Estimativas de custos relacionados ao diagnóstico e tratamento do câncer de mama: um estudo da potencial magnitude dos diagnósticos incorretos no sistema único de saúde e influencia construtiva com auxílio de inteligência artificial

Mineiro, Mariana de Carvalho [UNIFESP]

Estimativas de custos relacionados ao diagnóstico e tratamento do câncer de mama: um estudo da potencial magnitude dos diagnósticos incorretos no sistema único de saúde e influencia construtiva com auxílio de inteligência artificial

dc.contributor.advisor	Moraes, Matheus Cardoso [UNIFESP]
dc.contributor.advisor-co	Vital, Daniel Aparecido
dc.contributor.advisor-coLattes	http://lattes.cnpq.br/9953367352575096	pt_BR
dc.contributor.advisorLattes	http://lattes.cnpq.br/1854451408004051	pt_BR
dc.contributor.author	Mineiro, Mariana de Carvalho [UNIFESP]
dc.coverage.spatial	São José dos Campos, SP	pt_BR
dc.date.accessioned	2022-02-11T11:12:06Z
dc.date.available	2022-02-11T11:12:06Z
dc.date.issued	2022-02-02
dc.description.abstract	Contexto: O câncer de mama é a neoplasia mais comum entre as mulheres brasileiras, acometendo mais de 60 mil novos casos ao ano. O diagnóstico da doença é iniciado através de exames de imagens, comumente a mamografia, que podem ser passíveis a erros. Estes erros podem ser caracterizados de duas formas: erros falso positivo, gerando novos exames e novos custos ao Sistema Único de Saúde que poderiam ser evitados e erros falso negativo, que resultam em um diagnóstico tardio da doença, que além de diminuir a produtividade do tratamento, aumentam excessivamente os seus custos. Objetivo: O estudo tem como objetivo estimar os custos para o SUS relacionados aos erros que acontecem durante o diagnóstico do câncer de mama. Metodologia: Para isso, realizou-se uma revisão e interpolação de informações presentes em bancos de dados digitais, a fim de descrever quantitativamente o problema. A pesquisa foi realizada considerando o diagnóstico feito pelo radiologista e o diagnóstico feito pelo radiologista com o auxílio de inteligência artificial. Resultados: Foram captados diferentes dados de diagnóstico realizados pelo radiologista em comparação com um cenário utilizando a inteligência artificial. No primeiro caso, onde a sensibilidade varia cerca de 3% e a especificidade varia 2% entre os dois sistemas de diagnóstico, os custos relacionados ao dois tipos de erro oscilam em 18%, sendo o cenário com o uso de IA com menos gastos. No caso em que o diagnóstico com e sem o uso de inteligência artificial varia em 10% e a especificidade varia em 3%, os custos são decrescidos em 38%. Além disso, obtém-se que o maior custo do erro tipo falso positivo está relacionado à realização de novas biopsias. O maior erro do tipo falso negativo acontece quando a paciente encontra-se inicialmente no primeiro estágio de câncer e na pré menopausa e obtém o diagnóstico correto apenas no terceiro estágio de câncer da pós menopausa. Conclusão: Com o estudo estima-se os custos do diagnóstico incorreto para o SUS e conclui-se que quanto maior a sensibilidade e especificidade empregadas no sistema de diagnóstico do câncer de mama, menor será o custo adicional ao erro para o Sistema Único de Saúde. Um sistema utilizando o radilogista com o auxilio da inteligência artificial performa melhor do que um cenário considerando apenas o radiologista. Além disso, a IA apresenta uma melhor performance na detecção de câncer em estágio inicial.	pt_BR
dc.description.sponsorship	Não recebi financiamento	pt_BR
dc.format.extent	37 f.	pt_BR
dc.identifier.uri	https://hdl.handle.net/11600/62778
dc.language	por	pt_BR
dc.publisher	Universidade Federal de São Paulo	pt_BR
dc.rights	info:eu-repo/semantics/openAccess	pt_BR
dc.subject	Câncer de mama	pt_BR
dc.subject	Erros diagnóstico	pt_BR
dc.subject	Custos	pt_BR
dc.subject	Tratamento	pt_BR
dc.subject	Mamografia	pt_BR
dc.title	Estimativas de custos relacionados ao diagnóstico e tratamento do câncer de mama: um estudo da potencial magnitude dos diagnósticos incorretos no sistema único de saúde e influencia construtiva com auxílio de inteligência artificial	pt_BR
dc.type	info:eu-repo/semantics/bachelorThesis	pt_BR
unifesp.campus	Instituto de Ciência e Tecnologia (ICT)	pt_BR
unifesp.graduacao	Engenharia Biomédica	pt_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1

Nome:: TCC 2 EB 2021.2 - MARIANA MINEIRO - VERSAO POS BANCA.pdf
Tamanho:: 396.76 KB
Formato:: Adobe Portable Document Format
Descrição:

Baixar

Licença do Pacote

Agora exibindo 1 - 1 de 1

Nome:: license.txt
Tamanho:: 5.84 KB
Formato:: Item-specific license agreed upon to submission
Descrição:

Baixar

Coleções

Engenharia Biomédica