Superando lacunas em imagem médica na América Latina e no Caribe: avaliação abrangente e proposta de framework transdisciplinar apoiado por IA para o diagnóstico precoce do câncer de pulmão
Carregando...
Data
Autores
Orientador
Valente, Vânia Cristina Pires Nogueira 
Coorientador
Moraes, Fabio Ynoe de
Pós-graduação
Mídia e Tecnologia - FAAC
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
As projeções do aumento da incidência do câncer de pulmão na América Latina e no Caribe (ALC) exigem atenção, especialmente nos países de baixa e média renda, que apresentam recursos limitados e desigualdade no investimento em saúde pública. O objetivo desta tese foi desenvolver uma estrutura integrada (framework) combinando Inteligência Artificial (IA), telerradiologia, Tecnologias Digitais da Informação e Comunicação (TDIC), rastreamento por Tomografia Computadorizada de Baixa Dose (TCBD) e o princípio da regionalização em saúde, com o intuito de promover o diagnóstico precoce do câncer de pulmão, com ênfase nas regiões da ALC que apresentam deficiência estrutural e escassez de profissionais em diagnóstico por imagem. A tese abordou as desigualdades no acesso ao diagnóstico por imagem na ALC e mapeou o estado da arte da IA no diagnóstico oncológico com ênfase em Tomografia Computadorizada (TC) e Ressonância Magnética (RM). Para tanto, foram realizados: (i) um estudo transversal sobre a disponibilidade de recursos de imagem médica e médicos especialistas na ALC; (ii) uma análise bibliométrica da literatura sobre aplicações de IA, com ênfase em TC e RM em imagem oncológica; e (iii) a construção de um modelo conceitual-teórico transdisciplinar. Os resultados do estudo transversal mostraram uma distribuição desigual de recursos na ALC, com alta concentração em países de alta renda, indicando, ainda, a necessidade do desenvolvimento de um planejamento estratégico e de políticas públicas com foco na gestão em saúde. Por outro lado, a análise bibliométrica revelou que as tendências emergentes da IA em imagem oncológica incluem o uso de tecnologias como o deep learning (aprendizado profundo), que têm sido utilizadas na prática com resultados positivos na análise de imagens para identificar padrões característicos de tumores ou lesões, trazendo maior precisão e eficiência diagnóstica clínica. O uso de TDIC facilita a criação de canais focados em educação continuada, troca de informações e comunicação entre profissionais, pacientes e familiares, promovendo um ambiente colaborativo e maior envolvimento da comunidade, o que pode otimizar os resultados de saúde. As bases da transdisciplinaridade contribuíram para a aplicação de teorias e conceitos de forma articulada e coesa, resultando na inovação proposta pelo modelo. Conclui-se que o framework proposto nesta tese representa uma estratégia potencial para mitigar as desigualdades no acesso ao diagnóstico por imagem precoce, podendo contribuir diretamente para a melhoria da sobrevida de pacientes com risco de câncer de pulmão. Como próximo passo, sugere-se a validação do framework e sua implementação em uma cidade piloto da ALC, expandindo a cobertura para outras regiões geográficas (esfera macro) de forma progressiva e adaptativa, respeitando as características regionais.
Resumo (inglês)
Projections of the increasing incidence of lung cancer in Latin America and the Caribbean (LAC) demand attention, especially in low- and middle-income countries, which present limited resources and significant inequality in public health investment. The objective of this thesis was to develop an integrated framework combining Artificial Intelligence (AI), teleradiology, Digital Information and Communication Technologies (DICT), Low-Dose Computed Tomography (LDCT) screening, and the principle of healthcare regionalization, with the purpose of promoting the early diagnosis of lung cancer, with emphasis on LAC regions characterized by structural deficiencies and a shortage of imaging diagnosis professionals. This thesis addressed the inequalities in access to imaging diagnosis in LAC and mapped the state of the art of AI in oncological diagnosis, with emphasis on Computed Tomography (CT) and Magnetic Resonance Imaging (MRI). To this end, the following were carried out: (i) a cross-sectional study on the availability of medical imaging resources and medical specialists in LAC; (ii) a bibliometric analysis of the literature on AI applications, with emphasis on CT and MRI in oncological imaging; and (iii) the construction of a transdisciplinary conceptual-theoretical model. The results of the cross-sectional study showed an unequal distribution of resources in LAC, with a high concentration in high-income countries, also indicating the need for the development of strategic planning and public policies focused on health management. On the other hand, the bibliometric analysis revealed that the emerging trends in AI applied to oncological imaging include the use of technologies such as deep learning, which have been applied in practice with positive results in image analysis to identify characteristic patterns of tumors or lesions, bringing greater accuracy and clinical diagnostic efficiency. The use of DICT facilitates the creation of channels focused on continuing education, information exchange, and communication among professionals, patients, and families, fostering a collaborative environment and greater community engagement, which can optimize health outcomes. The foundations of transdisciplinarity contributed to the application of theories and concepts in an articulated and cohesive manner, resulting in the innovation proposed by the model. It is concluded that the framework proposed in this thesis represents a potential strategy to mitigate inequalities in access to early imaging diagnosis, with the possibility of directly contributing to improving the survival of patients at risk for lung cancer. As a next step, it is suggested to validate the framework and implement it in a pilot city in LAC, progressively and adaptively expanding its coverage to other geographic regions (macro level), respecting regional characteristics.
Descrição
Palavras-chave
Câncer de pulmão, Diagnóstico por imagem, Inteligência artificial, Mídia e Tecnologia, Transdisciplinaridade, Artificial intelligence, Imaging diagnosis, Lung cancer, Media and technology, Transdisciplinarity
Idioma
Português
Citação
CELESTINO, Marcelo Salvador. Superando lacunas em imagem médica na América Latina e no Caribe: avaliação abrangente e proposta de framework transdisciplinar apoiado por IA para o diagnóstico precoce do câncer de pulmão. Orientadora: Vânia Cristina Pires Nogueira Valente. 2025. 207 f. Tese (Doutorado em Mídia e Tecnologia) - Faculdade de Arquitetura, Artes, Comunicação e Design, Universidade Estadual Paulista (UNESP), Bauru, 2025.
