A eletromiografia associada à inteligência artificial no diagnóstico de doenças e no rendimento físico

Abstract

A inovação tecnológica na área da saúde tem otimizado o desenvolvimento de ferramentas para o Diagnóstico Clínico (DC) e para a Prática Clínica (PC) no ambiente hospitalar e ambulatorial. Com os avanços dos DC, ano após ano, com a utilização de novas técnicas de Machine Learning (ML) e Deep Learning (DL) aplicadas em suas estruturas, vêm contribuindo diretamente para o avanço da medicina e suas tecnologias nas mais diversas áreas da saúde. Nesta revisão bibliométrica foram incluídos artigos com foco no uso de Inteligência Artificial (IA) para o auxílio de DC em patologias e disfunções através de Eletromiografia (EMG). De início, encontrou-se um total de 78 artigos, sendo eles identificados nas bases de dados da IEEE Xplore, PubMed e Scopus. Foram excluídos artigos duplicados e artigos de outras categorias diferentes de periódicos completos, de jornais e revistas. Foram analisados 27 artigos que utilizaram sinais EMG e IA. No decorrer de um período de 1980 a 1994, a cerca de 14 anos não houve nenhuma publicação que tinha ligação na pesquisa em questão; em 1995, 1996 a frequência foi de um único artigo. Nenhum autor publicou mais de um trabalho durante o período de 1995 até 1996.Os resultados mostraram que a associação de IA e EMG pode auxiliar com eficiência os profissionais de saúde no diagnóstico de doenças e condições clínicas (CC).

Technological innovation in the health area has optimized the development of tools for Clinical Diagnosis (CD) and for Clinical Practice (CP) in the hospital and outpatient environment. With the advances of DC year after year with the use of new Machine Learning (ML) and Deep Learning (DL) techniques applied in their structures, they have been directly contributing to the advancement of medicine and its technologies in the most diverse areas of health. This bibliometric review included articles focusing on the use of Artificial Intelligence (AI) to aid CD in pathologies and dysfunctions through Electromyography (EMG). Initially, a total of 78 articles were found and they were identified in the IEEE Xplore, PubMed and Scopus databases. Duplicate articles and articles from categories other than full-length journals, newspapers and magazines were excluded. Twenty-seven articles that used EMG and AI signals were analyzed. During a period from 1980 to 1994, for about 16 years, there was no publication that was linked to my research; in 1995, 1996 the frequency was of a single article. No author published more than one work during a period from 1995 to 1996. The results showed that the association of AI and EMG can efficiently help health professionals in the diagnosis of diseases and clinical conditions (CC).