Diagnósticos Assistidos por IA em Cenários de Saúde com Recursos Limitados no Malawi

Diagnósticos assistidos por IA mostraram-se promissores em ambientes de saúde com recursos limitados ao melhorar a precisão e eficiência do diagnóstico de doenças. Um estudo transversal foi conduzido utilizando modelos de aprendizado de máquina treinados em um conjunto de dados de registros clínicos de instalações de saúde do Malawi. O estudo teve como objetivo avaliar a precisão dos modelos por meio de métricas de precisão e recall. Os modelos de IA alcançaram uma taxa geral de precisão de 85% no diagnóstico de doenças comuns, com maior precisão para casos de malária (90%) em comparação com tuberculose (75%). Diagnósticos assistidos por IA podem melhorar significativamente os resultados do diagnóstico de doenças em ambientes com recursos limitados. Pesquisas adicionais devem focar na validação dos modelos em diferentes regiões geográficas e na integração da IA nos fluxos de trabalho de saúde existentes. IA, Diagnósticos, Malawi, Precisão, Recall Estimativa do modelo usado =argmin_ᵢ (yᵢ, f_ (xᵢ) ) +₂², com desempenho avaliado pelo erro fora da amostra.