Avanços na Inteligência Artificial para o cuidado de úlceras em pessoas com Diabetes Mellitus

Priscila Apolinario; Flávia  Cristina Zanchetta; Camila Quinetti Paes Pittella; Maria Helena  Melo Lima

doi:10.31011/reaid-2024-v.98-n.3-art.2326

Autores

Priscila Apolinario Universidade Estadual de Campinas https://orcid.org/0000-0002-5134-6963
Flávia Cristina Zanchetta Faculdade de Enfermagem Unicamp https://orcid.org/0000-0002-5934-9683
Camila Quinetti Paes Pittella Faculdade de Enfermagem - UFJF https://orcid.org/0000-0003-3431-5927
Maria Helena Melo Lima Faculdade de Enfermagem Unicamp https://orcid.org/0000-0001-6521-8324

DOI:

https://doi.org/10.31011/reaid-2024-v.98-n.3-art.2326

Palavras-chave:

Inteligência Artificial, Pé Diabético, Ferimentos, Saúde Digital

Resumo

Neste manuscrito abordamos o uso potencial da Inteligência Artifical (IA) no ensino, na prevenção, na detecção precoce, no diagnóstico e no tratamento das úlceras em pessoas com Diabetes Mellitus por meio de uma discussão estruturada em 4 eixos, sendo eles: Eixo1. Ensino e Informação; Eixo 2.Prevenção; Eixo 3. Detecção Precoce e Diagnóstico; Eixo 4. Tratamento. No qual relatamos as principias e mais atuais pesquisas em cada eixo. Conclui-se que a IA possui um futuro promissor no ensino e informação, na prevenção, na detecção precoce da lesão, no diagnóstico e no tratamento de UPD, com benefícios diretos para os sistemas de saúde, para os pacientes e para os profissionais que prestam assistência às feridas de pessoas com diabetes. Contudo, é ressaltamos que será necessário adaptação e empenho coletivo pelos membros da sociedade para o uso dos potenciais benefícios da IA e deste modo ocorrer uma real melhoria no cuidado de úlceras em pessoas com Diabetes Mellitus favorecida pela IA.

Downloads

Não há dados estatísticos.

Referências

International Diabetes Federation. IDF Diabetes Atlas. 10 edição. Bruxelas, Bélgica; 2021.

Instituto Brasileiro de Geografia e Estatística (IBGE). Censo Demográfico 2022. Rio de Janeiro: IBGE; 2023.

Waibel FWA, Uçkay I, Soldevila-Boixader L, Sydler C, Gariani K. Current knowledge of morbidities and direct costs related to diabetic foot disorders: a literature review. Front Endocrinol (Lausanne). 2024; 17;14:1323315.

Sarp S, Kuzlu M, Wilson E, Cali U, Guler O. The Enlightening Role of Explainable Artificial Intelligence in Chronic Wound Classification. Electronics (Basel). 2021;10(12):1406.

Barakat‐Johnson M, Jones A, Burger M, Leong T, Frotjold A, Randall S, et al. Reshaping wound care: Evaluation of an artificial intelligence app to improve wound assessment and management amid the COVID-19 pandemic. Int Wound J. 2022;19(6):1561–77.

Tehsin S, Kausar S, Jameel A. Diabetic wounds and artificial intelligence: A mini-review. World J Clin Cases. 2023;11(1):84–91.

Cross K, Harding K. Risk profiling in the prevention and treatment of chronic wounds using artificial intelligence. Int Wound J. 2022;19(6):1283–5.

Bender C, Cichosz SL, Malovini A, Bellazzi R, Pape-Haugaard L, Hejlesen O. Using Case-Based Reasoning in a Learning System: A Prototype of a Pedagogical Nurse Tool for Evidence-Based Diabetic Foot Ulcer Care. J Diabetes Sci Technol. 2022;16(2):454–9.

Mashatian S, Armstrong DG, Ritter A, Robbins J, Aziz S, Alenabi I, et al. Building Trustworthy Generative Artificial Intelligence for Diabetes Care and Limb Preservation: A Medical Knowledge Extraction Case. J Diabetes Sci Technol. 2024; 20:19322968241253568.

Adam M, Ng EYK, Tan JH, Heng ML, Tong JWK, Acharya UR. Computer aided diagnosis of diabetic foot using infrared thermography: A review. Comput Biol Med. 2017;91:326–36.

Liu C, van Netten JJ, van Baal JG, Bus SA, van der Heijden F. Automatic detection of diabetic foot complications with infrared thermography by asymmetric analysis. J Biomed Opt. 2015;20(2):026003.

Faus Camarena M, Izquierdo-Renau M, Julian-Rochina I, Arrébola M, Miralles M. Update on the Use of Infrared Thermography in the Early Detection of Diabetic Foot Complications: A Bibliographic Review. Sensors. 2023;24(1):252.

Singh K, Singh VK, Agrawal NK, Gupta SK, Singh K. Association of Toll-Like Receptor 4 Polymorphisms with Diabetic Foot Ulcers and Application of Artificial Neural Network in DFU Risk Assessment in Type 2 Diabetes Patients. Biomed Res Int. 2013;2013:1–9.

Ferreira ACBH, Ferreira DD, Oliveira HC, Resende IC de, Anjos A, Lopes MHB de M. Competitive neural layer-based method to identify people with high risk for diabetic foot. Comput Biol Med. 2020;120:103744.

Yap MH, Chatwin KE, Ng CC, Abbott CA, Bowling FL, Rajbhandari S, et al. A New Mobile Application for Standardizing Diabetic Foot Images. J Diabetes Sci Technol. 2018;12(1):169–73.

Wang L, Pedersen PC, Strong DM, Tulu B, Agu E, Ignotz R. Smartphone-Based Wound Assessment System for Patients With Diabetes. IEEE Trans Biomed Eng. 2015;62(2):477–88.

Goyal M, Reeves ND, Davison AK, Rajbhandari S, Spragg J, Yap MH. DFUNet: Convolutional Neural Networks for Diabetic Foot Ulcer Classification. IEEE Trans Emerg Top Comput Intell. 2020;4(5):728–39.

Yap MH, Cassidy B, Pappachan JM, O’Shea C, Gillespie D, Reeves ND. Analysis Towards Classification of Infection and Ischaemia of Diabetic Foot Ulcers. In: 2021 IEEE EMBS International Conference on Biomedical and Health Informatics (BHI). IEEE; 2021. p. 1–4.

Kaur D, Purwar R. Nanotechnological advancement in artificial intelligence for wound care. In: Nanotechnological Aspects for Next-Generation Wound Management. Elsevier; 2024. p. 281–318.

Zhao Y, Li Z, Song S, Yang K, Liu H, Yang Z, et al. Skin‐Inspired Antibacterial Conductive Hydrogels for Epidermal Sensors and Diabetic Foot Wound Dressings. Adv Funct Mater. 2019;29(31).

Germani M. Shoes Customization Design Tools for the “Diabetic Foot.” Comput Aided Des Appl. 2011;8(5):693–711.