Inteligência artificial, noções básicas para os profissionais de saúde
Authors:
- Milena Martello CristófaloMCMilena Martello Cristófalo
- Renan Martello CristófaloRCRenan Martello Cristófalo
- Soraya Gomes de Amorim AndradeSASoraya Gomes de Amorim Andrade
- Fernando Moreira de AndradeFAFernando Moreira de Andrade
- Alexandre Dias Porto Chiavegatto FilhoAFAlexandre Dias Porto Chiavegatto Filho
- José Mendes AldrighiJAJosé Mendes Aldrighi
Open Access
- 17 October 2023
- journal article
- Published by Fundacao Arnaldo Vieira de Carvalho in Arquivos Médicos dos Hospitais e da Faculdade de Ciências Médicas da Santa Casa de São Paulo
- p. 1 of 5
Abstract
Frente a importância que as tecnologias computacionais tem ganhando para a ciência em saúde, os autores propõem uma revisão narrativa prática para esclarecer e nortear conceitos em inteligência artificial. Nesse contexto, torna-se necessário entendermos as etapas que compõe a aprendizagem de máquina e serão discutidos ao longo dessa dissertação, entre eles a captação dos dados, limpeza e preparação dos dados, treino do modelo, otimização de hiperparametros, e disponibilização do modelo.Keywords
This publication has 10 references indexed in Scilit:
- Current trends in artificial intelligence in reproductive endocrinologyCurrent Opinion in Obstetrics and Gynecology, 2022
- Neonatal mortality prediction with routinely collected data: a machine learning approachBMC Pediatrics, 2021
- A machine learning approach to predict healthcare cost of breast cancer patientsScientific Reports, 2021
- Clinical Application of the FoundationOne CDx Assay to Therapeutic Decision-Making for Patients with Advanced Solid TumorsThe Oncologist, 2020
- Medical Fraud and Abuse Detection System Based on Machine LearningInternational Journal of Environmental Research and Public Health, 2020
- A short guide for medical professionals in the era of artificial intelligencenpj Digital Medicine, 2020
- Melanoma Skin Cancer Detection based on Image ProcessingCurrent Medical Imaging, 2020
- Predicting breast cancer risk using personal health data and machine learning modelsPLOS ONE, 2019
- An unsupervised machine learning method for discovering patient clusters based on genetic signaturesJournal of Biomedical Informatics, 2018
- A two-tiered unsupervised clustering approach for drug repositioning through heterogeneous data integrationBMC Bioinformatics, 2018