Comparação entre protocolos tradicionais e gerados por Inteligência Artificial na incidência AP axial da coluna cervical
Palavras-chave:
Radiologia, Inteligência Artificial, Comparação de protocolos., Profissionais da SaúdeResumo
A qualidade dos exames radiográficos é essencial para diagnósticos precisos na prática radiológica. Tecnólogos em radiologia utilizam protocolos validados, sendo o "Manual de Posicionamento Radiográfico e Anatomia Associada" de Bontrager uma referência consagrada. Com o avanço da inteligência artificial, ferramentas como o ChatGPT têm sido empregadas na criação de protocolos de exame radiográfico. Este estudo comparou dois protocolos para a realização de exames radiográficos da coluna cervical na incidência AP axial: um desenvolvido pelo ChatGPT e outro extraído do livro de Bontrager. Para garantir imparcialidade, os avaliadores não sabiam a origem de cada protocolo. A pesquisa envolveu a aplicação prática dos protocolos, considerando critérios técnicos e clínicos como posicionamento correto do paciente, ajustes nos parâmetros radiográficos e qualidade da imagem obtida. Profissionais da área de radiologia foram convidados a avaliar ambos os protocolos e a escolher aquele que consideravam mais eficaz e eficiente. Os resultados revelaram que, dentre os 15 avaliadores, 66,67% demonstraram preferência pelo protocolo criado pelo ChatGPT, destacando sua metodologia mais detalhada e explicativa. Os outros 33,33% preferiram o protocolo do Bontrager. A maioria dos profissionais de radiologia preferiu o protocolo gerado pela inteligência artificial para a incidência AP axial da coluna cervical, indicando potencial para a integração de ferramentas de IA na elaboração de protocolos radiográficos. Embora os protocolos tradicionais sejam amplamente respeitados, a abordagem detalhada fornecida pelo ChatGPT foi valorizada pelos profissionais. Recomenda-se que futuras pesquisas explorem maneiras de combinar a precisão dos protocolos estabelecidos com a clareza e adaptabilidade proporcionadas pela inteligência artificial, visando aprimorar os materiais de referência na radiologia.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2024 FACSETE Health Sciences

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.