Studii medicale: inteligenta artificiala

Revizuire sistematică privind etica și încrederea în IA cardiovasculară: confidențialitatea, inechitatea și riscul de vătămare sunt principalele bariere identificate în 145 de articole.

Harvard (n=7.555 internari): LLM vs. ICD coduri pentru detectia irAE severe la ICI (colita, hepatita, pneumonita, miocardita). Sensibilitate LLM 94,7% vs. ICD 68,7%. Specificitate comparabila. Procesare semnificativ mai rapida. LLM = soluție pentru farmacovigilenta îen oncologie.

Algoritm de deep learning detectează automat regurgitația mitrală semnificativă din ecocardiograme cu performanță comparabilă cu cea a cardiologului, validat multi-instituțional.

Studiul demonstrează că sistemul AI DeepDR-LLM crește precizia depistării retinopatiei diabetice de la 81% la 92,3% și îmbunătățește aderența pacienților la tratament în asistența primară.

Revizuirea a 50 de studii arată că inteligența artificială în ecografia ginecologică îmbunătățește diagnosticul maselor pelviene, dar necesită validare externă pentru utilizarea clinică.

Modelul AI HECTOR utilizează imagini histologice și stadiul FIGO pentru a prezice recurența cancerului endometrial, depășind performanța profilării moleculare standard în 8 cohorte internaționale.

Revizuirea sistematică indică o acuratețe de peste 70% a algoritmilor de machine learning în predicția riscului suicidar la pacienții psihiatrici, subliniind necesitatea validării externe.

Meta-analiza pe 12.000 de pacienți demonstrează că algoritmii IA 3D ating o sensibilitate de 87% în detectarea tumorilor cerebrale pe RMN, depășind modelele 2D și confirmând maturitatea clinică.

Un model de învățare automată (UKCRP) cu 10 predictori simpli prezice eficient riscul cardiovascular la 10 ani pe datele UK Biobank, depășind performanța modelelor clinice clasice.

Revizuire a aplicațiilor inteligenței artificiale în angiografia prin tomografie de coerență optică (OCTA) pentru evaluarea retinopatiei diabetice: parametri hemodinamici cuantificabili automat (densitate vasculară, zonă avasculară foveală, viteza fluxului), cu performanțe competitive cu evaluatorii

Un model de inteligență artificială care analizează o singură electrocardiogramă cu 12 derivații a detectat infarctul prin ocluzie coronariană cu acuratețe de 90,9% și sensibilitate de 80,6%, față de doar 32,5% pentru criteriile STEMI clasice. Validat pe 18.616 electrocardiograme din Europa și State

Revizuire sistematică a 36 de documente (19 ghiduri, 14 declarații de consens, 3 standarde) privind IA medicală: calitatea este slabă — scor mediu AGREE II 4,0/7 și rata de raportare RIGHT 49,4%, evidențiind deficiențe metodologice care limitează transpunerea sigură a IA în clinică.

Algoritmul PANDA (deep learning) a detectat cancerul pancreatic pe CT fără contrast cu AUC 0,986–0,996 în validare multicenter pe 6.239 pacienți și sensibilitate 92,9%/specificitate 99,9% în validare reală pe 20.530 pacienți consecutivi, depășind media radiologilor cu 34,1% în sensibilitate. Studiu

O analiză de tip scoping din Statele Unite trece în revistă tehnicile de viziune computerizată și învățare automată pentru detectarea, monitorizarea și predicția ulcerelor piciorului diabetic — de la segmentarea automată a plăgilor și analiza mersului până la algoritmi care prezic vindecarea sau amp

Studiul evaluează patru modele lingvistice mari în oncologia personalizată; acestea nu înlocuiesc experții umani, prezentând riscuri de halucinație, dar oferă idei complementare utile.