Uso de aplicativo de inteligência artificial como fonte de informação para resolução de provas de Odontologia / Use of an artificial intelligence application as a source of information for solving Dentistry exams

Introdução: O ChatGPT® é uma ferramenta pública desenvolvida pela OpenAI que utiliza a tecnologia do modelo de linguagem GPT. Este chatbot é capaz de atender a variadas solicitações de texto. Objetivo: avaliar se o ChatGPT® é capaz de ser a única fonte de informação para resolução de provas de Odontologia. Material e métodos: consiste em um estudo transversal quantitativo analítico. Para a coleta de dados, foi elaborada uma prova fictícia constituída por questões do ENADE e de outros concursos públicos. Os participantes responderam a prova em dois momentos: T1, sem o ChatGPT® e, após 15 dias (T2), utilizando-o. A amostra foi de 30 discentes de graduação em Odontologia, divididos igualmente entre 3 grupos: 1º ao 4º semestre, 5º ao 6º semestre e 7º ao 10º semestre. Para análise de dados foram aplicadas análises estatísticas descritiva e inferencial, por meio do software SPSS, com os testes de Wilcoxon e de McNemar. Resultados: revelaram uma eficácia notável do ChatGPT® na resolução de questões discursivas, com 83,3% de taxa de acerto, enquanto os discentes deram mais respostas incorretas ou incompletas. Porém, foram observadas limitações da base de dados do ChatGPT® quanto às questões objetivas. É crucial ressaltar que, apesar de resultados promissores, a aplicação do Chat levanta questões éticas e pedagógicas. Assim, a introdução do ChatGPT® na educação preocupa quanto à validade e equidade nas avaliações, destacando a importância de encontrar equilíbrio entre a inovação tecnológica e a preservação da integridade acadêmica

Introduction: ChatGPT® is a public tool developed by OpenAI that employs the language model technology of GPT. This chatbot is capable of addressing various text-based requests. Objective: To assess whether ChatGPT® can be the sole source of information for resolving Dentistry exams. Materials and Methods: This is an analytical quantitative cross-sectional study. For data collection, a fictitious exam was created, consisting of questions from the National Student Performance Exam (ENADE) and other public competitions. Participants answered the exam at two different times: T1, without ChatGPT®, and, after 15 days (T2), using it. The sample included 30 undergraduate Dentistry students, equally divided into three groups: 1st to 4th semester, 5th to 6th semester, and 7th to 10th semester. Descriptive and inferential statistical analyses were applied using SPSS software, including the Wilcoxon and McNemar tests. Results: They revealed a notable effectiveness of ChatGPT® in resolving essay questions, with an 83.3% accuracy rate, while students provided more incorrect or incomplete answers. However, limitations of the ChatGPT® database were observed regarding objective questions. It is crucial to emphasize that, despite promising results, the application of Chat raises ethical and pedagogical questions. Therefore, the introduction of ChatGPT® in education raises concerns about the validity and fairness of assessments, underscoring the importance of finding a balance between technological innovation and the preservation of academic integrity

El principio ético de la intervención humana en la responsabilidad civil

Una de las mayores complejidades que se presentan respecto de la responsabilidad civil por daños causados por sistemas de inteligencia artificial viene dada por la dificultad de atribuir la conducta que causa daño a un sujeto particular. Frente a ello, este artículo expone la importancia del principio ético de la intervención humana para la responsabilidad civil, cuya función consiste en constituir la guía para la interpretación y aplicación de sus reglas en los casos en los que, como resultado de una acción u omisión emanada de una decisión, recomendación o predicción realizada por un sistema de inteligencia artificial, se causen daños a las personas.

One of the main challenges associated with regard to civil liability for damages resulting from artificial intelligence systems is the difficulty of attributing the behavior that led to harm to a specific individual. The aim of this article is to highlight the significance of the ethical principle of human intervention for civil liability. This principle serves as a guide for interpreting and applying rules when artificial intelligence systems cause harm to individuals due to actions, decisions, recommendations or predictions.

Uma das maiores complexidades que se apresentam a respeito da responsabilidade civil por danos causados por sistemas de inteligência artificial vem dada pela dificuldade de atribuir a conduta que causa dano a um sujeito particular. Frente a isso, este artigo expõe a importância do princípio ético da intervenção humana para a responsabilidade civil, cuja função consiste em constituir uma orientação para a interpretação e aplicação de suas regras nos casos em que, como resultado de uma ação ou omissão emanada de uma decisão, recomendação ou previsão realizada por um sistema de inteligência artificial, se cause danos às pessoas.

Consideraciones Éticas y Académicas sobre el Uso de Inteligencia Artificial en Cursos de Metodología de la Investigación en Rehabilitación / Ethical and Academic Reflections on the Integration of Artificial Intelligence in Research Methodology Courses in Rehabilitation Science

En el cruce entre la revolución tecnológica y la educación en ciencias de la rehabilitación y del movimiento humano, la inteligencia artificial (IA) emerge como herramienta transformadora en los cursos de metodología de investigación. Este artículo destaca su potencial para optimizar la experiencia de aprendizaje y personalizar la instrucción, pero enfatiza la necesidad crucial de abordar desafíos éticos y pedagógicos. Propone orientaciones para equilibrar la innovación educativa y la responsabilidad académica, resaltando la importancia de la implementación consciente y planificada de la IA en los equipos de investigación en ciencias de la rehabilitación y del movimiento humano, garantizando así la integridad científica y ética en este campo en constante evolución.

In the intersection between technological advancements and education in rehabilitation science, artificial intelligence (AI) emerges as a transformative tool in research methodology. This article navigates the ethical and academic considerations tied to the incorporation of AI in rehabilitation and movement science courses. While acknowledging its potential to enhance learning experiences, it critically addresses the imperative to tackle ethical and pedagogical challenges. The paper offers guidance to strike a balance between educational innovation and academic responsibility. It emphasizes the need for a conscientious and planned implementation of AI, ensuring both scientific integrity and ethical adherence in this dynamically evolving field.

Evaluación de signos vitales mediante una aplicación móvil en pacientes con insuficiencia cardiaca: ¿una oportunidad para la titulación remota? / Evaluation of vital signs through a mobile application in patients with heart failure: a opportunity for remote titration?

Resumen Antecedentes: Las consultas virtuales aumentaron exponencialmente, pero presentan como limitación la imposibilidad de valorar los signos vitales (SV), siendo especialmente útiles en los pacientes con insuficiencia cardiaca (IC) para titular medicación que modifica pronóstico. Este problema podría potencialmente solucionarse mediante una herramienta que pueda medir la presión arterial (PA) y frecuencia cardiaca (FC) de manera precisa, accesible y remota. Los teléfonos móviles equipados con tecnología de imágenes ópticas transdérmicas podrían cumplir con estos requisitos. Objetivo: Evaluar la precisión de una app basada en imagen óptica transdérmica para estimar SV en relación con la valoración clínica en pacientes con IC. Métodos: Estudio de cohorte prospectivo, se incluyeron pacientes evaluados en una unidad ambulatoria de IC de febrero a abril del 2022. Se valoró simultáneamente la PA y FC mediante la app y el examen clínico (PA con un esfigmomanómetro automatizado y FC por palpación braquial). Se realizaron tres mediciones por app y clínica en cada paciente, por dos médicos independientes, encontrándose ciegos a los resultados. Resultados: Se incluyeron 30 pacientes, con 540 mediciones de TA y de FC. Edad media de 66 (± 13) años, el 53.3% de sexo masculino. La fracción de eyección del ventrículo izquierdo media fue de 37 ± 15, con hospitalizaciones previas por IC el 63.3%, en CF II-III el 63.4%. La diferencia media entre la medición de la app y su medición de referencia clínica fue de 3.6 ± 0.5 mmHg para PA sistólica (PAS), 0.9 ± -0.2 mmHg para PA diastólica (PAD) y 0.2 ± 0.4 lpm para FC. Cuando se promedian las diferencias medias emparejadas para cada paciente, la media entre los 30 pacientes es de 2 ± 6 mmHg para PAS, -0.14 ± 4.6 mmHg para PAD y 0.23 ± 4 lpm para FC. Conclusión: La estimación de PA y FC por una app con tecnología de imagen óptica transdérmica fue comparable a la medición no invasiva en pacientes con IC, y cumple los criterios de precisión de la medición de PA en este estudio preliminar. La utilización de esta nueva tecnología de imagen óptica transdérmica brinda datos prometedores, que deberán ser corroborados en cohortes de mayor tamaño.

Abstract Background: Virtual consultations have increased exponentially, but a limitation is the inability to assess vital signs (VS). This is particularly useful in patients with heart failure (HF) for titrating prognosis-modifying medication. This issue could potentially be addressed by a tool capable of measuring blood pressure (BP) and heart rate (HR) accurately, remotely, and conveniently. Mobile phones equipped with transdermal optical imaging technology could meet these requirements. Objective: To evaluate the accuracy of a transdermal optical imaging-based app for estimating VS compared to clinical assessment in patients with HF. Methods: A prospective cohort study included patients evaluated in an HF outpatient unit between February and April 2022. BP and HR were simultaneously assessed using the app and clinical examination (BP with an automated sphygmomanometer and HR by brachial palpation). Three measurements were taken by both the app and clinic for each patient, by two independent blinded physicians. Results: Thirty patients were included, with 540 measurements of BP and HR. The mean age was 66 (± 13) years, 53.3% were male. The mean left ventricular ejection fraction was 37 ± 15, with 63.3% having previous hospitalizations for HF, and 63.4% in NYHA class II-III. The mean difference between the app measurement and its clinical reference measurement was 3.6 ± 0.5 mmHg for systolic BP (SBP), 0.9 ± -0.2 mmHg for diastolic BP (DBP), and 0.2 ± 0.4 bpm for HR. When averaging the paired mean differences for each patient, the mean across the 30 patients was 2 ± 6 mmHg for SBP, -0.14 ± 4.6 mmHg for DBP, and 0.23 ± 4 bpm for HR. Conclusion: The estimation of BP and HR by an app with transdermal optical imaging technology was comparable to non-invasive measurement in patients with HF and met the precision criteria for BP measurement in this preliminary study. The use of this new transdermal optical imaging technology provides promising data, which should be corroborated in larger cohorts.

Optimización de la interpretación de ecocardiogramas con la utilización de Machine Learning en el estudio WASE / Optimizing Echocardiograms Interpretation with the Application of Machine Learning in the WASE Study

RESUMEN Introducción: El número creciente de estudios ecocardiográficos y la necesidad de cumplir rigurosamente con las recomendaciones de guías internacionales de cuantificación, ha llevado a que los cardiólogos deban realizar tareas sumamente extensas y repetitivas, como parte de la interpretación y análisis de cantidades de información cada vez más abrumadoras. Novedosas técnicas de machine learning (ML), diseñadas para reconocer imágenes y realizar mediciones en las vistas adecuadas, están siendo cada vez más utilizadas para responder a esta necesidad evidente de automatización de procesos. Objetivos: Nuestro objetivo fue evaluar un modelo alternativo de interpretación y análisis de estudios ecocardiográficos, basado fundamentalmente en la utilización de software de ML, capaz de identificar y clasificar vistas y realizar mediciones estandarizadas de forma automática. Material y métodos: Se utilizaron imágenes obtenidas en 2000 sujetos normales, libres de enfermedad, de los cuales 1800 fueron utilizados para desarrollar los algoritmos de ML y 200 para su validación posterior. Primero, una red neuronal convolucional fue desarrollada para reconocer 18 vistas ecocardiográficas estándar y clasificarlas de acuerdo con 8 grupos (stacks) temáticos. Los resultados de la identificación automática fueron comparados con la clasificación realizada por expertos. Luego, algoritmos de ML fueron desarrollados para medir automáticamente 16 parámetros de eco Doppler de evaluación clínica habitual, los cuales fueron comparados con las mediciones realizadas por un lector experto. Finalmente, comparamos el tiempo necesario para completar el análisis de un estudio ecocardiográfico con la utilización de métodos manuales convencionales, con el tiempo necesario con el empleo del modelo que incorpora ML en la clasificación de imágenes y mediciones ecocardiográficas iniciales. La variabilidad inter e intraobservador también fue analizada. Resultados: La clasificación automática de vistas fue posible en menos de 1 segundo por estudio, con una precisión de 90 % en imágenes 2D y de 94 % en imágenes Doppler. La agrupación de imágenes en stacks tuvo una precisión de 91 %, y fue posible completar dichos grupos con las imágenes necesarias en 99% de los casos. La concordancia con expertos fue excelente, con diferencias similares a las observadas entre dos lectores humanos. La incorporación de ML en la clasificación y medición de imágenes ecocardiográficas redujo un 41 % el tiempo de análisis y demostró menor variabilidad que la metodología de interpretación convencional. Conclusión: La incorporación de técnicas de ML puede mejorar significativamente la reproducibilidad y eficiencia de las interpretaciones y mediciones ecocardiográficas. La implementación de este tipo de tecnologías en la práctica clínica podría resultar en reducción de costos y aumento en la satisfacción del personal médico.

ABSTRACT Background: The growing number of echocardiographic tests and the need for strict adherence to international quantification guidelines have forced cardiologists to perform highly extended and repetitive tasks when interpreting and analyzing increasingly overwhelming amounts of data. Novel machine learning (ML) techniques, designed to identify images and perform measurements at relevant visits, are becoming more common to meet this obvious need for process automation. Objectives: Our objective was to evaluate an alternative model for the interpretation and analysis of echocardiographic tests mostly based on the use of ML software in order to identify and classify views and perform standardized measurements automatically. Methods: Images came from 2000 healthy subjects, 1800 of whom were used to develop ML algorithms and 200 for subsequent validation. First, a convolutional neural network was developed in order to identify 18 standard echocardiographic views and classify them based on 8 thematic groups (stacks). The results of automatic identification were compared to classification by experts. Later, ML algorithms were developed to automatically measure 16 Doppler scan parameters for regular clinical evaluation, which were compared to measurements by an expert reader. Finally, we compared the time required to complete the analysis of an echocardiographic test using conventional manual methods with the time needed when using the ML model to classify images and perform initial echocardiographic measurements. Inter- and intra-observer variability was also analyzed. Results: Automatic view classification was possible in less than 1 second per test, with a 90% accuracy for 2D images and a 94% accuracy for Doppler scan images. Stacking images had a 91% accuracy, and it was possible to complete the groups with any necessary images in 99% of cases. Expert agreement was outstanding, with discrepancies similar to those found between two human readers. Applying ML to echocardiographic imaging classification and measurement reduced time of analysis by 41% and showed lower variability than conventional reading methods. Conclusion: Application of ML techniques may significantly improve reproducibility and efficiency of echocardiographic interpretations and measurements. Using this type of technologies in clinical practice may lead to reduced costs and increased medical staff satisfaction.

Implicancias de la inteligencia artificial en los métodos de imagen endovascular / Implications of Artificial Intelligence in Intravascular Imaging Methods

RESUMEN La angioplastia transluminal coronaria (ATC) es una de las principales estrategias de revascularización en pacientes con enfermedad coronaria aterosclerótica (ECA). Numerosos estudios respaldan la optimización de la ATC mediante métodos de imagen endovascular; sin embargo, estos métodos son subutilizados en la práctica clínica contemporánea y enfrentan desafíos en la interpretación de los datos obtenidos, por lo que la integración de la inteligencia artificial (IA) se vislumbra como una solución atractiva para promover y simplificar su uso. La IA se define como un programa computarizado que imita la capacidad del cerebro humano para recopilar y procesar datos. El aprendizaje de máquinas es una subdisciplina de la IA que implica la creación de algoritmos capaces de analizar grandes conjuntos de datos sin suposiciones previas, mientras que el aprendizaje profundo se centra en la construcción y entrenamiento de redes neuronales artificiales profundas y complejas. Así, se ha demostrado que la incorporación de sistemas de IA a los métodos de imagen endovascular incrementa la precisión de la ATC, disminuye el tiempo del procedimiento y la variabilidad interobservador en la interpretación de los datos obtenidos, promueve así una mayor adopción y facilita su utilización. El propósito de la presente revisión es destacar cómo los sistemas actuales basados en IA pueden desempeñar un papel fundamental en la interpretación de los datos generados por los métodos de imagen endovascular, lo que conduce a una mejora en la optimización de la ATC en pacientes con ECA.

ABSTRACT Percutaneous coronary intervention (PCI) is one of the primary revascularization strategies in patients with coronary artery disease (CAD). Several studies support the use of intravascular imaging methods to optimize PCI. However, these methods are underutilized in contemporary clinical practice and face challenges in data interpretation. Therefore, the incorporation of artificial intelligence (AI) is seen as an attractive solution to promote and simplify their use. AI can be defined as a computer program that mimics the human brain in its ability to collect and process data. Machine learning is a sub-discipline of AI that involves the creation of algorithms capable of analyzing large datasets without making prior assumptions, while deep learning focuses on the construction and training of deep and complex artificial neural networks. The incorporation of AI systems to intravascular imaging methods improves the accuracy of PCI, reduces procedure duration, and minimizes interobserver variability in data interpretation. This promotes their wider adoption and facilitates their use. The aim of this review is to highlight how current AI-based systems can play a key role in the interpretation of data generated by intravascular imaging methods and optimize PCI in patients with CAD.

Inteligencia artificial. Aplicación en las imágenes cardiovasculares y la prevención cardiovascular / Artificial Intelligence in Cardiovascular Imaging and Cardiovascular Prevention

RESUMEN La inteligencia artificial (IA) está basada en programas computacionales que pueden imitar el pensamiento humano y automatizar algunos procesos. En el ámbito médico se está estudiando hace más de 50 años, pero en los últimos años el crecimiento ha sido exponencial. El campo de las imágenes cardiovasculares es particularmente atractivo para aplicarla, dado que, guiadas por IA, personas no expertas pueden adquirir imágenes completas, automatizar procesos y mediciones, orientar diagnósticos, detectar hallazgos no visibles al ojo humano, realizar diagnósticos oportunistas de afecciones no buscadas en el estudio índice pero evaluables a través de las imágenes disponibles, o identificar patrones de asociación dentro de una gran cantidad de datos como fuente de generación de hipótesis. En el campo de la prevención cardiovascular, la IA se ha aplicado en diferentes escenarios con fines diagnósticos, pronósticos y terapéuticos en el manejo de algunos factores de riesgo cardiovascular, como las dislipidemias o la hipertensión arterial. Si bien existen limitaciones con el uso de la IA tales como el costo, la accesibilidad y la compatibilidad de los programas, la validez externa de los resultados en determinadas poblaciones, o algunos aspectos éticos-legales (privacidad de los datos), esta tecnología está en crecimiento vertiginoso y posiblemente revolucione la práctica médica actual.

ABSTRACT Artificial intelligence (AI) is based on computer programs that imitate human thinking and automate certain processes. Artificial intelligence has been studied in the medical field for over 50 years, but in recent years, its growth has been exponential. The field of cardiovascular imaging is particularly attractive since AI can guide non-experts in image acquisition, automate processes and measurements, guide diagnoses, detect findings not visible to the human eye, make opportunistic diagnoses of unexpected conditions in the index test, or identify patterns of association within a large amount of data as a source of hypothesis generation. In the field of cardiovascular prevention, AI has been used for diagnostic, prognostic, and therapeutic purposes in managing cardiovascular risk factors such as dyslipidemia and hypertension. While there are limitations to the use of AI, such as cost, accessibility, compatibility of programs, external validity of results in certain populations, and ethical-legal aspects such as data privacy, this technology is rapidly growing and is likely to revolutionize current medical practice.

ChatGPT's learning and reasoning capacity in anesthesiology

Introduction: Over the past few months, ChatGPT has raised a lot of interest given its ability to perform complex tasks through natural language and conversation. However, its use in clinical decision-making is limited and its application in the field of anesthesiology is unknown. Objective: To assess ChatGPT's basic and clinical reasoning and its learning ability in a performance test on general and specific anesthesia topics. Methods: A three-phase assessment was conducted. Basic knowledge of anesthesia was assessed in the first phase, followed by a review of difficult airway management and, finally, measurement of decision-making ability in ten clinical cases. The second and the third phases were conducted before and after feeding ChatGPT with the 2022 guidelines of the American Society of Anesthesiologists on difficult airway management. Results: On average, ChatGPT succeded 65% of the time in the first phase and 48% of the time in the second phase. Agreement in clinical cases was 20%, with 90% relevance and 10% error rate. After learning, ChatGPT improved in the second phase, and was correct 59% of the time, with agreement in clinical cases also increasing to 40%. Conclusions: ChatGPT showed acceptable accuracy in the basic knowledge test, high relevance in the management of specific difficult airway clinical cases, and the ability to improve after learning.

Introducción: En los últimos meses, ChatGPT ha suscitado un gran interés debido a su capacidad para realizar tareas complejas a través del lenguaje natural y la conversación. Sin embargo, su uso en la toma de decisiones clínicas es limitado y su aplicación en el campo de anestesiología es desconocido. Objetivo: Evaluar el razonamiento básico, clínico y la capacidad de aprendizaje de ChatGPT en una prueba de rendimiento sobre temas generales y específicos de anestesiología. Métodos: Se llevó a cabo una evaluación dividida en tres fases. Se valoraron conocimientos básicos de anestesiología en la primera fase, seguida de una revisión del manejo de vía aérea difícil y, finalmente, se midió la toma de decisiones en diez casos clínicos. La segunda y tercera fases se realizaron antes y después de alimentar a ChatGPT con las guías de la Sociedad Americana de Anestesiólogos del manejo de la vía aérea difícil del 2022. Resultados: ChatGPT obtuvo una tasa de acierto promedio del 65 % en la primera fase y del 48 % en la segunda fase. En los casos clínicos, obtuvo una concordancia del 20 %, una relevancia del 90 % y una tasa de error del 10 %. Posterior al aprendizaje, ChatGPT mejoró su tasa de acierto al 59 % en la segunda fase y aumentó la concordancia al 40 % en los casos clínicos. Conclusiones: ChatGPT demostró una precisión aceptable en la prueba de conocimientos básicos, una alta relevancia en el manejo de los casos clínicos específicos de vía aérea difícil y la capacidad de mejoría secundaria a un aprendizaje.

Artificial intelligence, applications and challenges in simulation-based education

The rapid advancement of Artificial Intelligence (AI) has taken the world by "surprise" due to the lack of regulation over this technological innovation which, while promising application opportunities in different fields of knowledge, including education, simultaneously generates concern, rejection and even fear. In the field of Health Sciences Education, clinical simulation has transformed educational practice; however, its formal insertion is still heterogeneous, and we are now facing a new technological revolution where AI has the potential to transform the way we conceive its application.

El rápido avance de la inteligencia artificial (IA) ha tomado al mundo por "sorpresa" debido a la falta de regulación sobre esta innovación tecnológica, que si bien promete oportunidades de aplicación en diferentes campos del conocimiento, incluido el educativo, también genera preocupación e incluso miedo y rechazo. En el campo de la Educación en Ciencias de la Salud la Simulación Clínica ha transformado la práctica educativa; sin embargo, aún es heterogénea su inserción formal, y ahora nos enfrentamos a una nueva revolución tecnológica, en la que las IA tienen el potencial de transformar la manera en que concebimos su aplicación.

Una revisión sistemática del uso de la inteligencia artificial en la educación / A systematic review of the use of artificial intelligence in education

Introducción. El uso de la inteligencia artificial (IA) en la educación ha sido objeto de una creciente atención en los últimos años. La IA se ha utilizado para mejorar la personalización del aprendizaje, la retroalimentación y la evaluación de los estudiantes. Sin embargo, también hay desafíos y limitaciones asociados. El objetivo de este trabajo fue identificar las principales tendencias y áreas de aplicación de la inteligencia artificial en la educación, así como analizar los beneficios y limitaciones de su uso en este ámbito. Métodos. Se llevó a cabo una revisión sistemática que exploró el empleo de la inteligencia artificial en el ámbito educativo. Esta revisión siguió una metodología de investigación basada en la búsqueda de literatura, compuesta por cinco etapas. La investigación se realizó utilizando Scopus como fuente de consulta primaria y se empleó la herramienta VOSviewer para analizar los resultados obtenidos. Resultados. Se encontraron numerosos estudios que investigan el uso de la IA en la educación. Los resultados sugieren que la IA puede mejorar significativamente la personalización del aprendizaje, proporcionando recomendaciones de actividades y retroalimentación adaptadas a las necesidades individuales de cada estudiante. Conclusiones. A pesar de las ventajas del uso de la IA en la educación, también hay desafíos y limitaciones que deben abordarse, como la calidad de los datos utilizados por la IA, la necesidad de capacitación para educadores y estudiantes, y las preocupaciones sobre la privacidad y la seguridad de los datos de los estudiantes. Es importante seguir evaluando los efectos del uso de la IA en la educación para garantizar su uso efectivo y responsable.

Introduction. The use of artificial intelligence (AI) in education has been the subject of increasing attention in recent years. AI has been used to improve personalized learning, feedback, and student assessment. However, there are also challenges and limitations. The aim of this study was to identify the main trends and areas of application of artificial intelligence in education, as well as to analyze the benefits and limitations of its use in this field. Methods. A systematic review was carried out on the use of artificial intelligence in education, using a literature search research methodology with five stages, based on the Scopus query and the tool for analyzing results with VOSviewer. Results. Numerous studies investigating the use of AI in education were found. The results suggest that AI can significantly improve personalized learning by providing activity recommendations and feedback tailored to the individual needs of each student. Conclusions. Despite the advantages of using AI in education, there are also challenges and limitations that need to be addressed, such as the quality of data used by AI, the need for training for educators and students, and concerns about the privacy and security of student data. It is important to continue evaluating the effects of AI use in education to ensure its effective and responsible use.

Public health surveillance and the data, information, knowledge, intelligence and wisdom paradigm / Vigilancia de salud pública y el paradigma de datos, información, conocimiento, inteligencia y sabiduría / Vigilância em saúde pública e o paradigma de dados, informações, conhecimento, inteligência e sabedoria

ABSTRACT This article points out deficiencies in present-day definitions of public health surveillance, which include data collection, analysis, interpretation and dissemination, but not public health action. Controlling a public health problem of concern requires a public health response that goes beyond information dissemination. It is undesirable to have public health divided into data generation processes (public health surveillance) and data use processes (public health response), managed by two separate groups (surveillance experts and policy-makers). It is time to rethink the need to modernize the definition of public health surveillance, inspired by the authors' enhanced Data, Information, Knowledge, Intelligence and Wisdom model. Our recommendations include expanding the scope of public health surveillance beyond information dissemination to comprise actionable knowledge (intelligence); mandating surveillance experts to assist policy-makers in making evidence-informed decisions; encouraging surveillance experts to become policy-makers; and incorporating public health literacy training - from data to knowledge to wisdom - into the curricula for all public health professionals. Work on modernizing the scope and definition of public health surveillance will be a good starting point.

RESUMEN En este artículo se señalan las deficiencias de las definiciones actuales de la vigilancia de salud pública, que incluyen la recopilación, el análisis, la interpretación y la difusión de los datos, pero no las medidas de salud pública. El control de un problema de salud pública de interés exige una respuesta de salud pública que vaya más allá de la difusión de información. No es deseable que la salud pública esté dividida por un lado en procesos de generación de datos (vigilancia de salud pública) y por otro en procesos de uso de datos (respuesta de salud pública), gestionados por dos grupos diferentes (expertos en vigilancia y responsables de la formulación de políticas). Ha llegado el momento de replantear la necesidad de modernizar la definición de la vigilancia de salud pública tomando como referencia el modelo mejorado de Datos, Información, Conocimiento, Inteligencia y Sabiduría de los autores. Entre las recomendaciones que se proponen se encuentran las de ampliar el alcance de la vigilancia de salud pública más allá de la difusión de información para que incluya también el conocimiento aplicable (inteligencia); instar a los expertos en vigilancia a que presten ayuda a los responsables de la formulación de políticas en la toma de decisiones basadas en la evidencia; alentar a los expertos en vigilancia a que se conviertan en responsables de la formulación de políticas; e incorporar la formación en conocimientos básicos de salud pública (desde los datos hasta los conocimientos y la sabiduría) en los planes de estudio de todos los profesionales de la salud pública. Un buen punto de partida será trabajar en la modernización del alcance y la definición de la vigilancia de salud pública.

RESUMO Este artigo aponta deficiências nas definições atuais de vigilância em saúde pública, que incluem coleta, análise, interpretação e disseminação de dados, mas não ações de saúde pública. O controle de um problema preocupante de saúde pública exige uma resposta de saúde pública que vá além da disseminação de informações. A saúde pública não deve ser dividida em processos de geração de dados (vigilância em saúde pública) e processos de uso de dados (resposta de saúde pública) gerenciados por dois grupos distintos (especialistas em vigilância e formuladores de políticas). É hora de repensar a necessidade de modernizar a definição de vigilância em saúde pública, inspirada no modelo aprimorado de Dados, Informações, Conhecimento, Inteligência e Sabedoria dos autores. Nossas recomendações incluem: expansão do escopo da vigilância em saúde pública para além da disseminação de informações, de modo a abranger conhecimentos acionáveis (inteligência); obrigatoriedade de que os especialistas em vigilância auxiliem os formuladores de políticas na tomada de decisões baseadas em evidências; incentivo para que os especialistas em vigilância se tornem formuladores de políticas; e incorporação de capacitação em letramento em saúde pública (partindo dos dados para o conhecimento e em seguida para a sabedoria) nos currículos de todos os profissionais de saúde pública. O trabalho de modernizar o escopo e a definição de vigilância em saúde pública será um bom ponto de partida.

Randomized crossover clinical trial of a Mindfulness-based intervention for nurse leaders: A pilot study / Ensayo clínico aleatorizado cruzado de una intervención basada en mindfulness con enfermeros líderes: estudio piloto / Ensaio clínico randomizado cruzado de uma intervenção baseada em mindfulness em enfermeiros líderes: estudo-piloto

Objective: to analyze the effects of a Mindfulness-based intervention on nurse leaders' emotional intelligence and resilience. Method: a pilot study of a randomized crossover clinical trial. The sample (n=32) was randomized into Group A (n=18) and Group B (n=14) and evaluated at the pre-test, post-test and follow-up moments. The outcomes were assessed using the Emotional Intelligence Measure, the Connor-Davidson Resilience Questionnaire and the Five Facet Mindfulness Questionnaire, and analyzed using Generalized Linear Mixed Models. Results: a total of 32 nurses with a mean age of 42.6 years old were evaluated. The analyses showed significant interactions between the effects of the group x moment factors on the Self-motivation (p=0.005), Sociability (p<0.001), Self-control (p=0.013), and Total (p=0.002) emotional intelligence skill scores; as well as on the Observe (p=0.042), Describe (p=0.008), Non-judgment (p<0.001), Act with awareness (p=0.004) and Total (p<0.001) mindfulness facets. Post-test: there was a statistically significant increase in the Sociability (p=0.009) and Self-control (p=0.015) emotional intelligence skills; as well as in the Non-judgment (p=0.022) and Total (p=0.002) mindfulness facets. Follow-up: a significant increase was observed in the Non-judgment (p=0.024) and Total (p=0.026) mindfulness facets. The "resilience" variable did not present statistical significance in the "group x moment" factor, both in the post-test and during follow-up. Conclusion: the Mindfulness-based intervention used proved to be effective in increasing nurse leaders' emotional intelligence and dispositional mindfulness skills. Brazilian Registry of Clinical Trials (RBR-3c62gy), registered on March 4 th , 2020, updated on September 16 th , 2022.

Objetivo: analizar los efectos de una intervención basada en mindfulness sobre la inteligencia emocional y la resiliencia de enfermeros líderes. Método: estudio piloto de un ensayo clínico aleatorizado cruzado. Muestra (n=32) aleatorizada en el grupo A (n=18) y grupo B (n=14), se los evaluó en el pretest, postest y seguimiento. Los resultados fueron evaluados mediante la Medida de Inteligencia Emocional, el Cuestionario de Resiliencia de Connor-Davidson y el Cuestionario Mindfulness de Cinco Facetas, y analizados por el Generalized Linear Mixed Models . Resultados: fueron evaluadas 32 enfermeras con una edad promedio de 42,6 años. Los análisis mostraron interacciones significativas de los efectos de los factores grupo vs. momento en los puntajes de las habilidades de automotivación (p=0,005), sociabilidad (p<0,001), autocontrol (p=0,013) y total (p=0,002) de inteligencia emocional; de las facetas observar (p=0,042), describir (p=0,008), no juzgar (p<0,001), actuar con conciencia (p=0,004) y total (p<0,001) de mindfulness. Postest: hubo un aumento estadísticamente significativo de las habilidades de sociabilidad (p=0,009) y autocontrol (p=0,015) de inteligencia emocional; de las facetas no juzgar (p=0,022) y total (p=0,002) de mindfulness . Seguimiento: se observó un aumento significativo en las facetas no juzgar (p=0,024) y total (p=0,026) de mindfulness . La variable resiliencia no presentó significación estadística en el factor grupo vs. momento en el postest y seguimiento. Conclusión: la intervención basada en mindfulness utilizada demostró ser eficaz para aumentar la inteligencia emocional y las habilidades de mindfulness disposicional de los enfermeros líderes. Registro Brasileño de Ensayos Clínicos (RBR-3c62gy), registrado el 4 de marzo de 2020, actualizado el 16 de septiembre de 2022.

Objetivo: analisar os efeitos de uma intervenção baseada em mindfulness na inteligência emocional e resiliência de enfermeiros líderes. Método: estudo-piloto de ensaio clínico randomizado cruzado. Amostra (n=32) randomizada em grupo A (n=18) e grupo B (n=14), avaliados nos momentos pré-teste, pós-teste e seguimento. Os desfechos foram avaliados pela Medida de Inteligência Emocional, pelo Questionário de Resiliência Connor-Davidson e pelo Questionário das Cinco Facetas de Mindfulness , e analisados pelo Generalized Linear Mixed Model . Resultados: foram avaliadas 32 enfermeiras com idade média de 42,6 anos. As análises mostraram interações significativas dos efeitos dos fatores Grupo x Momento nos escores das habilidades de automotivação (p=0,005), sociabilidade (p<0,001), autocontrole (p=0,013) e total (p=0,002) de inteligência emocional; das facetas observar (p=0,042), descrever (p=0,008), não julgar (p<0,001), agir com consciência (p=0,004) e total (p<0,001) de mindfulness . Pós-teste: houve aumento estatisticamente significante das habilidades de sociabilidade (p=0,009) e autocontrole (p=0,015) de inteligência emocional; das facetas não julgar (p=0,022) e total (p=0,002) de mindfulness . Seguimento: observou-se aumento significativo das facetas não julgar (p=0,024) e total (p=0,026) de mindfulness . A variável resiliência não apresentou significância estatística no fator Grupo x Momento, no pós-teste e seguimento. Conclusão: a intervenção baseada em mindfulness utilizada mostrou-se efetiva no aumento das habilidades de inteligência emocional e mindfulness disposicional de enfermeiros líderes. Registro Brasileiro de Ensaios Clínicos (RBR-3c62gy), registrado em 04 de março de 2020, atualizado em 16 de setembro de 2022.

Diagnóstico da retinopatia diabética por inteligência artificial por meio de smartphone / Diagnosis of diabetic retinopathy by artificial intelligence using smartphone

RESUMO Objetivo: Obter imagens de fundoscopia por meio de equipamento portátil e de baixo custo e, usando inteligência artificial, avaliar a presença de retinopatia diabética. Métodos: Por meio de um smartphone acoplado a um dispositivo com lente de 20D, foram obtidas imagens de fundo de olhos de pacientes diabéticos; usando a inteligência artificial, a presença de retinopatia diabética foi classificada por algoritmo binário. Resultados: Foram avaliadas 97 imagens da fundoscopia ocular (45 normais e 52 com retinopatia diabética). Com auxílio da inteligência artificial, houve acurácia diagnóstica em torno de 70 a 100% na classificação da presença de retinopatia diabética. Conclusão: A abordagem usando dispositivo portátil de baixo custo apresentou eficácia satisfatória na triagem de pacientes diabéticos com ou sem retinopatia diabética, sendo útil para locais sem condições de infraestrutura.

ABSTRACT Introduction: To obtain fundoscopy images through portable and low-cost equipment using artificial intelligence to assess the presence of DR. Methods: Fundus images of diabetic patients' eyes were obtained by using a smartphone coupled to a device with a 20D lens. By using artificial intelligence (AI), the presence of DR was classified by a binary algorithm. Results: 97 ocular fundoscopy images were evaluated (45 normal and 52 with DR). Through AI diagnostic accuracy around was 70% to 100% in the classification of the presence of DR. Conclusion: The approach using a low-cost portable device showed satisfactory efficacy in the screening of diabetic patients with or without diabetic retinopathy, being useful for places without infrastructure conditions.

Além das ferramentas tradicionais: explorando redes neurais convolucionais como modelos prognósticos inovadores no adenocarcinoma ductal pancreático / Beyond traditional tools: exploring convolutional neural networks as innovative prognostic models in pancreatic ductal adenocarcinoma

ABSTRACT Pancreatic ductal adenocarcinoma (PDAC) is a highly aggressive and lethal form of cancer with limited prognostic accuracy using traditional factors. This has led to the exploration of innovative prognostic models, including convolutional neural networks (CNNs), in PDAC. CNNs, a type of artificial intelligence algorithm, have shown promise in various medical applications, including image analysis and pattern recognition. Their ability to extract complex features from medical images makes them suitable for improving prognostication in PDAC. However, implementing CNNs in clinical practice poses challenges, such as data availability and interpretability. Future research should focus on multi-center studies, integrating multiple data modalities, and combining CNN outputs with biomarker panels. Collaborative efforts and patient autonomy should be considered to ensure the ethical implementation of CNN-based prognostic models. Further validation and optimisation of CNN-based models are necessary to enhance their reliability and clinical utility in PDAC prognostication.

RESUMO Contexto O adenocarcinoma ductal pancreático (ACDP) é uma forma de câncer altamente agressiva e letal com precisão prognóstica limitada usando fatores tradicionais. Isso levou à exploração de modelos prognósticos inovadores, incluindo redes neurais convolucionais (CNNs), no ACDP. As CNNs, um tipo de algoritmo de inteligência artificial, mostraram promessa em várias aplicações médicas, incluindo análise de imagem e reconhecimento de padrões. Sua capacidade de extrair características complexas de imagens médicas as torna adequadas para melhorar o prognóstico no ACDP. No entanto, a implementação de CNNs na prática clínica apresenta desafios, como a disponibilidade de dados e a interpretabilidade. Pesquisas futuras devem se concentrar em estudos multicêntricos, integrando múltiplas modalidades de dados e combinando saídas de CNN com painéis de biomarcadores. Esforços colaborativos e autonomia do paciente devem ser considerados para garantir a implementação ética de modelos prognósticos baseados em CNN. Mais validação e otimização de modelos baseados em CNN são necessárias para aumentar sua confiabilidade e utilidade clínica na prognostico do ACDP.

Demandas e Recursos para Predição da Síndrome de Burnout em Psicólogos Clínicos / Demands and Resources for Burnout Syndrome on Clinical Psychologists / Demandas y Recursos para la Predicción del Síndrome de Burnout en Psicólogos Clínicos

Resumo: O modelo de demandas e recursos foi utilizado para identificar o poder preditivo do estilo pessoal do terapeuta e do trabalho emocional (demandas), e da inteligência emocional e autoeficácia profissional (recursos) sobre as dimensões da síndrome de Burnout (SB), em uma amostra de 240 psicólogos clínicos brasileiros. Os dados foram coletados por meio de plataforma online, tendo como instrumentos de pesquisa um Questionário de dados sociodemográficos e laborais, o Cuestionario para la Evaluación del Síndrome de Quemarse por el Trabajo, o Cuestionario del Estilo Personal del Terapeut, o Questionário de Avaliação Relacionado a Demandas Emocionais e Dissonância da Regra da Emoção, Medida de Inteligência Emocional, e Escala de Autoeficácia Geral Percebida. Os resultados obtidos revelaram um modelo preditor das dimensões da SB, constituído pelas variáveis dissonância emocional, automotivação, demandas emocionais, instrução, envolvimento e autoeficácia. Ressalta-se a relevância de estratégias voltadas para a prevenção da SB nessa categoria profissional, bem como a necessidade de ações que visem a promoção e o desenvolvimento da inteligência emocional e da autoeficácia como fortalecimento dos recursos emocionais para atuação na prática clínica.

Abstract: The Model of Demands - Resources was used to identify the predictive power of therapist's personal style, emotional work (Demands), Emotional intelligence, and professional self-efficacy (Resources) over the Burnout syndrome dimensions in a sample of 240 Brazilian clinical psychologists. The data was collected by an on-line platform using a Labor and social demographic data questionnaire, a work Burnout Syndrome Evaluation questionnaire (CESQT - Cuestionario para la Evaluación del Síndrome de Quemarse por el Trabajo), the short version of the Therapist Personal Style Questionnaire (EPT-C Cuestionario del Estilo Personal del Terapeuta), an Evaluation questionnaire related to emotional demands and emotion rule dissonance, and the Emotional Intelligence Measure (EIM) and Perceived General Self-Efficacy Scale (GPSS) as research instruments. Results showed a predictor model of Burnout syndrome constituted by the variables Emotional dissonance, Self-motivation, Emotional demands, Instruction, Involvement, and Self-efficacy. We emphasize the relevance of strategies to prevent Burnout Syndrome in this professional category and the need for actions to promote and develop emotional intelligence and self-efficacy as a strengthening factor of the emotional resources to work as a clinical psychologist.

Resumen: Se utilizó el modelo demandas y recursos para identificar el poder predictivo del estilo personal del terapeuta y del trabajo emocional (demandas), y de la inteligencia emocional y autoeficacia profesional (recursos) sobre las dimensiones del síndrome de Burnout (SB), en una muestra de 240 psicólogos clínicos brasileños. Los datos se recolectaron de una plataforma en línea, utilizando como instrumentos de investigación un cuestionario de datos sociodemográficos y laborales, el Cuestionario para la Evaluación del Síndrome de Quemarse por el Trabajo, el Cuestionario del Estilo Personal del Terapeuta, el Cuestionario de Evaluación Relacionado con Demandas Emocionales y Disonancia de la Regla de la Emoción, la Medida de Inteligencia Emocional y Escala de Autoeficacia General Percibida. Los resultados obtenidos revelaron un modelo predictor de las dimensiones de SB, constituido por las variables disonancia emocional, automotivación, exigencias emocionales, instrucción, implicación y autoeficacia. Se destaca la relevancia de las estrategias dirigidas a la prevención del SB en esta categoría profesional, así como la necesidad de acciones dirigidas a promover y desarrollar la inteligencia emocional y la autoeficacia como fortalecimiento de los recursos emocionales para trabajar en la práctica clínica.

Accuracy of an artificial intelligence algorithm for detecting moderate-to-severe vertebral compression fractures on abdominal and thoracic computed tomography scans / Acurácia de um algoritmo de inteligência artificial na detecção de fraturas compressivas moderadas a graves na tomografia computadorizada abdominal e torácica

Abstract Objective: To describe the accuracy of HealthVCF, a software product that uses artificial intelligence, in the detection of incidental moderate-to-severe vertebral compression fractures (VCFs) on chest and abdominal computed tomography scans. Materials and Methods: We included a consecutive sample of 899 chest and abdominal computed tomography scans of patients 51-99 years of age. Scans were retrospectively evaluated by the software and by two specialists in musculoskeletal imaging for the presence of VCFs with vertebral body height loss > 25%. We compared the software analysis with that of a general radiologist, using the evaluation of the two specialists as the reference. Results: The software showed a diagnostic accuracy of 89.6% (95% CI: 87.4-91.5%) for moderate-to-severe VCFs, with a sensitivity of 73.8%, a specificity of 92.7%, and a negative predictive value of 94.8%. Among the 145 positive scans detected by the software, the general radiologist failed to report the fractures in 62 (42.8%), and the algorithm detected additional fractures in 38 of those scans. Conclusion: The software has good accuracy for the detection of moderate-to-severe VCFs, with high specificity, and can increase the opportunistic detection rate of VCFs by radiologists who do not specialize in musculoskeletal imaging.

Resumo Objetivo: Descrever a acurácia do software HealthVCF na detecção incidental de fraturas compressivas de corpos vertebrais moderadas a graves em exames de tomografia computadorizada do tórax e abdome. Materiais e Métodos: Foram incluídos 899 exames consecutivos de pacientes com idades entre 51 e 99 anos. As imagens foram retrospectivamente avaliadas pelo software e por dois radiologistas especializados em musculoesquelético que investigaram fraturas compressivas de corpos vertebrais com perda da altura somática > 25%. A análise comparativa foi realizada entre o software e um radiologista geral, usando a avaliação do especialista como referência. Resultados: O software apresentou uma acurácia de 89,6% (IC 95%: 87,4-91,5%) para fraturas compressivas moderadas a graves, com sensibilidade de 73,8%, especificidade de 92,7% e valor preditivo negativo de 94,8%. Entre as 145 tomografias positivas detectadas pelo software, o radiologista geral deixou de relatar as fraturas em 62 (42,8%) e o algoritmo detectou fraturas adicionais em 38 dessas tomografias. Conclusão: O software possui boa acurácia na detecção de fraturas compressivas moderadas a graves, com alta especificidade, podendo aumentar a taxa de detecção oportunística dessas fraturas por radiologistas não especializados em musculoesquelético.

Performance of ChatGPT on questions from the Brazilian College of Radiology annual resident evaluation test / Desempenho do ChatGPT nas questões da avaliação anual de residentes do Colégio Brasileiro de Radiologia

Abstract Objective: To test the performance of ChatGPT on radiology questions formulated by the Colégio Brasileiro de Radiologia (CBR, Brazilian College of Radiology), evaluating its failures and successes. Materials and Methods: 165 questions from the CBR annual resident assessment (2018, 2019, and 2022) were presented to ChatGPT. For statistical analysis, the questions were divided by the type of cognitive skills assessed (lower or higher order), by topic (physics or clinical), by subspecialty, by style (description of a clinical finding or sign, clinical management of a case, application of a concept, calculation/classification of findings, correlations between diseases, or anatomy), and by target academic year (all, second/third year, or third year only). Results: ChatGPT answered 88 (53.3%) of the questions correctly. It performed significantly better on the questions assessing lower-order cognitive skills than on those assessing higher-order cognitive skills, providing the correct answer on 38 (64.4%) of 59 questions and on only 50 (47.2%) of 106 questions, respectively (p = 0.01). The accuracy rate was significantly higher for physics questions than for clinical questions, correct answers being provided for 18 (90.0%) of 20 physics questions and for 70 (48.3%) of 145 clinical questions (p = 0.02). There was no significant difference in performance among the subspecialties or among the academic years (p > 0.05). Conclusion: Even without dedicated training in this field, ChatGPT demonstrates reasonable performance, albeit still insufficient for approval, on radiology questions formulated by the CBR.

Resumo Objetivo: Testar o desempenho do ChatGPT em questões de radiologia formuladas pelo Colégio Brasileiro de Radiologia (CBR), avaliando seus erros e acertos. Materiais e Métodos: 165 questões da avaliação anual dos residentes do CBR (2018, 2019 e 2022) foram apresentadas ao ChatGPT. Elas foram divididas, para análise estatística, em questões que avaliavam habilidades cognitivas de ordem superior ou inferior e de acordo com a subespecialidade, o tipo da questão (descrição de um achado clínico ou sinal, manejo clínico de um doente, aplicação de um conceito, cálculo ou classificação dos achados descritos, associação entre doenças ou anatomia) e o ano da residência (R1, R2 ou R3). Resultados: O ChatGPT acertou 53,3% das questões (88/165). Houve diferença estatística entre o desempenho em questões de ordem cognitiva inferior (64,4%; 38/59) e superior (47,2%; 50/106) (p = 0,01). Houve maior índice de acertos em física (90,0%; 18/20) do que em questões clínicas (48,3%; 70/145) (p = 0,02). Não houve diferença significativa de desempenho entre subespecialidades ou ano de residência (p > 0,05). Conclusão: Mesmo sem treinamento dedicado a essa área, o ChatGPT apresenta desempenho razoável, mas ainda insuficiente para aprovação, em questões de radiologia formuladas pelo CBR.

Percepción de la inteligencia artificial en la comunidad radiológica argentina / Perception of artificial intelligence in the Argentine radiological community

Resumen Introducción: La aplicación de la inteligencia artificial (IA) en radiología se encuentra en fases iniciales y estaría influenciada por la percepción de sus usuarios. Objetivo: Valorar el grado de conocimiento, interés y expectativas acerca de la IA en la comunidad radiológica argentina. Método: Entre septiembre y noviembre de 2022 se distribuyó una encuesta online acerca del conocimiento, la actitud y las expectativas con respecto a la IA. Resultados: De un total de 161 encuestados, la mayoría eran mujeres (55,3%), tenían entre 31 y 40 años (43,4%), eran médicos de planta (42%), trabajaban en el ámbito privado (55,6%) y estaban localizados en la CABA/Buenos Aires (59%). El 52,5% no habían utilizado software de IA y el 87,7% no habían realizado cursos de IA. El 88,2% manifestaron interés en la formación en este campo. Casi la totalidad concordaba en que la IA modificaría su labor diaria en los próximos 10 años (87,6%), aunque no los reemplazaría (56,8%), ni cambiarían de carrera (69,8%). Conclusiones: Aunque el grado de conocimiento acerca de la IA en la comunidad radiológica argentina es moderado, encontramos un alto interés y expectativas, y un bajo nivel de miedo o rechazo. Las sociedades radiológicas argentinas deberían desarrollar cursos de formación en IA.

Abstract Introduction: The application of artificial intelligence (AI) in radiology is in early stages and could be influenced by the perception of its users. Objectives: To assess the degree of knowledge, interest, and expectations about AI in the Argentine radiological community. Method: Between September and November 2022, an online survey about knowledge, attitude and expectations of AI was distributed. Results: Of a total of 161 respondents, the majority were women (55.3%), had between 31 and 40 years old (43.4%), were staff physicians (42%), worked in the private sector (55.6%) and were located in CABA/Buenos Aires (59%). 52.5% had not used AI software and 87.7% had not taken any previous AI courses. 88.2% were interested in training in this field. Almost all agreed that AI would modify their daily work in the next 10 years (87.6%), although it would not replace them (56.8%), nor would they change their careers (69.8%). Conclusions: Although the degree of knowledge about AI in the Argentine radiological community is moderate, we found high interest and expectations, and low level of fear or rejection. Argentine radiological societies should develop AI training courses.

Bioética e inteligência artificial: panorama atual da literatura / Bioethics and artificial intelligence: a current overview of the literature / Bioética e inteligencia artificial: panorama actual de la literatura

Resumo O termo inteligência artificial refere-se à realização, por dispositivos computacionais, de processos intelectuais característicos dos seres humanos, como raciocinar, descobrir significados, generalizar ou aprender com experiências. A atuação da inteligência artificial ocorre quando programas computacionais realizam ações para as quais não foram explicitamente programados. Apesar de o conceito ser bem definido, o desempenho dessa tecnologia é muito complexo, de modo que a bioética encontra diversos conflitos e questões relacionadas a ela, muitas vezes esclarecidas apenas no momento em que surgem. Embora regulamentações tenham sido instituídas ao longo do desenvolvimento da área, ela constantemente passa por adaptações, o que justifica novos estudos sobre o tema.

Abstract Artificial intelligence refers to the performance, by computer devices, of intellectual processes characteristic of human beings, such as reasoning, discovering meanings, generalizing or learning from experience. Artificial intelligence occurs when computer programs perform action for which they were not explicitly programmed. Although a well-defined concept, its complex performance poses various bioethical conflicts and questions, often clarified only when they emerge. Despite the regulations put in place during the field's development, these are constantly undergoing adaptations thus justifying further studies on the subject.

Resumen El término inteligencia artificial se refiere a sistemas informáticos capaces de realizar procesos intelec- tuales característicos de los seres humanos, como razonar, descubrir significados, generalizar o aprender de las experiencias. La actuación de la inteligencia artificial se produce cuando los programas informáticos realizan acciones para las cuales no fueron explícitamente programados. Aunque el concepto está bien definido, la actuación de esta tecnología es muy compleja, por lo que la bioética se encuentra ante diversos conflictos y cuestiones relacionadas con ella, que muchas veces solo pueden aclararse cuando surgen. Aunque a lo largo de su desarrollo se vienen estableciendo normativas, este campo sufre constantes adaptaciones, lo que justifica la realización de nuevos estudios sobre el tema.

Applications of Artificial Intelligence in Dentomaxillofacial Diagnosis

SUMMARY Introduction: The introduction of applications driven by artificial intelligence is revolutionizing dentomaxillofacial imaging. Objectives: Describe the current state of the applications of artificial intelligence in dentomaxillofacial diagnosis, evaluate its impact, and identify future directions for research and implementation. Method : A narrative review was carried out using systematic searches in databases such as PubMed, Google Scholar, IEEE Xplore, among others. The study focused on articles published from 2010 to the present. Research that applies artificial intelligence technologies in dentomaxillofacial diagnosis was included and its quality and relevance were evaluated using established tools. Results: Artificial intelligence, especially deep learning, has shown significant improvements in image segmentation, disease detection, and treatment planning in dentomaxillofacial imaging. Artificial intelligence techniques have allowed the automation of image analysis tasks, improving efficiency and diagnostic accuracy. Conclusions: Artificial intelligence has significant potential to revolutionize dentomaxillofacial imaging, as it offers improvements in diagnostic accuracy, efficiency in image interpretation, and treatment planning. Further research is needed to overcome technical, ethical, and privacy challenges and validate the clinical applicability of these technologies.

Introducción: La introducción de aplicaciones impulsadas por la inteligencia artificial está revolucionando la imagenología dentomaxilofacial. Objetivos: Describir el estado actual de las aplicaciones de la inteligencia artificial en el diagnóstico dentomaxilofacial; evaluar su impacto e identificar direcciones futuras para la investigación y la implementación. Método : Se realizó una revisión narrativa, utilizando búsquedas sistemáticas en bases de datos como PubMed, Google Scholar, IEEE Xplore, entre otras; el estudio se enfocó en artículos publicados desde 2010 hasta la actualidad. Se incluyeron investigaciones que aplican tecnologías de la inteligencia artificial en el diagnóstico dentomaxilofacial; se evaluó su calidad y relevancia mediante las herramientas establecidas. Resultados: La inteligencia artificial, especialmente el aprendizaje profundo, ha mostrado mejoras significativas en la segmentación de imágenes, la detección de enfermedades y la planificación del tratamiento en imagenología dentomaxilofacial. Las técnicas de inteligencia artificial han permitido la automatización de tareas de análisis de imágenes, mejorado la eficiencia y la precisión diagnóstica. Conclusiones: La inteligencia artificial posee un potencial significativo para revolucionar la imagenología dentomaxilofacial, pues ofrece mejoras en la precisión diagnóstica, eficiencia en la interpretación de imágenes y en la planificación del tratamiento. Se necesitan más investigaciones para superar desafíos técnicos, éticos y de privacidad y validar la aplicabilidad clínica de estas tecnologías.