Use este identificador para citar ou linkar para este item: https://dspace.unigoyazes.edu.br/handle/123456789/1388
Registro completo de metadados
Campo DCValorIdioma
dc.creatorROMERO, Daniel Alejandro Gutierrez-
dc.creatorNASCIMENTO, Jhonatas Fernandes-
dc.date.accessioned2026-05-12T22:40:34Z-
dc.date.available2026-05-12-
dc.date.available2026-05-12T22:40:34Z-
dc.date.issued2025-12-
dc.identifier.urihttp://200.225.206.52:8080/jspui/handle/123456789/1388-
dc.description.abstractObjective: To analyze the application of artificial intelligence in the preventive detection of cervical cancer, with emphasis on cytopathology. Methodology: Integrative review in PubMed, MEDLINE, BVS, SciELO and LILACS (2020–2025), in Portuguese, English and Spanish; selection by predefined criteria; five studies included. Results: Deep learning algorithms demonstrated increased sensitivity, specificity and standardization in cytological screening, reduced diagnostic time and potential cost reduction; challenges include the need for annotated databases, high computational demand, integration into clinical workflows and ethical issues. Conclusion: AI is promising as a complementary tool to cytology; its implementation requires multicenter validation, standardized protocols and governance to ensure safety, equity and clinical adoption.pt_BR
dc.languageporpt_BR
dc.publisherCentro Universitário Goyazespt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectCitologiapt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectDetecção Precoce de Câncerpt_BR
dc.titleO uso da inteligência artificial na detecção preventiva do câncer cervical: um avanço tecnológico na luta contra o câncerpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1MAGALHÃES, Juliana Cristina-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8361893015456207pt_BR
dc.description.resumoObjetivo: Analisar a aplicação da inteligência artificial na detecção preventiva do câncer cervical, com ênfase na citopatologia. Metodologia: Revisão integrativa em PubMed, MEDLINE, BVS, SciELO e LILACS (2020–2025), idiomas português, inglês e espanhol; seleção por critérios pré‐definidos; cinco estudos incluídos. Resultados: Algoritmos de deep learning demonstraram aumento de sensibilidade, especificidade e padronização na triagem citológica, redução do tempo diagnóstico e potencial diminuição de custos; desafios incluem necessidade de bases anotadas, alta demanda computacional, integração aos fluxos clínicos e questões éticas. Conclusão: A IA é promissora como ferramenta complementar à citologia; sua implementação requer validação multicêntrica, protocolos padronizados e governança para assegurar segurança, equidade e adoção clínica.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentBiomedicinapt_BR
dc.publisher.initialsUNIGOYAZESpt_BR
dc.subject.cnpqCNPQ::CIENCIAS DA SAUDE::SAUDE COLETIVA::MEDICINA PREVENTIVApt_BR
Aparece nas coleções:TCCs

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC 6 BMD 2025-2.pdf191,97 kBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.