Glossário

IA na saúde

O que é IA na saúde?

A IA na saúde abrange aplicações que apoiam o pessoal clínico e a administração, por exemplo na análise de imagens médicas, na documentação, no agendamento de consultas ou na avaliação de dados de investigação. Tais sistemas dão indicações e aliviam a carga de trabalho, mas não substituem o juízo clínico e não prometem curas. Muitas aplicações médicas de IA estão sujeitas à regulamentação de dispositivos médicos e a regras estritas de proteção de dados de saúde. Exemplo: um software destaca zonas suspeitas em radiografias para revisão por especialistas.

Temas

Saúde
Medicina
Proteção de dados

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração

← Todos os termos

Termos relacionados

Visão computacional

A visão computacional é uma área da IA em que os computadores interpretam imagens e vídeo. As tarefas típicas incluem detetar e localizar objetos, ler texto em imagens e medir componentes. A tecnologia é utilizada, por exemplo, no controlo de qualidade na produção, em sistemas de assistência à condução, na logística e na imagiologia médica.

análise de imagem
deep learning
+1

Regulamentação de proteção de dados

A regulamentação de proteção de dados reúne as normas jurídicas que regem o tratamento de dados pessoais. Na UE, o Regulamento Geral sobre a Proteção de Dados (RGPD) é o quadro principal; exige, entre outros aspetos, um fundamento jurídico para cada tratamento, a minimização de dados, a transparência perante os titulares dos dados e acordos de tratamento de dados com os prestadores de serviços. Ao utilizar IA, as organizações têm de esclarecer que dados acabam nas entradas, nas fontes de conhecimento e nos registos, e onde são tratados.

RGPD
proteção de dados
+1

Explicabilidade

A explicabilidade (IA explicável, XAI) descreve em que medida se consegue compreender por que razão um sistema de IA chegou a determinado resultado. Abrange métodos que mostram que entradas mais influenciaram uma decisão, bem como auxiliares práticos como referências às fontes e registos. A explicabilidade é importante para a confiança, a resolução de problemas e a regulamentação – por exemplo, quando um banco tem de justificar por que razão recusou um pedido.

XAI
Transparência
+1

Human-in-the-loop

Human-in-the-loop descreve fluxos de trabalho em que as pessoas intervêm num processo de IA em pontos definidos: revêem resultados, aprovam-nos ou corrigem-nos, ou assumem os casos difíceis. O princípio reduz o risco de saídas erradas e mantém a responsabilidade nas pessoas, sobretudo em decisões que afetam indivíduos, dinheiro ou assuntos jurídicos. Exemplo: um agente de IA redige respostas a pedidos de clientes e um colaborador verifica-as antes de serem enviadas.

Aprovação
Supervisão
+1