Big Data e Inteligência Artificial para pesquisa translacional na Covid-19: revisão rápida

Ramos, Maíra Catharina; Gomes, Dalila Fernandes; Mello, Nicole Freitas de; Silva, Everton Nunes da; Barreto, Jorge Otávio Maia; Shimizu, Helena Eri

doi:10.1590/0103-1104202213518

Acessibilidade / Reportar erro

Brasil

Español English

sumário « anterior atual seguinte »

Sumário

REVISÃO • Saúde debate 46 (135) • Oct-Dec 2022 • https://doi.org/10.1590/0103-1104202213518 copiar

Big Data e Inteligência Artificial para pesquisa translacional na Covid-19: revisão rápida

Big Data and artificial intelligence for translational research in COVID-19: a rapid review

Autoria SCIMAGO INSTITUTIONS RANKINGS

RESUMO

O objetivo deste estudo foi identificar como a Inteligência Artificial (IA) vem sendo utilizada para a pesquisa translacional no contexto da Covid-19. Foi realizada uma revisão rápida para identificar o uso de técnicas de IA na translação de tecnologias para o enfrentamento da Covid-19. Empregou-se estratégia de busca com base em termos MeSH e seus respectivos sinônimos em sete bases de dados. Dos 59 artigos identificados, oito foram incluídos. Foram identificadas 11 experiências que usaram IA para a pesquisa translacional em Covid-19: predição de eficácia medicamentosa; predição de patogenicidade do Sars-CoV-2; diagnóstico de imagem para Covid-19; predição de incidência de Covid-19; estimativas de impacto da Covid-19 na sociedade; automatização de sanitização de ambientes hospitalares e clínicos; rastreio de pessoas infectadas e possivelmente infectadas; monitoramento do uso de máscaras; predição de gravidade de pacientes; estratificação de risco do paciente; e predição de recursos hospitalares. A pesquisa translacional pode ajudar no desenvolvimento produtivo e industrial em saúde, especialmente quando apoiada em métodos de IA, uma ferramenta cada vez mais importante, sobretudo quando se discute a Quarta Revolução Industrial e suas aplicações na saúde.

PALAVRAS-CHAVES
Pesquisa translacional; Inteligência Artificial; Aprendizado de máquina; Covid-19

Autor (ano)	Objetivo	Método	Etapa da pesquisa translacional	Área*
Famiglini¹⁴14 Famiglini L, Bini G, Carobene A, et al. Prediction of ICU admission for COVID-19 patients: a Machine Learning approach based on Complete Blood Count data. IEEE CBMS2021 Proc. 34th IEEE Int. Symp. Comput. Med. Syst. 2021 [acesso em 2021 ago 23]; 6. Disponível em: https://zenodo.org/record/4686707. https://zenodo.org/record/4686707...	Desenvolver modelos prognósticos de ML para prever a admissão na utI, o que pode ser visto como um proxy da gravidade da doença ou um resultado de piora das condições.	Estudo descritivo	T2/T3	Predição clínica
Massacci¹⁵15 Massacci A, Sperandio E, D’Ambrosio L, et al. Design of a companion bioinformatic tool to detect the emergence and geographical distribution of SARS-CoV-2 Spike protein genetic variants. J. Transl. Med. 2020 [acesso em 2021 ago 23]; 18(1):494. Disponível em: https://doi.org/10.1186/s12967-020-02675-4. https://doi.org/10.1186/s12967-020-02675...	Apresentar um portal da web com dados abertos e acessíveis para procurar pelas mutações virais mais frequentes do Sars-CoV-2, de forma a permitir que toda a comunidade de bioinformática verifque a variabilidade genômica do vírus e seu impacto funcional nas vacinas de DNA, por meio da apresentação de um protocolo disponível gratuitamente.	Estudo descritivo	T2/T3	Epidemiologia inteligente
Caccuri¹⁶16 Caccuri F, Zani A, Messali S, et al. A persistently replicating SARS-CoV-2 variant derived from an asymptomatic individual. J. Transl. Med. 2020 [acesso em 2021 ago 23]; 18(1):362. Disponível em: https://doi.org/10.1186/s12967-020-02535-1. https://doi.org/10.1186/s12967-020-02535...	Investigar as características genéticas e fenotípicas das cepas do Sars-CoV-2, a fm de compreender a evolução de sua patogenicidade e sua adaptação ao hospedeiro.	Estudo transversal	T1/T2/T3	Teste in silico
Neves¹⁷17 Neves BC. Metodologias, ferramentas e aplicações da inteligência artificial nas diferentes linhas do combate a Covid-19. Folha de Rosto. 2020 [acesso em 2021 ago 23]; 6(2):44-57. Disponível em: https://doi.org/10.46902/2020n2p44-57. https://doi.org/10.46902/2020n2p44-57...	Apresentar um conjunto de metodologias, ferramentas e aplicações da IA que estão sendo aplicadas nas diferentes linhas do combate ao novo coronavírus	Revisão narrativa	T1/T2/T3	Teste in silico; Epidemiologia inteligente
Liu¹⁸18 Liu H, Ren H, Wu Z, et al. CT radiomics facilitates more accurate diagnosis of COVID-19 pneumonia: compared with CO-RADS. J. Transl. Med. 2021 [acesso em 2021 ago 23]; 19(1):29. Disponível em: https://doi.org/10.1186/s12967-020-02692-3. https://doi.org/10.1186/s12967-020-02692...	Desenvolver e validar um modelo radiômico (radiomics model) combinado, incluindo características clínicas e a assinatura radiômica para distinguir a pneumonia por Covid-19 de outras etiologias por meio do uso de dados do mundo real durante o período de surto de Covid-19 na China.	Estudo descritivo	T2/T3	Detecção e diagnóstico
Nagoriya¹⁹19 Nagoriya H, Parekh M. Live Facemask Detection System. Int J Imaging Robot. 2021 [acesso em 2021 ago 23]; 21(1):1-8. Disponível em: https://zenodo.org/record/4643681. https://zenodo.org/record/4643681...	Desenvolver um algoritmo para detectar o uso de máscara pela população em geral.	Estudo descritivo	T3/T4	Epidemiologia inteligente
Afshar-Oromieh²⁰20 Afshar-Oromieh A, Prosch H, Schaefer-Prokop C, et al. A comprehensive review of imaging findings in COVID-19 – status in early 2021. Eur. J. Nucl. Med. Mol. Imaging. 2021 [acesso em 2021 ago 23]; 48(8):2500-24. Disponível em: https://doi.org/10.1007/S00259-021-05375-3. https://doi.org/10.1007/S00259-021-05375...	Descrever a utilidade mais ampla das imagens médicas para detectar patologias associadas a Covid-19 envolvendo o sistema nervoso e os sistemas sensorial, musculoesquelético e cardiovascular, bem como o comprometimento renal, gastroenterológico e dermatológico.	Revisão narrativa	T2/T3	Detecção e diagnóstico
Syeda²¹21 Syeda HB, Syed M, Sexton KW, et al. Role of Machine Learning Techniques to Tackle the COVID-19 Crisis: Systematic Review. JMIR. Med. Informatics. 2021 [acesso em 2021 ago 23]; 9(1):e23811. Disponível em: https://doi.org/10.2196/23811. https://doi.org/10.2196/23811...	Realizar uma revisão sistemática da literatura sobre o papel da IA como uma tecnologia abrangente e decisiva para combater a crise de Covid-19 nos campos da epidemiologia, diagnóstico e progressão da doença.	Revisão sistemática	T3/T4	Detecção e diagnóstico; Epidemiologia inteligente; Predição clínica

Área	Principais usos da IA para a translação de pesquisas sobre Covid-19
Teste in silico	1. Simulações dinâmicas moleculares para predição de eficácia medicamentosa; 2. Simulações dinâmicas para predição de patogenicidade do Sars-CoV-2.
Detecção e diagnóstico	1. Diagnóstico de imagem para Covid-19 e para patologias associadas, utilizando técnicas de deep learning.
Epidemiologia inteligente	1. Predição por máquina de incidência de Covid-19; 2. Estimativas de impacto da Covid-19 na sociedade; 3. Automatização de sanitização de ambientes hospitalares e clínicos; 4. Rastreio de pessoas infectadas e possivelmente infectadas; 5. Monitoramento do uso de máscaras.
Predição clínica	1. Predição de gravidade de pacientes admitidos em centro de terapia intensiva; 2. Estratificação de risco do paciente; 3. Gestão de recursos hospitalares.

Centro Brasileiro de Estudos de Saúde Av. Brasil, 4036, sala 802, 21040-361 Rio de Janeiro - RJ Brasil, Tel. 55 21-3882-9140, Fax.55 21-2260-3782 - Rio de Janeiro - RJ - Brazil
E-mail: revista@saudeemdebate.org.br

Acompanhe os números deste periódico no seu leitor de RSS

[1] Conflito de interesses: inexistente