Uso da inteligência artificial em Oncologia: Doctor in silico?

Autores

DOI:

https://doi.org/10.11606/issn.1679-9836.v101i4e-200470

Palavras-chave:

Oncologia, Inteligência artificial, Medicina

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Mateus Trinconi Cunha, Universidade de São Paulo. Faculdade de Medicina. Hospital das Clínicas. Instituto do Câncer

    Médico Residente do Serviço de Oncologia Clínica do Instituto do Câncer do Estado de São Paulo, Hospital das Clínicas da FMUSP, São Paulo, Brasil. 

  • Gilberto de Castro Junior, Universidade de São Paulo. Faculdade de Medicina. Hospital das Clínicas. Instituto do Câncer

    Médico Assistente do Serviço de Oncologia Clínica do Instituto do Câncer do Estado de São Paulo, Hospital das Clínicas da FMUSP, São Paulo, Brasil. Professor Doutor da Disciplina de Oncologia da FMUSP. 
    Médico do Instituto do Câncer do Estado de São Paulo (ICESP) - Faculdade de Medicina da USP, atuando no Serviço de Oncologia Clínica, onde chefia a área de Oncologia Torácica e Câncer de Cabeça e Pescoço. Título de Livre-Docente (2015) pela Disciplina de Oncologia, área de Oncologia Clínica - Departamento de Radiologia e Oncologia da Faculdade de Medicina da USP. Professor Colaborador da Disciplina de Oncologia - Departamento de Radiologia e Oncologia da Faculdade de Medicina da USP. Ex-fellow da Clinique d?Oncologie Médicale - Institut Jules Bordet Centre des Tumeurs de l?Université Libre de Bruxelles, Bruxelas - Bélgica. Especialista em Cancerologia Clínica e em Clínica Médica pela AMB. Áreas de interesse: Câncer de Cabeça e Pescoço, Câncer do Pulmão, Terapias de Alvo Molecular, Ensaios Clínicos, Fatores Preditivos de Resposta à Quimioterapia, Qualidade de Vida

Referências

Sakamoto T, Furukawa T, Lami K, Pham HHN, Uegami W, Kuroda K, et al. A narrative review of digital pathology and artificial intelligence: focusing on lung cancer. Transl Lung Cancer Res. 2020;9(5):2255–76. doi: http://dx.doi.org/10.21037/tlcr-20-591

Wang X, Bera K, Barrera C, Zhou Y, Lu C, Vaidya P, et al. A prognostic and predictive computational pathology image signature for added benefit of adjuvant chemotherapy in early stage non-small-cell lung cancer. EBioMedicine. 2021;69:103481. doi: http://dx.doi.org/10.1016/j.ebiom.2021.103481

Kimpe T, Tuytschaever T. Increasing the number of gray shades in medical display systems--how much is enough? J Digit Imaging. 2007;20(4):422–32. doi: http://dx.doi.org/10.1007/s10278-006-1052-3

Wang C, Ma J, Shao J, Zhang S, Liu Z, Yu Y, et al. Predicting EGFR and PD-L1 status in NSCLC patients using multitask AI system based on CT images. Front Immunol. 2022;13:813072. doi: http://dx.doi.org/10.3389/fimmu.2022.813072

Muñoz Martín AJ, Huerga Domínguez S, Souto JC, Rogado Revuelta J, Sanchez A, Garcia-Palomo A, et al. Predicting recurrence of venous thromboembolism in anticoagulated cancer patients using real-world data and machine learning. J Clin Oncol. 2022;40(16_suppl):e18742–e18742. doi: http://dx.doi.org/10.1200/jco.2022.40.16_suppl.e18742

Muñoz Martín AJ, Palacios ML, Souto JC, Obispo B, Aparicio J, Garcia-Palomo A, et al. Predicting major bleeding events in anticoagulated cancer patients with venous thromboembolism using real-world data and machine learning. J Clin Oncol. 2022;40(16_suppl):e18744–e18744. doi: http://dx.doi.org/10.1200/jco.2022.40.16_suppl.e18744

de Hond AAH, Leeuwenberg AM, Hooft L, Kant IMJ, Nijman SWJ, van Os HJA, et al. Guidelines and quality criteria for artificial intelligence-based prediction models in healthcare: a scoping review. NPJ Digit Med. 2022;5(1):2. doi: http://dx.doi.org/10.1038/s41746-021-00549-7

Dunnmon J. Separating hope from hype: Artificial intelligence pitfalls and challenges in radiology. Radiol Clin North Am. 2021;59(6):1063-74. doi: http://dx.doi.org/10.1016/j.rcl.2021.07.006

van der Laak J, Litjens G, Ciompi F. Deep learning in histopathology: the path to the clinic. Nat Med. 2021;27(5):775-84. doi: http://dx.doi.org/10.1038/s41591-021-01343-4

Gichoya JW, Banerjee I, Bhimireddy AR, Burns JL, Celi LA, Chen L-C, et al. AI recognition of patient race in medical imaging: a modelling study. Lancet Digit Health. 2022;4(6):e406-14. doi: http://dx.doi.org/10.1016/S2589-7500(22)00063-2

Cirillo D, Catuara-Solarz S, Morey C, Guney E, Subirats L, Mellino S, et al. Sex and gender differences and biases in artificial intelligence for biomedicine and healthcare. NPJ Digit Med. 2020;3(1):81. doi: http://dx.doi.org/10.1038/s41746-020-0288-5

myChoice CDx® Technical Information [cited July 25, 2022]. Available from: https://www.accessdata.fda.gov/cdrh_docs/pdf19/P190014S003C.pdf

Downloads

Publicado

2022-07-28

Edição

v. 101 n. 4 (2022)

Seção

Editorial

Licença

Copyright (c) 2022 Mateus Trinconi Cunha, Gilberto de Castro Junior

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution-ShareAlike 4.0 International License.

Como Citar

Cunha, M. T. ., & Castro Junior, G. de. (2022). Uso da inteligência artificial em Oncologia: Doctor in silico?. Revista De Medicina, 101(4), e-200470. https://doi.org/10.11606/issn.1679-9836.v101i4e-200470