Mostra i principali dati dell'item
Desenvolvimento de uma ferramenta automatizada para a geração de laudos médicos utilizando a API do GPT
dc.contributor.advisor | Boff, Elisa | |
dc.contributor.author | Ferreto, Henrique Grattieri | |
dc.contributor.other | Webber, Carine Geltrudes | |
dc.contributor.other | Corso, Leandro Luis | |
dc.date.accessioned | 2025-06-02T14:26:32Z | |
dc.date.available | 2025-06-02T14:26:32Z | |
dc.date.issued | 2024-12-16 | |
dc.date.submitted | 2024-11-27 | |
dc.identifier.uri | https://repositorio.ucs.br/11338/14594 | |
dc.description | O Aprendizado de Máquina é um subcampo da IA focado no desenvolvimento de algoritmos e modelos que permitem que computadores aprendam a partir de experiências, fazendo previsões ou tomando decisões sem serem explicitamente programados para tarefas específicas. Ele desempenha um papel essencial na IA Generativa, permitindo que modelos, como o GPT, sejam treinados com grandes volumes de dados para gerar texto de maneira coerente e precisa. A capacidade de aprender e replicar padrões complexos torna esses modelos ideais para aplicações que exigem alto grau de precisão e consistência, como a geração de laudos médicos. Com o avanço das tecnologias em equipamentos de diagnóstico por imagem (como Raio-X, Ecografia, Tomografia e Ressonância Magnética), o número de exames de imagem por paciente aumentou significativamente, levando a uma sobrecarga dos profissionais responsáveis pela análise das imagens e elaboração dos laudos. Este trabalho teve como objetivo desenvolver uma ferramenta para automatizar o processo de elaboração de laudos, de modo que os profissionais se concentrem apenas na análise dos exames de imagem. A ferramenta foi desenvolvida utilizando a arquitetura Backend For Frontend. O Backend foi implementado na linguagem de programação Python, sendo responsável por chamar a API do GPT para a geração dos laudos e por transformar áudio em texto, caso o médico opte por fornecer entradas por meio de áudio. O Frontend é responsável pela interface e interação com o usuário, executando-se em um navegador web acessível em qualquer dispositivo, seja Desktop ou Mobile, e foi desenvolvido com HTML5, CSS3 e JavaScript. Para os testes, foi disponibilizado ao médico radiologista um link de acesso à plataforma. Assim, o profissional teve liberdade para utilizar, analisar e avaliar o funcionamento do sistema. [resumo fornecido pelo autor] | pt_BR |
dc.description.abstract | Machine Learning is a subfield of AI focused on the development of algorithms and models that enable computers to learn from experience, making predictions or decisions without being explicitly programmed for specific tasks. It plays an essential role in Generative AI, allowing models, such as GPT, to be trained with large volumes of data to generate text coherently and accurately. The ability to learn and replicate complex patterns makes these models ideal for applications requiring a high degree of precision and consistency, such as generating medical reports. With advancements in imaging diagnostic technologies (such as X-ray, Ultrasound, CT, and MRI), the number of imaging exams per patient has significantly increased, leading to an overload of professionals responsible for analyzing the images and preparing reports. This work aimed to develop a tool to automate the report generation process, so professionals can focus solely on the analysis of the imaging exams. The tool was developed using the Backend For Frontend architecture. The Backend was implemented in the Python programming language and is responsible for calling the GPT API to generate the reports and converting audio to text, should the physician choose to provide input via audio. The Frontend handles the user interface and interaction, running on a web browser accessible from any device, whether Desktop or Mobile, and was developed with HTML5, CSS3, and JavaScript. For testing purposes, a link to access the platform was provided to the radiologist. This allowed the professional the freedom to use, analyze, and evaluate the system’s functionality.[resumo fornecido pelo autor] | pt_BR |
dc.language.iso | pt | pt_BR |
dc.subject | Computação | pt_BR |
dc.subject | ChatGPT | pt_BR |
dc.subject | Aprendizado do computador | pt_BR |
dc.subject | Inteligência artificial | pt_BR |
dc.subject | Exames | pt_BR |
dc.title | Desenvolvimento de uma ferramenta automatizada para a geração de laudos médicos utilizando a API do GPT | pt_BR |
dc.type | Monografia | pt_BR |
mtd2-br.advisor.instituation | Universidade de Caxias do Sul | pt_BR |
mtd2-br.program.name | Bacharelado em Ciência da Computação | pt_BR |
mtd2-br.campus | Campus Universitário de Caxias do Sul | pt_BR |