dc.contributor.none.fl_str_mv Abdala, Nitamar [UNIFESP]
http://lattes.cnpq.br/8132921767941082
http://lattes.cnpq.br/4182930697551763
Universidade Federal de São Paulo
dc.contributor.author.fl_str_mv Kitamura, Felipe Campos [UNIFESP]
dc.subject.por.fl_str_mv Artificial intelligence
Machine learning
Deep learning
Radiology
Diagnostic imaging
Image interpretation, computer-assisted
Inteligência artificial
Aprendizado de máquina
Aprendizado profundo
Radiologia
Diagnóstico por imagem
Interpretação de imagem assistida por computador
topic Artificial intelligence
Machine learning
Deep learning
Radiology
Diagnostic imaging
Image interpretation, computer-assisted
Inteligência artificial
Aprendizado de máquina
Aprendizado profundo
Radiologia
Diagnóstico por imagem
Interpretação de imagem assistida por computador
description As pesquisas recentes em inteligência artificial têm demonstrado um grande potencial de mudar a radiologia como conhecemos hoje. As ferramentas de auxílio ao diagnóstico radiológico podem trazer inúmeros benefícios para os pacientes, radiologistas e médicos solicitantes. Apesar da alta expectativa sobre essa tecnologia, o caminho para a criação de ferramentas clinicamente úteis e seguras é um enorme desafio que envolve diversos aspectos. Nesse trabalho, abordaremos considerações éticas, regulatórias, técnicas e culturais que precisam ser resolvidas para ampliar o alcance dos algoritmos de inteligência artificial na prática. Em seguida, apresentamos 7 trabalhos desenvolvidos pelo nosso grupo, que abordam alguns dos desafios existentes na área: (1) a falta de reprodutibilidade na leitura de exames, (2) a criação de algoritmos otimizados para cada problema clínico, (3) a limitação ao acesso a grandes volumes de dados anotados com qualidade, (4) a falta de reprodutibilidade de pesquisas de inteligência artificial, (5) a dificuldade de integrar algoritmos na prática médica, (6) os erros nos cadastros de tipos de exames e (7) o risco de exposição de informações sensíveis de pacientes.
publishDate 2020
dc.date.none.fl_str_mv 2020-09-17
2022-07-21T16:53:48Z
2022-07-21T16:53:48Z
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=10695234
KITAMURA, Felipe Campos. Construção de algoritmos de machine learning na radiologia. São Paulo, 2020. [139] f. Tese (Doutorado em Medicina: radiologia clínica) - Escola Paulista de Medicina (EPM), Universidade Federal de São Paulo (UNIFESP), São Paulo, 2020.
https://hdl.handle.net/11600/64595
dc.identifier.dark.fl_str_mv ark:/48912/001300001rgqb
url https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=10695234
https://hdl.handle.net/11600/64595
identifier_str_mv KITAMURA, Felipe Campos. Construção de algoritmos de machine learning na radiologia. São Paulo, 2020. [139] f. Tese (Doutorado em Medicina: radiologia clínica) - Escola Paulista de Medicina (EPM), Universidade Federal de São Paulo (UNIFESP), São Paulo, 2020.
ark:/48912/001300001rgqb
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 139 f.
application/pdf
dc.coverage.none.fl_str_mv São Paulo
dc.publisher.none.fl_str_mv Universidade Federal de São Paulo (UNIFESP)
publisher.none.fl_str_mv Universidade Federal de São Paulo (UNIFESP)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFESP
instname:Universidade Federal de São Paulo (UNIFESP)
instacron:UNIFESP
instname_str Universidade Federal de São Paulo (UNIFESP)
instacron_str UNIFESP
institution UNIFESP
reponame_str Repositório Institucional da UNIFESP
collection Repositório Institucional da UNIFESP
repository.name.fl_str_mv Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)
repository.mail.fl_str_mv biblioteca.csp@unifesp.br
_version_ 1848497925823397888

Registros relacionados