{"id":48103,"date":"2024-01-02T15:36:46","date_gmt":"2024-01-02T18:36:46","guid":{"rendered":"https:\/\/academiadepacientes.com.br\/?p=48103"},"modified":"2024-01-02T15:46:05","modified_gmt":"2024-01-02T18:46:05","slug":"inteligencia-artificial-em-doencas-raras-avancos-e-desafios","status":"publish","type":"post","link":"https:\/\/academiadepacientes.com.br\/?p=48103","title":{"rendered":"Intelig\u00eancia Artificial em Doen\u00e7as Raras: Avan\u00e7os e Desafios"},"content":{"rendered":"\n

Artigo publicado em Intractable & Rare Diseases Research<\/strong><\/em> realizou uma revis\u00e3o abrangente sobre a utiliza\u00e7\u00e3o da intelig\u00eancia artificial (IA) no tratamento de doen\u00e7as raras. A partir da pesquisa em tr\u00eas bases de dados, foram selecionados 13 artigos de oito pa\u00edses diferentes, focando em 10 doen\u00e7as raras distintas. A maior parte dos estudos se concentrou em doen\u00e7as neurol\u00f3gicas raras (38,46%). Entre as quatro \u00e1reas terap\u00eauticas identificadas, a pesquisa em medicamentos foi a mais comum, representando 53,85% dos artigos. Desses, a maioria se dedicou \u00e0 descoberta de medicamentos, incluindo o reaproveitamento de drogas (repurposing), e a descoberta de alvos terap\u00eauticos .<\/p>\n\n\n\n

Foi observado que 32 algoritmos diferentes foram empregados nos estudos, sendo o Random Forest o mais comum (12,50%). O principal objetivo da IA nos artigos era aprimorar a execu\u00e7\u00e3o de tarefas anal\u00edticas, representando 53,33% dos casos. A fonte de dados mais comum foi de bases de dados (35,29%), com um destaque particular para pesquisas e desenvolvimento (P&D) de medicamentos.<\/p>\n\n\n\n

Um desafio significativo destacado em 47,37% dos artigos foi a escassez de dados ou tamanhos de amostras pequenos. A pesquisa sugere que a IA tem um potencial consider\u00e1vel para melhorar o diagn\u00f3stico, tratamento e progn\u00f3stico de doen\u00e7as raras, embora ainda existam desafios significativos relacionados \u00e0 quantidade e qualidade dos dados dispon\u00edveis para treinamento de algoritmos, bem como \u00e0 interpreta\u00e7\u00e3o e aplicabilidade pr\u00e1tica das solu\u00e7\u00f5es de IA.<\/p>\n\n\n\n

Limita\u00e7\u00f5es do estudo<\/h2>\n\n\n\n

As limita\u00e7\u00f5es do estudo incluem:<\/p>\n\n\n\n

    \n
  1. Escopo Restrito<\/strong>: A investiga\u00e7\u00e3o foi limitada a pesquisas que aplicam metodologias de intelig\u00eancia artificial no tratamento de doen\u00e7as raras. Esta restri\u00e7\u00e3o pode ter deixado de lado estudos relevantes em outras \u00e1reas da IA.<\/li>\n\n\n\n
  2. Sele\u00e7\u00e3o de Publica\u00e7\u00f5es<\/strong>: Artigos n\u00e3o foram exclu\u00eddos com base no prest\u00edgio da fonte de publica\u00e7\u00e3o (por exemplo, Fator de Impacto de Jornal, JIF). Isso pode ter introduzido um vi\u00e9s nos resultados da revis\u00e3o, pois trabalhos de menor qualidade podem ter sido inclu\u00eddos.<\/li>\n\n\n\n
  3. Lista de Doen\u00e7as Raras N\u00e3o Totalmente Utilizada<\/strong>: A extensa lista de mais de 7.000 doen\u00e7as raras relatadas pela Orphanet n\u00e3o foi completamente aproveitada como termos de pesquisa. Isso pode ter impedido a identifica\u00e7\u00e3o de artigos pertinentes sobre uma gama mais ampla de doen\u00e7as raras.<\/li>\n\n\n\n
  4. Restri\u00e7\u00e3o Lingu\u00edstica<\/strong>: Apenas artigos escritos em ingl\u00eas foram considerados, possivelmente excluindo artigos relevantes escritos em outras l\u00ednguas. Isso limita a abrang\u00eancia do estudo a uma perspectiva predominantemente angl\u00f3fona.<\/li>\n<\/ol>\n\n\n\n
    <\/div>\n\n\n\n\n \n