-
Avaliação de tecnologia em saúde (ats) e a inteligência artificial (ia): automações combinadas para priorizar os casos emergenciais de doenças
- Voltar
Título
Avaliação de tecnologia em saúde (ats) e a inteligência artificial (ia): automações combinadas para priorizar os casos emergenciais de doenças
Tipo de documento
Resumo
Descrição
Documento publicado na Rebrats (Rede Brasileira de Avaliação de Tecnologias em Saúde) que sintetiza informações, evidências e resultados de estudos ou avaliações em saúde, facilitando a compreensão e o acesso ao conhecimento científico.
Fonte
Rebrats
Ano de publicação
2019
Referência (Vancouver)
Cotta PVP, Franco SB, Gomes MMF, Jesus GOD, Silva Jr. G. Avaliação de tecnologia em saúde (ats) e a inteligência artificial (ia): automações combinadas para priorizar os casos emergenciais de doenças [Internet]. In: Primeiro Congresso da REBRATS. Galoá; 2019. Disponível em: 10.17648/rebrats-2019-113746
Identificador
2019REB018
Title
Health Technology Assessment (HTA) and Artificial Intelligence (AI): Combined Automations to Prioritize Emergency Cases of Diseases
Document type
Summary
Description
A document published by Rebrats (Brazilian Network for Health Technology Assessment) that synthesizes information, evidence, and results from health studies or assessments, facilitating understanding of and access to scientific knowledge.
Source
Rebrats
Year of publication
2019
Reference (Vancouver)
Cotta PVP, Franco SB, Gomes MMF, Jesus GOD, Silva Jr. G. Avaliação de tecnologia em saúde (ats) e a inteligência artificial (ia): automações combinadas para priorizar os casos emergenciais de doenças [Internet]. In: 1st REBRATS Congress. Galoá; 2019. Available at: 10.17648/rebrats-2019-113746
Identifier
2019REB018
Resumo
Introdução: As doenças que são desencadeadas no indivíduo em sua maioria podem ser diagnosticadas no início e tratadas com o auxílio de tecnologias e de um especialista da área. Contudo os serviços que visam contribuir para saúde dos brasileiros não são suficientemente eficazes o bastante para atenderem à grande demanda, promovendo assim oportunidades cada vez menores para a prática da detecção, prevenção, tratamento e um diagnóstico precoce das mesmas. Propõe-se nesse artigo uma automação combinando a Avaliação de Tecnologia em Saúde (ATS) aliada a Inteligência Artificial (IA) para priorização de casos emergências de doenças, visando a identificação de pacientes considerados críticos nas filas de espera de atendimentos para que sejam realocados nas primeiras colocações. Método: Para tal utilizou-se o processo de aprendizagem denominada Reinforcement Learning and Convolutional Neural Network (CNN), que trata-se de um processo de aprendizado contínuo para identificação de um modelo mais adequado de classificação dos casos como emergenciais e que demandam de tratamento urgente. Resultado: a acurácia do modelo encontrado ficou em torno de 71%, podendo ser melhorado no decorrer de novos testes. Conclusão: Desta maneira a ATS e a IA juntas, podem promover um melhor gerenciamento dos serviços prestados à população
Palavras-chave
Avaliação de tecnologia em saúde | Emergência. | Inteligência Artificial | Pacientes
Observações
O registro foi originalmente publicado no idioma nativo em Português. As traduções foram geradas por inteligência artificial para o idioma Inglês.
Abstract
Introduction: Diseases that are triggered in most individuals can be diagnosed early and treated with the help of technology and a specialist in the field. However, the services that aim to contribute to the health of Brazilians are not sufficiently effective enough to meet the high demand, thus promoting smaller opportunities for the practice of detection, prevention, treatment and early diagnosis. This article proposes an automation combining the Health Technology Assessment (HTA) combined with Artificial Intelligence (AI) to prioritize emergencies of diseases, aiming to identify patients considered critical in the waiting lines to be relocated in the first placements. Method: For this, we used the learning process called Reinforcement Learning and Convolutional Neural Network (CNN), which is a continuous learning process to identify a more appropriate model for classifying cases as emergency and requiring treatment. urgent. Results: The accuracy of the model found was around 71%, and may be improved during further tests. Conclusion: In this way, ATS and AI together can promote better management of services provided to the population.
Keywords
Artificial Intelligence | Emergency | Health technology assessment | Patients
Observation
The record was originally published in its native language, Portuguese. The translations were generated by artificial intelligence into English.