Publicação
Unpacking the impact of an Artificial Intelligence decision-support tool in radiology training
| Resumo: | Esta tese tem como objetivo perceber como pode a Inteligência Artificial (IA) impactar a formação em radiologia, fornecendo informações sobre o potencial e os desafios desta integração. Para o atingir, efetuaram-se melhorias iterativas num protótipo de IA e contribui-se para o desenvolvimento de um estudo Mixed-Methods que explora o seu impacto, particularmente para estagiários. O protótipo foi desenvolvido no âmbito de um projeto de desenvolvimento de um algoritmo de IA para detetar patologias em raio-X do tórax, envolvendo a colaboração entre uma empresa responsável pelo algoritmo, profissionais de saúde de um hospital em Copenhaga, e uma equipa responsável pela interface na Universidade de Copenhaga. No âmbito de um intercâmbio de Erasmus de três meses no Departament of Computer Science desta universidade, o protótipo foi melhorado para garantir que estava adaptado para uso no estudo, com base no feedback dos utilizadores. Na componente do estudo, foi utilizada uma abordagem mixed-methods para perceber como a IA afecta o fluxo de trabalho, os resultados da aprendizagem e os impactos na identidade profissional dos participantes, entre outros. Foram selecionados dez radiologistas em treino para o estudo, dos quais oito foram entrevistados e analisados antes da submissão da tese, estando presentes nos resultados. O restante dos dados será utilizado para uma publicação posterior. A recolha dos dados deu-se de forma quantitativa através de dois questionários de resposta ordinal, e de forma qualitativa através da análise dos comentários dos radiologistas ao longo das sessões e da sua resposta a perguntas finais. Em termos quantitativos, o estudo concluiu que os radiologistas que utilizaram imediatamente a ferramenta de IA despenderam menos tempo na análise dos casos, em comparação com os que a utilizaram como segunda opinião (p = 0; 008). No entanto, esta abordagem foi assinalada qualitativamente como mais propensa a influenciar a decisão dos radiologistas. As entrevistas revelaram que uma funcionalidade, que permitia antever as patologias identificadas pela IA, foi bem recebida como forma de melhorar o fluxo de trabalho. Também se destacou a opinião de que a incorporação da IA nas discussões entre profissionais pode conduzir a mais oportunidades de aprendizagem. No entanto, existem preocupações sobre possível influência da IA no diagnóstico. Em geral, as atitudes dos radiologistas em relação à IA permaneceram positivas antes e depois do estudo. Recomenda-se exploração dos efeitos a longo prazo da IA na formação em radiologia, particularmente em contextos multi-institucionais, com medidas quantitativas mais objectivas. |
|---|---|
| Autores principais: | Leite, Beatriz Rodrigues |
| Assunto: | Estudo Mixed-Methods Formação em Radiologia Inteligência Artificial Interface do Utilizador Raio-X do Tórax Artificial Intelligence Chest X-Ray Mixed-Methods Study Radiology Training User Interface |
| Ano: | 2025 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | Esta tese tem como objetivo perceber como pode a Inteligência Artificial (IA) impactar a formação em radiologia, fornecendo informações sobre o potencial e os desafios desta integração. Para o atingir, efetuaram-se melhorias iterativas num protótipo de IA e contribui-se para o desenvolvimento de um estudo Mixed-Methods que explora o seu impacto, particularmente para estagiários. O protótipo foi desenvolvido no âmbito de um projeto de desenvolvimento de um algoritmo de IA para detetar patologias em raio-X do tórax, envolvendo a colaboração entre uma empresa responsável pelo algoritmo, profissionais de saúde de um hospital em Copenhaga, e uma equipa responsável pela interface na Universidade de Copenhaga. No âmbito de um intercâmbio de Erasmus de três meses no Departament of Computer Science desta universidade, o protótipo foi melhorado para garantir que estava adaptado para uso no estudo, com base no feedback dos utilizadores. Na componente do estudo, foi utilizada uma abordagem mixed-methods para perceber como a IA afecta o fluxo de trabalho, os resultados da aprendizagem e os impactos na identidade profissional dos participantes, entre outros. Foram selecionados dez radiologistas em treino para o estudo, dos quais oito foram entrevistados e analisados antes da submissão da tese, estando presentes nos resultados. O restante dos dados será utilizado para uma publicação posterior. A recolha dos dados deu-se de forma quantitativa através de dois questionários de resposta ordinal, e de forma qualitativa através da análise dos comentários dos radiologistas ao longo das sessões e da sua resposta a perguntas finais. Em termos quantitativos, o estudo concluiu que os radiologistas que utilizaram imediatamente a ferramenta de IA despenderam menos tempo na análise dos casos, em comparação com os que a utilizaram como segunda opinião (p = 0; 008). No entanto, esta abordagem foi assinalada qualitativamente como mais propensa a influenciar a decisão dos radiologistas. As entrevistas revelaram que uma funcionalidade, que permitia antever as patologias identificadas pela IA, foi bem recebida como forma de melhorar o fluxo de trabalho. Também se destacou a opinião de que a incorporação da IA nas discussões entre profissionais pode conduzir a mais oportunidades de aprendizagem. No entanto, existem preocupações sobre possível influência da IA no diagnóstico. Em geral, as atitudes dos radiologistas em relação à IA permaneceram positivas antes e depois do estudo. Recomenda-se exploração dos efeitos a longo prazo da IA na formação em radiologia, particularmente em contextos multi-institucionais, com medidas quantitativas mais objectivas. |
|---|