EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Viabilidade do aprendizado federado para desenvolvimento de soluções de IA em diagnóstico laboratorial sob perspectiva de privacidade: uma revisão sistemática

Rodrigo Cunha Dias, Márcia Ito

iSys - Brazilian Journal of Information Systems · 11.07.2026 · 19 (1)

DOI: 10.5753/isys.2026.7589 ↗

Kurz gefasst

Fachartikel in der Zeitschrift iSys - Brazilian Journal of Information Systems, online erschienen am 11.07.2026. Verfasst von Rodrigo Cunha Dias und 1 weiteren Autor:innen. Die Arbeit nennt 43 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

O desenvolvimento de soluções de inteligência artificial em diagnóstico laboratorial enfrenta um dilema estrutural: a exigência de grandes volumes de dados para treinamento contrapõe-se às rigorosas legislações de proteção de dados em saúde (LGPD/GDPR). Esta revisão sistemática investigou o aprendizado federado como alternativa metodológica que possibilita o treinamento de modelos de IA sem centralização de dados sensíveis. Analisando 23 artigos (2021-2025), identificou-se que 56,5% dos estudos demonstraram viabilidade técnica, embora apenas 26,1% tenham abordado conformidade regulatória. Os resultados revelam um campo tecnicamente promissor, mas com gap crítico entre maturidade técnica e adequação regulatória.

Zitieren

APA

Dias, R. C., & Ito, M. (2026). Viabilidade do aprendizado federado para desenvolvimento de soluções de IA em diagnóstico laboratorial sob perspectiva de privacidade: uma revisão sistemática. iSys - Brazilian Journal of Information Systems, 19(1). https://doi.org/10.5753/isys.2026.7589

Vancouver

Dias RC, Ito M. Viabilidade do aprendizado federado para desenvolvimento de soluções de IA em diagnóstico laboratorial sob perspectiva de privacidade: uma revisão sistemática. iSys - Brazilian Journal of Information Systems. 2026;19(1). doi:10.5753/isys.2026.7589

BibTeX
@article{Dias2026,
  author = {Dias, Rodrigo Cunha and Ito, Márcia},
  title = {Viabilidade do aprendizado federado para desenvolvimento de soluções de IA em diagnóstico laboratorial sob perspectiva de privacidade: uma revisão sistemática},
  journal = {iSys - Brazilian Journal of Information Systems},
  year = {2026},
  volume = {19},
  number = {1},
  doi = {10.5753/isys.2026.7589}
}
Kostenlos starten →