EEEduardo Correia Eulálio

Eduardo Correia Eulálio

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Eduardo Correia Eulálio has a total of 20 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Modelos de tomografia computadorizada baseados em inteligência artificial para a distinção entre tumores de Wilms e não-Wilms: revisão sistemática e meta-análise

    by Helvécio Neves Feitosa Filho, Rian Vilar Lima, João Filipe Cavalcante Uchoa Furtado, Victor Arthur Ohannesian, Eduardo Correia Eulálio, Pedro Vianna Caldas Ribeiro, Lucas Macêdo Aurélio Paiva, Isabela Diógenes Feitosa, Geraldo Bezerra da Silva Júnior

    Resumo Objetivo: Realizar revisão sistemática e meta-análise para avaliar a eficácia de modelos de inteligência artificial (IA) destinados a identificar tumores de Wilms em tomografias computadorizadas (TC). Métodos: Realizou-se uma busca nas bases de dados MEDLINE, Embase, Web of Science e Cochrane, conforme as diretrizes PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) 2020. Foram incluídos estudos diagnósticos utilizando TC baseada em IA para diagnosticar tumores de Wilms, desde que relatassem sensibilidade, especificidade e AUC. Estudos com dados incompletos ou ausência de texto completo foram excluídos. A análise estatística foi realizada no R (v4.3.3) utilizando modelo de efeitos aleatórios, com transformação logit para análise univariada e construção de curva SROC para análise bivariada. A heterogeneidade (I2 ≥ 40%) foi avaliada e explorada por análise de sensibilidade. Resultados: Foram incluídos quatro estudos (três da China e um da Turquia) com 177 pacientes com tumores de Wilms e 62 sem tumores de Wilms. A análise combinada de todos os modelos demonstrou sensibilidade de 63,9% (IC95%: 0,533–0,734), especificidade de 82,8% (IC95%: 0,716–0,902) e área sob a curva (AUC) de 0,831 (IC95%: 0,607–0,883). Conclusão: Este estudo demonstrou que modelos de IA exibem sensibilidade moderada e alta especificidade para identificar tumores de Wilms na TC, com uma AUC geral de 0,831. Esses resultados ressaltam o potencial promissor da IA como ferramenta de apoio no diagnóstico por imagem, embora o número limitado de estudos e a notável heterogeneidade metodológica justifiquem uma interpretação cautelosa e reforcem a necessidade de validação em populações maiores e mais representativas.

  • Open Access

    Diagnostic accuracy of artificial intelligence models in ultrasound-based detection of abdominal trauma: A systematic review and meta-analysis

    by Helvécio N. Feitosa Filho, João Filipe Cavalcante Uchoa Furtado, Eduardo Correia Eulálio, Pedro Vianna Caldas Ribeiro, Felipe Cavalcanti Dias, Lucas Macêdo Aurélio Paiva, Rian Vilar Lima, Débora Vianna dos Santos


  • Open Access

    Artificial Intelligence computed tomography models for the discrimination of Wilms versus non-Wilms tumors: systematic review and meta-analysis

    by Helvécio Neves Feitosa Filho, Rian Vilar Lima, João Filipe Cavalcante Uchoa Furtado, Victor Arthur Ohannesian, Eduardo Correia Eulálio, Pedro Vianna Caldas Ribeiro, Lucas Macêdo Aurélio Paiva, Isabela Diógenes Feitosa, Geraldo Bezerra da Silva Júnior

    Objective: To conduct a systematic review and meta-analysis to evaluate the effectiveness of artificial intelligence (AI) models aimed at identify Wilms tumor on computed tomography (CT) scans. Methods: A search was carried out across MEDLINE, Embase, Web of Science, and Cochrane databases in accordance with the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) 2020 guidelines. Diagnostic studies using AI-based CT to diagnose Wilms tumor were included if they reported sensitivity, specificity, and AUC. Studies with incomplete data or lacking full-text availability were excluded. Statistical analysis was conducted in R (v4.3.3) using a random-effects model, with logit transformation for univariate analysis and SROC curve construction for bivariate analysis. Heterogeneity (I2 ≥ 40%) was assessed and explored via sensitivity analysis. Results: The analysis included four studies (three studies from China and one from Turkey) with 177 patients with Wilms tumors and 62 without Wilms tumors. The combined analysis of all models demonstrated a sensitivity of 63.9% (95% CI: 0.533–0.734), a specificity of 82.8% (95% CI: 0.716–0.902), and an area under the curve (AUC) of 0.831 (95% CI: 0.607–0.883). Conclusion: This study demonstrated that AI models exhibit moderate sensitivity and high specificity to identify Wilms tumor on CT scans, with an overall AUC of 0.831. These results underscore the promise of AI as a supportive tool in diagnostic imaging, although the limited number of studies and notable methodological heterogeneity warrant cautious interpretation and reinforce the need for validation in larger, more representative populations.


  • Open Access

    Desempenho do ChatGPT na resposta a questões de residência médica em Nefrologia: um estudo piloto no Brasil

    by Helvécio Neves Feitosa Filho, João Filipe Cavalcante Uchoa Furtado, Eduardo Correia Eulálio, Pedro Vianna Caldas Ribeiro, Lucas Macêdo Aurélio Paiva, Matheus Maia Gonçalves Bringel Correia, Geraldo Bezerra da Silva Júnior

    Resumo Objetivo: Este estudo avaliou o desempenho das versões 4 e 3.5 do ChatGPT na resolução de questões de Nefrologia presentes em exames de residência médica no Brasil. Métodos: Foram analisadas 411 questões de múltipla escolha, com e sem imagens, organizadas em quatro temas principais: doença renal crônica (DRC), distúrbios do equilíbrio hidroeletrolítico e ácido-base (DHAB), doenças tubulointersticiais (DTI) e doenças glomerulares (DG). As questões com imagens foram respondidas somente pela versão ChatGPT-4. A análise estatística foi realizada utilizando o teste qui-quadrado. Resultados: O ChatGPT-4 alcançou uma precisão geral de 79,80%, enquanto o ChatGPT-3.5 obteve 56,29%, com uma diferença estatisticamente significativa (p < 0,001). Nos temas principais, o ChatGPT-4 teve desempenho superior em DHAB (79,11% vs. 55,17%), DTI (88,23% vs. 52,23%), DRC (75,51% vs. 61,95%) e DG (79,31% vs. 55,29%), todos com p < 0,001. O ChatGPT-4 apresentou uma acurácia de 81,49% nas questões sem imagens e de 54,54% em questões com imagens, com uma acurácia de 60% para análise de eletrocardiogramas. Este estudo é limitado pelo pequeno número de perguntas baseadas em imagens e pelo uso de itens de exame desatualizados, reduzindo sua capacidade de avaliar as habilidades diagnósticas visuais e a relevância clínica atual. Além disso, abordar somente quatro áreas da Nefrologia pode não representar totalmente a amplitude da prática nefrológica. Conclusão: Verificou-se que o ChatGPT-3.5 apresenta limitações no raciocínio sobre Nefrologia em comparação ao ChatGPT-4, evidenciando lacunas no conhecimento. O estudo sugere a necessidade de exploração adicional em outros temas da Nefrologia para aprimorar o uso dessas ferramentas de IA.

  • Open Access

    ChatGPT performance in answering medical residency questions in nephrology: a pilot study in Brazil

    by Helvécio Neves Feitosa Filho, João Filipe Cavalcante Uchoa Furtado, Eduardo Correia Eulálio, Pedro Vianna Caldas Ribeiro, Lucas Macêdo Aurélio Paiva, Matheus Maia Gonçalves Bringel Correia, Geraldo Bezerra da Silva Júnior

    Objective: This study evaluated the performance of ChatGPT 4 and 3.5 versions in answering nephrology questions from medical residency exams in Brazil.


  • Endometriosis and Infertility: A Bibliometric Analysis of the 100 Most-Cited Articles from 2000 to 2023

    by João Pedro Veras Torres, Eduardo Correia Eulálio, Felipe da Costa Oliveira, Gabriel Fontenele Ximenes, Helvécio Neves Feitosa Filho, Leonardo Brito de Souza, Edward Araujo Júnior, Marcelo Borges Cavalcante

    Objectives: This study aimed to conduct a bibliometric analysis of research on endometriosis and infertility, focusing on the 100 most-cited (TOP100) articles in the literature. Design: The design of this study is a bibliometric analysis. Participants/Materials, Setting, Methods: The SCOPUS database was searched using the terms “endometriosis” and “infertility.” The productivity and impact of research publications by authors, countries, and journals were assessed using the following indicators: total number of publications, total number of citations (TNC), journal impact factor, and journal citation indicator. The bibliometric analysis was conducted from January 1, 2000, to December 31, 2023, using IBM SPSS™ for Windows and VOSviewer 1.6.20. VOSviewer was used to evaluate the TNC, total number of authors/coauthors, and collaboration network between countries of the TOP100 articles. VOSviewer was also used to create keyword co-occurrence networks. Results: Of the TOP100 articles, 69 were literature review articles, with a mean of 448.97 ± 513.5 citations (range: 191–2,705). The TOP100 articles were published by 479 authors (mean 5.8 ± 7.3 per study) from 40 countries in 39 high-impact journals. The keyword co-occurrence network revealed a grouping of four clusters, with terms related to pathophysiology, clinical management, assisted reproductive technology, and hormonal treatment of endometriosis. Limitations: The main limitation of our study is the use of only one database and TNC as the main bibliometric indicator. Studies need at least 2–3 years after publication to accumulate sufficient citations for bibliometric indicators to be reliable. This means that large number of recent studies were not included in this bibliometric analysis. Conclusions: This study revealed trends in endometriosis and infertility research, especially in the fields of immunology and genetics. It also highlights the importance of global collaboration to improve diagnostics, treatments, and outcomes.