RESUMEN
Objetivo: compreender a participação da IA nos diagnósticos da saúde moderna e definir limites para sua aplicação. Metodologia: Revisão integrativa da literatura. A busca dos estudos se deu nas bases de dados LILACS, MEDLINE e SCIELO e foram selecionados artigos científicos, sem recorte temporal e de idioma. Resultados: A inteligência artificial impacta a medicina em três níveis: otimiza a interpretação de imagens para os médicos, aprimora o fluxo de trabalho reduzindo potenciais erros para os sistemas de saúde e capacita os pacientes a processarem seus próprios dados para promover a saúde. Contudo, é necessária atenção aos dados gerados, pois podem desencadear erros em cascata e expor informações sensíveis dos usuários do sistema de saúde. Conclusão: Atribuir à IA a responsabilidade de escolhas e funções desempenhadas por humanos é intrinsecamente perigoso, apesar de sua contribuição inegável nos processos diagnósticos. Sugere-se a realização de pesquisas robustas para compreender plenamente o impacto dessa nova era tecnológica proporcionada pela IA na área da saúde.
Objective: To understand the role of AI in modern healthcare diagnostics and define boundaries for its application. Methodology:Integrative literature review. Studies were searched in the LILACS, MEDLINE, and SCIELO databases, selecting scientific articles without temporal or language restrictions. Results: Artificial intelligence impacts medicine at three levels: it optimizes image interpretation for physicians, enhances workflow by reducing potential errors for healthcare systems, and empowers patients to process their own data to promote health. However, attention is required regarding the generated data, as it may trigger cascading errors and expose sensitive information of healthcare system users. Conclusion: Assigning AI, the responsibility of choices and functions performed by humans is inherently dangerous, despite its undeniable contribution to diagnostic processes. Robust research is suggested to fully understand the impact of this new technological era provided by AI in healthcare.
Objetivo: Comprender la participación de la IA en los diagnósticos de la salud moderna y definir límites para su aplicación. Metodología:Revisión integrativa de la literatura. Los estudios se buscaron en las bases de datos LILACS, MEDLINE y SCIELO, seleccionando artículos científicos sin restricciones temporales ni lingüísticas. Resultados: La inteligencia artificial impacta la medicina en tres niveles: optimiza la interpretación de imágenes para los médicos, mejora el flujo de trabajo al reducir errores potenciales para los sistemas de salud y capacita a los pacientes para procesar sus propios datos y promover la salud. Sin embargo, se requiere atención respecto a los datos generados, ya que pueden desencadenar errores en cascada y exponer información sensible de los usuarios del sistema de salud. Conclusión: Asignar a la IA la responsabilidad de decisiones y funciones realizadas por humanos es intrínsecamente peligroso, apesar de su contribución innegable a los procesos de diagnóstico. Se sugiere realizar investigaciones sólidas para comprender completamente el impacto de esta nueva era tecnológica proporcionada por la IA en la salud.
Asunto(s)
Derecho SanitarioRESUMEN
Despite the epidemiological importance of the Lymnaeidae family regarding transmission of Fasciola hepatica, knowledge about the diversity and distribution of these molluscs and the role of each species in the expansion of fasciolosis remains sparse. Classical morphological (n=10) identification was performed in lymneids from Lagoa Santa, a municipality in the state of Minas Gerais, Brazil, along with molecular and phylogenetic analysis (n=05) based on the partial nucleotide sequences of the mitochondrial cytochrome c oxidase subunit I gene (COI mtDNA) and ribosomal internal transcribed spacer II (ITS-2 rDNA). The shell morphology made it possible to distinguish the lymneids of Lagoa Santa from Pseudosuccinea columella. Differences found in the penile complex and prostate shape allowed this species to be distinguished from Galba truncatula. However, the homogeneity of reproductive tract characteristics among Lymnaea (Galba) cubensis, L. viator and L. neotropica confirmed that these characteristics show low taxonomic reliability for identifying cryptic species. Genetic divergence analysis for the COI mtDNA gene and ITS-2 region of rDNA revealed greater similarity to Lymnaea (Galba) cubensis. Thus, correct species differentiation is important for monitoring the epidemiological risk of fasciolosis in the state of Minas Gerais, where cases of the disease have increased over recent years.