Algoritmo de Inteligência Artificial para Detecção Precoce de Patógenos em Amostras Clínicas

Alexandre Nascimento da Silva Chaves

doi:10.36489/saudecoletiva.2025v15i94p15283-15294

Autores

Alexandre Nascimento da Silva Chaves https://orcid.org/0009-0008-1286-0389

DOI:

https://doi.org/10.36489/saudecoletiva.2025v15i94p15283-15294

Palavras-chave:

Inteligência Artificial, Epidemiologia com IA, Análises Clínicas com IA, Diagnóstico com IA

Resumo

O desenvolvimento de automação por meio de algoritmo para detecção precoce de patógenos representa um avanço significativo em diagnósticos de saúde. Técnicas tradicionais, como microscopia de esfregaço e ensaios bioquímicos, frequentemente sofrem com tempos de processamento prolongados e sensibilidade limitada, necessitando de soluções de detecção mais rápidas e precisas. Além de aprimorar as capacidades de diagnóstico, dá suporte a decisões de tratamento oportunas, num cenário cada vez mais desafiado por doenças infecciosas emergentes. Seu papel transformador, particularmente destacado durante a pandemia da COVID-19, facilitou processos de diagnóstico rápido e melhorou a tomada de decisão clínica por meio da análise de dados. Permitiram o desenvolvimento de algoritmos sofisticados capazes de identificar patógenos com precisão notável, conforme demonstrado por estudos que mostram a eficácia de modelos como Gradient Boosting Machines (GBM) e K-Nearest Neighbors (KNN) em ambientes clínicos. Auxiliam nos testes de suscetibilidade a antibióticos, otimizando as estratégias de tratamento. Apesar do potencial promissor, vários desafios e controvérsias notáveis persistem. Problemas relacionados à qualidade e representatividade dos dados podem levar a vieses algorítmicos, o que pode prejudicar a eficácia das aplicações de IA em diversos grupos demográficos de pacientes. As estruturas regulatórias também estão evoluindo para abordar as complexidades da IA na área da saúde, com foco na segurança, eficácia e considerações éticas em torno da privacidade dos dados do paciente e da transparência do algoritmo.

Referências

ABDULKAREEM, M. The Promise of AI in Detection, Diagnosis, and Epidemiology for Combating COVID-19: Beyond the Hype. Front. Artif. Intell. 4:652669, 2021. doi: 10.3389/frai.2021.652669.

BADIDI, Elarbi. "Edge AI for Early Detection of Chronic Diseases and the Spread of Infectious Diseases: Opportunities, Challenges, and Future Directions" Future Internet 15, no. 11: 370, 2023. https://doi.org/10.3390/fi15110370.

DANKWA-MULLAN, I. Equidade em saúde e considerações éticas no uso da inteligência artificial em saúde pública e medicina. Prev Chronic Dis21:240245, 2024. DOI: http://dx.doi.org/10.5888/pcd21.240245.

FDA. How FDA Regulates Artificial Intelligence in Medical Products. As technology evolves, oversight will need to keep pace. Health Care Products. August 5, 2021.

HARRIS, Mohammed. "Machine Learning and Artificial Intelligence for Pathogen Identification and Antibiotic Resistance Detection: Advancing Diagnostics for Urinary Tract Infections" BioMed 3, no. 2: 246-255, 2023. https://doi.org/10.3390/biomed3020022.

HUANG T; ZHANG, R; LI, J. CRISPR-Cas-based techniques for pathogen detection: Retrospect, recent advances, and future perspectives. J Adv Res. Aug;50:69-82, 2023. doi: 10.1016/j.jare.2022.10.011. Epub Oct 30, 2022. PMID: 36367481; PMCID: PMC10403697.

JIA-WEI, T. et al. Rapid Discrimination of Clinically Important Pathogens Through Machine Learning Analysis of Surface Enhanced Raman Spectra. Front. Microbiol., 07 April 2022 Sec. Systems Microbiology. Volume 13, 2022. https://doi.org/10.3389/fmicb.2022.843417 .

LIU, Q., CHEN, Y., XIE, P. et al. Desenvolvimento de um modelo preditivo de aprendizado de máquina para perfis de patógenos em pacientes com imunodeficiência secundária. BMC Med Inform Decis Mak 24, 48, 2024. https:/doi.org/10.1186/s12911-024-02447-w.

MECKAWY, R., STUCKLER, D., MEHTA, A. et al. Eficácia dos sistemas de alerta precoce na detecção de surtos de doenças infecciosas: uma revisão sistemática. BMC Saúde Pública 22, 2216 (2022). https://doi.org/10.1186/s12889-022-14625-4.

MURDOCH, E. M. B. Privacidade e inteligência artificial: desafios para proteger a informação de saúde em uma nova era. BMC Med Ética 22, 122, 2021. https://doi.org/10.1186/s12910-021-00687-3.

NASEM, National Academies of Sciences, Engineering, and Medicine. Artificial Intelligence in Health Care: The Hope, the Hype, the Promise, the Peril. Washington, DC: The National Academies Press, 2022. https://doi.org/10.17226/27111.

SARANTOPOULOS, A. et al. "Artificial Intelligence in Infectious Disease Clinical Practice: An Overview of Gaps, Opportunities, and Limitations" Tropical Medicine and Infectious Disease 9, no. 10: 228, 2024. https://doi.org/10.3390/tropicalmed9100228.

SCHMIDT, J. et al. Mapeamento do panorama regulamentar da inteligência artificial em saúde na União Europeia. Baixar o jogo NPJ Digit Med. Ago 27;7(1):229, 2024. doi: 10.1038/s41746-024-01221-6. PMID: 39191937; PMCID: PMC11350181.

WILLIAMSON, S. M., PRYBUTOK, V. "Balancing Privacy and Progress: A Review of Privacy Challenges, Systemic Oversight, and Patient Perceptions in AI-Driven Healthcare" Applied Sciences 14, no. 2: 675, 2024. https://doi.org/10.3390/app14020675.

YUNQIU, Gao; MIN, Liu. Application of machine learning based genome sequence analysis in pathogen identification. Front. Microbiol., 01 October 2024, Sec. Systems Microbiology. V15 – 2024. https://doi.org/10.3389/fmicb.2024.1474078.