Abordagens atuais e perspectivas futuras para diagnóstico de malária baseado em IA: Uma revisão de escopo do estado da arte

Marcelo da Silva Lisboa, Silvanete Maria da Silva, Marcelo Lisboa Rocha.

  • Marcelo Lisboa Rocha Universidade Federal do Tocantins https://orcid.org/0000-0001-9600-2390
  • Marcelo ds Silva Lisboa Secretaria de Administração do Tocantins
  • Silvanete Maria da Silva Secretaria da Educação do Tocantins

Resumen

Ultimamente, a inteligência artificial (IA), particularmente aprendizado de máquina e aprendizado profundo, tem se tornado cada vez mais proeminente na área da saúde, aprimorando decisões baseadas em dados e avançando o conceito One Health. Dentro do diagnóstico de malária, esses algoritmos de IA mostram grande potencial para resultados mais rápidos e precisos. Esta revisão de escopo examina os usos e aplicações do estado da arte mais recente de modelos de IA para detecção de malária, enfatizando sua capacidade de analisar imagens de esfregaços de sangue e outros fatores relevantes para auxiliar os profissionais de saúde no diagnóstico e contenção de doenças. Avaliamos minuciosamente o desempenho desses modelos e comparamos várias abordagens de ponta. Por fim, discutimos caminhos promissores de pesquisa futura para aprimorar o atendimento ao paciente e a infraestrutura de saúde.

Biografía del autor/a

Marcelo Lisboa Rocha, Universidade Federal do Tocantins

Possui graduação em Ciência da Computação pela Universidade Católica de Petrópolis (1994), mestrado em Computação pela Universidade Federal Fluminense (1997), mestrado em Engenharia Elétrica pela Universidade Federal do Rio de Janeiro (1999) e doutorado em Engenharia Elétrica pela Universidade Federal do Rio de Janeiro (2008). Cursou Pós-Doutorado em Modelagem Computacional na Universidade do Estado do Rio de Janeiro (campus IPRJ) de 2018 a 2019, sob supervisão do Prof. Antônio José da Silva Neto. Atualmente é Editor Associado da Revista Mundi Engenharia, Tecnologia e Gestão (ISSN: 2525-4782) e do Conselho Editorial da Revista Cereus (ISSN 2175-7275). Atualmente é Professor Associado 4 na Universidade Federal do Tocantins (UFT), campus Palmas e docente permanente no Programa de Pós-Graduação em Governança e Transofmração Digital (PPGGTD) e no curso de graduação em Ciência da Computação. Tem experiência na área de Ciência da Computação, atuando principalmente nos seguintes temas: metaheurísticas, otimização combinatória, programação matemática, mineração de dados e computação de alto desempenho. É Orientador no Mestrado e Doutorado em Governança e Transofmração Digital (Otimização de Sistemas & Inteligência Computacional).

Publicado
2025-06-04
Número
Vol. 13 Núm. 2 (2025): Revista Amazônia: Science & Health
Sección
Artigos

Derechos de autor 2025 AMAZÔNIA: SCIENCE & HEALTH

Creative Commons License
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-SinObrasDerivadas 4.0.

A Revista faz uso da Licença Creative Commons Atribuição-Não Comercial-Compartilha Igual 4.0 Internacional (CC BY-NC-SA 4.0)

Maiores informações sobre a licença disponível em: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.pt

  • 1º Os autores cedem à Revista Amazônia: Science & Health  os direitos autorais no momento em que submetem seus artigos à mesma. Os autores declaram que o artigo submetido não foi publicado, e não está sendo considerado para publicação, na íntegra ou em parte em outro periódico. Os autores assumem total responsabilidade pela originalidade do artigo, podendo incidir sobre os mesmos, eventuais encargos decorrentes de reivindicação, por parte de terceiros, em relação à autoria do artigo.
  • 2º A reprodução total dos artigos da Revista em outros meios de comunicação eletrônicos de uso livre é permitida de acordo com a licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional. 
  • 3º Para outras situações (reprodução parcial dos artigos, impressão em meio físico, entre outras) é necessária consulta e autorização prévia do Conselho Editorial.