Inteligência artificial, aprendizado de máquina, diagnóstico auxiliado por computador e radiômica: avanços da imagem rumo à medicina de precisão (2019)
- Authors:
- USP affiliated authors: BARBOSA, MARCELLO HENRIQUE NOGUEIRA - FMRP ; MARQUES, PAULO MAZZONCINI DE AZEVEDO - FMRP ; WADA, DANILO TADAO - FMRP ; TENORIO, ARIANE PRISCILLA MAGALHÃES - FMRP
- Unidade: FMRP
- DOI: 10.1590/0100-3984.2019.0049
- Subjects: INTELIGÊNCIA ARTIFICIAL; APRENDIZADO COMPUTACIONAL; DIAGNÓSTICO POR COMPUTADOR; RADIOMETRIA
- Keywords: Aprendizado de máquina; Radiômica; Artificial intelligence; Machine learning; Computer aided diagnosis; Radiomics
- Language: Português
- Abstract: A disciplina de radiologia e diagnóstico por imagem evoluiu sobremaneira nos últimos anos. Temos observado o aumento exponencial do número de exames realizados, a subespecialização das disciplinas médicas e a maior acurácia dos métodos, tornando um desafio para o médico radiologista “saber tudo sobre todos exames e regiões”. Além disso, os exames de imagem deixaram de ser somente qualitativos e diagnósticos e passaram a fornecer informações quantitativas e de gravidade de doença, identificando biomarcadores prognósticos e de resposta ao tratamento. Diante disso, sistemas computadorizados de auxílio diagnóstico vêm sendo desenvolvidos com o objetivo dar suporte ao diagnóstico por imagem e à decisão terapêutica. Com o advento da inteligência artificial, do big data e do aprendizado de máquina, caminhamos para a rápida expansão do uso dessas ferramentas no dia-a-dia dos médicos, tornando cada paciente único, levando a radiologia ao encontro do conceito de abordagem multidisciplinar e medicina de precisão. Neste artigo serão abordados os principais aspectos das ferramentas computacionais atualmente disponíveis para análise das imagens médicas, apresentando os princípios de análise das imagens, os principais termos e conceitos envolvidos nesses processos, assim como o impacto do desenvolvimento da inteligência artificial na radiologia e diagnóstico por imagem
- Imprenta:
- Source:
- Título: Radiologia Brasileira
- ISSN: 1678-7099
- Volume/Número/Paginação/Ano: v. 52, n. 6, p. 387-396, 2019
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
SANTOS, Marcel Koenigkam et al. Inteligência artificial, aprendizado de máquina, diagnóstico auxiliado por computador e radiômica: avanços da imagem rumo à medicina de precisão. Radiologia Brasileira, v. 52, n. 6, p. 387-396, 2019Tradução . . Disponível em: https://doi.org/10.1590/0100-3984.2019.0049. Acesso em: 30 mar. 2026. -
APA
Santos, M. K., Ferreira Junior, J. R., Wada, D. T., Tenório, A. P. M., Nogueira-Barbosa, M. H., & Azevedo-Marques, P. M. de. (2019). Inteligência artificial, aprendizado de máquina, diagnóstico auxiliado por computador e radiômica: avanços da imagem rumo à medicina de precisão. Radiologia Brasileira, 52( 6), 387-396. doi:10.1590/0100-3984.2019.0049 -
NLM
Santos MK, Ferreira Junior JR, Wada DT, Tenório APM, Nogueira-Barbosa MH, Azevedo-Marques PM de. Inteligência artificial, aprendizado de máquina, diagnóstico auxiliado por computador e radiômica: avanços da imagem rumo à medicina de precisão [Internet]. Radiologia Brasileira. 2019 ; 52( 6): 387-396.[citado 2026 mar. 30 ] Available from: https://doi.org/10.1590/0100-3984.2019.0049 -
Vancouver
Santos MK, Ferreira Junior JR, Wada DT, Tenório APM, Nogueira-Barbosa MH, Azevedo-Marques PM de. Inteligência artificial, aprendizado de máquina, diagnóstico auxiliado por computador e radiômica: avanços da imagem rumo à medicina de precisão [Internet]. Radiologia Brasileira. 2019 ; 52( 6): 387-396.[citado 2026 mar. 30 ] Available from: https://doi.org/10.1590/0100-3984.2019.0049 - Machine learning models to predict axial and peripheral spondyloarthritis: a comparative radiomic study between SPAIR and STIR MRI sequences
- Radiomic biomarkers for sacroiliitis diagnosis and prediction of spondyloarthritis progression
- Recognition of vertebral compression fractures in magnetic resonance images using statistics of height and width
- Recognition of vertebral compression fractures in magnetic resonance images using measures of distances to the centroid
- Shape, texture and statistical features for classification of benign and malignant vertebral compression fractures in magnetic resonance
- Cooperative strategy for a dynamic ensemble of classification models in clinical applications: the case of MRI vertebral compression fractures
- Classification of vertebral compression fractures in magnetic resonance images using spectral and fractal analysis
- Detection of vertebral compression fractures in lateral lumbar X-ray images
- Multi-segmentation and cooperative classification models improve the identification of malignant vertebral compression fractures in MRI
- Detection of vertebral plateaus in lateral lumbar spinal X-ray images with gabor filters
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
003007824.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
