APLICAÇÕES DA INTELIGÊNCIA ARTIFICIAL NA SAÚDE METABÓLICA
DOI:
https://doi.org/10.56238/levv14n32-039Palavras-chave:
Inteligência Artificial, Metabolismo, Predição, Doenças Crônicas, Saúde DigitalResumo
A inteligência artificial tem ampliado as possibilidades de interpretação dos processos metabólicos ao permitir que grandes volumes de dados clínicos, nutricionais e comportamentais sejam analisados de forma integrada, favorecendo a identificação de padrões que contribuem para a antecipação de riscos, para o aprimoramento das estratégias preventivas e para o desenvolvimento de condutas clínicas mais precisas, coerentes com a singularidade fisiológica de cada indivíduo, consolidando um modelo de cuidado que se apoia na leitura contínua e aprofundada das variações metabólicas e fortalece intervenções construídas com base em informações robustas que refletem a realidade biológica e social observada nos diferentes contextos de saúde. O presente estudo descreve e discute a aplicação da inteligência artificial no monitoramento metabólico, evidenciando sua capacidade de aprimorar práticas relacionadas à predição de doenças crônicas e ao acompanhamento de indicadores clínicos que influenciam diretamente a evolução do metabolismo humano, permitindo o desenvolvimento de estratégias mais personalizadas e ajustadas às demandas contemporâneas da prática clínica, contribuindo para a expansão do conhecimento científico e para a construção de modelos de atenção que incorporam tecnologia, análise preditiva e compreensão integral do paciente como elementos centrais na promoção de resultados clínicos mais consistentes e eficientes.
Downloads
Referências
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
