APLICACIONES DE LA INTELIGENCIA ARTIFICIAL EN LA SALUD METABÓLICA
DOI:
https://doi.org/10.56238/levv14n32-039Palabras clave:
Inteligencia Artificial, Metabolismo, Predicción, Enfermedades Crónicas, Salud DigitalResumen
La inteligencia artificial ha ampliado las posibilidades de interpretación de los procesos metabólicos al permitir que grandes volúmenes de datos clínicos, nutricionales y conductuales se analicen de forma integrada, lo que favorece la identificación de patrones que contribuyen a la anticipación de riesgos, la mejora de las estrategias preventivas y el desarrollo de conductas clínicas más precisas, coherentes con la singularidad fisiológica de cada individuo, consolidando un modelo de atención que se basa en la lectura continua y profunda de las variaciones metabólicas y fortalece las intervenciones construidas sobre la base de información sólida que refleja la realidad biológica y social observada en los diferentes contextos de salud. El presente estudio describe y analiza la aplicación de la inteligencia artificial en la monitorización metabólica, poniendo de relieve su capacidad para mejorar las prácticas relacionadas con la predicción de enfermedades crónicas y el seguimiento de indicadores clínicos que influyen directamente en la evolución del metabolismo humano, lo que permite el desarrollo de estrategias más personalizadas y ajustadas a las demandas contemporáneas de la práctica clínica, contribuyendo a la expansión del conocimiento científico y a la construcción de modelos de atención que incorporan la tecnología, el análisis predictivo y la comprensión integral del paciente como elementos centrales en la promoción de resultados clínicos más consistentes y eficientes.
Descargas
Referencias
RASHID, J. et al. An augmented artificial intelligence approach for chronic diseases prediction. Frontiers in Public Health, v. 10, 2022. DOI: https://doi.org/10.3389/fpubh.2022.860396
COSTA, O.; GOUVEIA, L. B. Plataforma inteligente de predição do risco de doenças crônicas não transmissíveis de apoio à decisão clínica na atenção primária de saúde. Fontes Documentais, 2023.
GIL, A. C. Métodos e técnicas de pesquisa social. 7. ed. São Paulo: Atlas, 2019.
LAKATOS, E. M.; MARCONI, M. A. Fundamentos de metodologia científica. 8. ed. São Paulo: Atlas, 2017.
COMITÊ GESTOR DA INTERNET NO BRASIL (CGI.br). Pesquisa sobre o uso das tecnologias de informação e comunicação nos estabelecimentos de saúde brasileiros: TIC Saúde 2022. São Paulo: CGI.br, 2023.
SILVA, L. F. Modelo de aprendizado de máquina para predição de diabetes tipo 2. Dissertação (Mestrado) - Universidade Federal de São Paulo, 2023.
SUEYOSHI, V. K. C. O uso da inteligência artificial na nutrição: aplicações e potencialidades. Universidade de São Paulo, 2023.
DELPINO, F. M. et al. Machine learning for predicting chronic diseases: a systematic review. Public Health, v. 205, p. 14-25, 2022. DOI: https://doi.org/10.1016/j.puhe.2022.01.007
DOURADO, Daniel de Araujo; AITH, Fernando Mussa Abujamra. A regulação da inteligência artificial na saúde no Brasil começa com a Lei Geral de Proteção de Dados Pessoais. Revista Saúde Pública, São Paulo, v. 56, p. 80, 2022. DOI: https://doi.org/10.11606/s1518-8787.2022056004461
THAMRIN, S. A.; ARSYAD, D. S.; KUSWANTO, H.; LAWI, A.; NASIR, S. Predicting obesity in adults using machine learning techniques: an analysis of Indonesian Basic Health Research 2018. Frontiers in Nutrition, v. 8, 2021 DOI: https://doi.org/10.3389/fnut.2021.669155
