SEGURANÇA DO PACIENTE E CAPACIDADE FUNCIONAL
4 CONSIDERAÇÕES FINAIS
As inovações no campo da IA vêm ganhando espaço no cenário atual da área da saúde, atuando em diversas esferas da necessidade, sendo ela na captação, manejo e análise de ban-co de dados e até mesmo ban-com o ban-consumidor fi nal, que neste caso é o paciente. Muitos avan-ços em pesquisa que já ocorreram devem-se aos benefícios que a tecnologia é capaz de trazer, visto que o desenvolvimento de aplicativos e softwares relacionados ao auxílio no cuidado ao
paciente é de interesse econômico e científi co. Não obstante, as tecnologias aplicadas à saúde são promissoras e podem mudar potencialmente a prática da medicina convencional.
No entanto, alguns desafi os se apresentam para que se possa observar uma efetiva implementação da IA na área da saúde, passando especialmente pelos recursos fi nanceiros e materiais necessários, bem como pelos recursos humanos, uma vez que exige treinamento e constante capacitação dos profi ssionais da saúde, visto que para que esta importante mudan-ça continue trazendo benefícios para seus usuários, é de extrema importância que os profi s-sionais envolvidos estejam preparados para a próxima era da IA. Apesar das limitações, a IA na área da saúde é um grande potencial, ainda pouco explorado, para simplifi car os caminhos clínicos, inovar e melhorar a assistência à saúde da população, podendo modifi car as práticas em saúde desde o encaminhamento do paciente, passando por todo o processo de diagnós-tico e, até mesmo, apoiando e monitorando as decisões clínicas.
Dessa forma, esforços conjuntos, que englobam poder público, gestores, parcerias pú-blico-privadas, profi ssionais e usuários são imprescindíveis para que se possa ter sucesso na implementação da IA na saúde. O emprego da IA é uma útil e inovadora ferramenta na mo-nitorização da hipertensão e pode contribuir para que barreiras antigas na saúde sejam que-bradas e novas relações entre pacientes e profi ssionais da saúde se estabeleçam, auxiliando a população a ter uma maior autonomia no autocuidado, simplifi cando caminhos e ofertando decisões clínicas mais individualizadas e personalizadas ao paciente, até mesmo em popula-ções carentes, em que os recursos são limitados.
REFERÊNCIAS
ABUDAGGA, A.; RESNICK, H. E.; ALWAN, M. Impact of blood pressure telemonitoring on hyperten-sion outcomes: a literature review. Telemedicine and e-Health, United States, v. 16, n. 7, p. 830–838, 2010. ISSN: 1556-3669. DOI: 10.1089/tmj.2010.0015. Disponível em: https://www.liebertpub.com/doi/
pdf/10.1089/tmj.2010.0015. Acesso: 08 jun. 2019
BRASIL. Telessaúde. 2019. Disponível em: <http://telessaude.saude.ms.gov.br/portal/sobre-o-telessau-de-2/>. Acesso em: 28 ago. 2019.
DAS, N.; TOPALOVIC, M.; JANSSENS, W. Artifi cial intelligence in diagnosis of obstructive lung disease:
current status and future potential. Current Opinion in Pulmonary Medicine, United States, v. 24, n.
2, p. 117–123, 2018. ISSN: 1070-5287. DOI: 10.1097/MCP.0000000000000459. Disponível em: https://
insights.ovid.com/crossref?an=00063198-201803000-00004#. Acesso em: 10 jun. 2019
FERREIRA, Sofi a. Obesity and hypertension in children: a worldwide problem. Revista Portugue-sa de Cardiologia, [s.l], v. 37, n. 5, p. 433–434, 2018. ISSN: 2174-2049. DOI: https://doi.org/10.1016/j.
repc.2018.04.006. Disponível em: https://repositorio.hff .min-saude.pt/bitstream/10400.10/2099/1/
Rev%20Port%20Cardiol.%202018.pdf. Acesso em: 10 jun. 2019
FRATICELLI, F. et al. Technology-based intervention for healthy lifestyle promotion in Italian adoles-cents. Annali dell’Istituto Superiore di Sanita, Italy, v. 52, n. 1, p. 123–127, 2016. ISSN: 00212571. DOI:
71
INTELIGÊNCIA ARTIFICIAL NA TELESSAÚDE:
UMA ÚTIL E INOVADORA FERRAMENTA ...
Letícia Welser, Luciana Tornquist, Debora Tornquist, Cézane Priscila Reuter
10.4415/ANN_16_01_20. Disponível em: fi le:///C:/Users/User/Downloads/Fraticellietal_2016.pdf. Acesso em: 10 jun. 2019.
HAMET, P.; TREMBLAY, J. Artifi cial intelligence in medicine. Metabo-lism: Clinical and Experimental, Netherlands, v. 69, p. 36–40, 2017. ISSN 00260495. DOI: https://doi.org/10.1016/j.metabol.2017.01.011. Disponível em: https://www.metabolis-mjournal.com/article/S0026-0495(17)30015-X/pdf. Acesso em: 10 jun. 2019.
HRSA. Health Resources & Services Administration. 2019. Disponível em: <https://www.hrsa.gov/
rural-health/telehealth/index.html#>. Acesso em: 6 jul. 2019.
KRITTANAWONG, C. et al. Artifi cial intelligence in precision cardiovascular medicine. Journal of the American College of Cardiology, [s.l], v. 69, n. 21, p. 2657–2664, 2017. ISSN: 0735-1097 DOI: ht-tps://doi.org/10.1016/j.jacc.2017.03.571. Disponível em: https://reader.elsevier.com/reader/sd/pii/
S0735109717368456?token=9FF595FB46913C38DE8B8B3A3B33342D8986D92F2ABDA8D83E398E-399C394D4CB6E9201074092504A8294CFF63C791D6. Acesso em: 12 jun. 2019.
KRITTANAWONG, C. et al. Future direction for using artifi cial intelligence to predict and manage hyper-tension. Current Hypertension Reports, United States, v. 20, n. 9, p. 75, 2018. ISSN: 1522-6417. DOI:
https://doi.org/10.1007/s11906-018-0875-x. Disponível em: https://link.springer.com/article/10.1007%-2Fs11906-018-0875-x. Acesso em:10 jun. 2019
KUZIEMSKY, C. et al. Role of artifi cial intelligence within the telehealth domain. Yearbook of Medical Informatics, Canada, v. 28, n. 1, p. 35–40, 2019. ISSN: 364-0502. DOI. DOI: 10.1055/s-0039-1677897.
Disponível em: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6697552/pdf/10-1055-s-0039-1677897.
pdf. Acesso em: 08 jun. 2109
KWONG, E. W. Y.; WU, H.; PANG, G. K. H. A prediction model of blood pressure for telemedicine. Health Informatics Journal, United States, v. 24, n. 3, p. 227–244, 2018. ISSN: 1460-4582. DOI: http://dx.doi.
org/10.1177/1460458216663025. Disponível em: http://hub.hku.hk/handle/10722/229175. Acesso em:
12 jun. 2019
LAMBERTI, M. J. et al. A study on the application and use of artifi cial intelligence to support drug de-velopment. Clinical Therapeutics, United States, v. 41, n. 8, p. 1414–1426, 2019. ISSN: 0149-2918.
DOI: https://doi.org/10.1016/j.clinthera.2019.05.018. Disponível em: Acesso em: 15 jun. 2019.
LUO, H. et al. Smartphone-based blood pressure measurement using transdermal optical imaging tech-nology. Circulation: Cardiovascular Imaging, United States, v. 12, n. 8, p.1-10, 2019. ISSN: 1524-4539.
DOI: doi.org/10.3390/jcm8111827. Disponível em: https://www.mdpi.com/2077-0383/8/11/1827 Acesso em: 17 set. 2019
MALTA, D. C. et al. Prevalence of arterial hypertension according to diff erent diagnostic criteria, National Health Survey. Revista Brasileira de Epidemiologia, [s.l], v. 21, n. 1, p. 1–15, 2018. ISSN: 1415-790X. DOI:
10.1590/1980-549720180021.supl.1. Disponível em: http://www.scielo.br/scielo.php?script=sci_abstrac-t&pid=S1415-790X2018000200419&lng=en&nrm=iso. Acesso em: 17 set 2019.
MORAL-MUNOZ, J. A. et al. Smartphone-based systems for physical rehabilitation applications: a sys-tematic review. Assistive Technology, [s.l], 2019. DOI: 10.1080/10400435.2019.1611676. Disponível em:
https://www.tandfonline.com/doi/pdf/10.1080/10400435.2019.1611676?needAccess=true. Acesso em:
6 jul. 2019.
MUDGAPALLI, V. et al. Perception of receiving SMS based health messages among hypertensive indi-viduals in urban slums. Technology and Health Care, Netherlands, v. 24, n. 1, p. 57–65, 2016. ISSN:
09287329 DOI: 10.3233 / THC-151097. Disponível em: https://content.iospress.com/articles/technology--and-health-care/thc1097. Acesso em 13 set. 2019
O’CONNOR, Siobhan. Tele-health-monitoring may decrease emergency room visits and hospitalisa-tion in patients with COPD. Evidence Based Nursing, [s.l], 2019. Disponível em: < doi: 10.1136/eb-nurs-2019-103080>. Acesso em: 7 nov. 2019.
PRABHAKARAN, D.; AJAY, V. S.; TANDON, N. Strategic opportunities for leveraging low-cost, high-impact technological innovations to promote cardiovascular health in India. Ethnicity & Disease, [s.l], v. 29, n.
Suppl 1, p. 145–152, 2019. ISSN: DOI:10.18865/ed.29.S1.145. Disponível em: https://www.ncbi.nlm.nih.
gov/pmc/articles/PMC6428188/pdf/ethndis-29-145.pdf. Acesso em: 01 de out. oct. 2019.
PRICE, A. J. et al. Prevalence of obesity, hypertension, and diabetes, and cascade of care in sub-Saharan Africa: a cross-sectional, population-based study in rural and urban Malawi. The Lancet Diabetes and Endocrinology, Netherlands, v. 6, n. 3, p. 208–222, 2018. ISSN: 2213-8587. DOI: 10.1016 / S2213-8587.
Disponível em: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5835666/pdf/main.pdf. Acesso em: 03 out. 2019
QAMAR, A.; BRAUNWALD, E. Treatment of hypertension: addressing a global health problem. JAMA - Journal of the American Medical Association, United states, v. 320, n. 17, p. 1751–1752, 2018. ISSN:
0002-9955 DOI: 10.1001 / jama.2018.16579. Disponível em: https://jamanetwork.com/journals/jama/ar-ticle-abstract/2712551. Acesso em: 07 set. 2019.
RAY, J. M. et al. Six habits of highly successful health information technology: powerful strategies for design and implementation. Journal of the American Medical Informatics Association, [s.l], v. 26, n.
8–9, p. 749–758, 2019. ISSN: 1067-5027 DOI: 10.1093 / jamia / ocz098. Disponível em: https://academic.
oup.com/jamia/article-abstract/26/10/1109/5527253?redirectedFrom=fulltext. Acesso em: 06 jul. 2019 SANCIPRIANO, G. P.; BUTTAFARRO, M. Artifi cial intelligence for future MD. Giornale italiano di nefro-logia: organo uffi ciale della Societa italiana di nefrologia, Italy, v. 35, n. 6, p. 126–138, 2018. ISSN:
0393-5590. Disponível em: https://www.ncbi.nlm.nih.gov/pubmed/30550043. Acesso em: 05 jul. 2019.
THIÉBAUT, R.; THIESSARD, F. Artifi cial intelligence in public health and epidemiology. Yearbook of med-ical informatics, Canada, v. 27, n. 1, p. 207–210, 2018. ISSN: 0943-4747
DOI: 10.1055/s-0038-1667082. Disponível em: https://www.researchgate.net/publication/327291183_
Artifi cial_Intelligence_in_Public_Health_and_Epidemiology. Acesso em 15 jul. 2019.
YE, C. et al. Prediction of incident hypertension within the next year: prospective study using statewide electronic health records and machine learning. Journal of Medical Internet Research, Canada, v. 20, n. 1, p. e22, 2018. ISSN: 1438-8871. DOI: doi.org/10.1089/tmj.2010.0015. Disponível em: https://www.
liebertpub.com/doi/full/10.1089/tmj.2010.0015. Acesso em: 15 oct. 2019.