IA na atenção primária

Algoritmos de inteligência artificial podem prever doença renal crônica e sua progressão?

Resposta

A revisão sistemática selecionou 55 artigos sobre aplicação de algoritmos de aprendizado de máquina (MLAs) na doença renal crônica (DRC). Os MLAs combinam grande número de preditores de forma não linear e altamente interativa, e essa capacidade aumenta quando novos dados são adicionados. Os autores concluem que a aplicação desses algoritmos pode aprimorar a capacidade dos clínicos de prever DRC e insuficiência renal, melhorando o auxílio diagnóstico e proporcionando decisões terapêuticas adequadas.

No entanto, foram observadas limitações nas publicações analisadas: os bancos de dados não foram revisados com precisão por médicos; não reportaram a etnia dos pacientes; algumas variáveis coletadas não eram importantes para o diagnóstico e progressão da DRC; não houve informação sobre a doença renal nativa causadora da DRC; não foi fornecida validação dos resultados em coortes externas independentes; e não foram dadas explicações sobre os MLAs utilizados. Além disso, houve colaboração limitada entre especialistas em eletrônica, ciência da computação e médicos.

Diante disso, os autores destacam a necessidade de melhorar o processo de desenvolvimento das ferramentas de MLA. A revisão não informa detalhes sobre a amostra dos estudos incluídos, o desenho específico de cada um ou as características dos pacientes. Portanto, os achados devem ser interpretados com cautela, especialmente pela ausência de validação externa e pela falta de padronização na coleta e revisão dos dados.

Para o médico brasileiro, os resultados sugerem que os MLAs podem ser úteis como ferramentas de apoio à decisão clínica, mas ainda não estão prontos para uso rotineiro sem validação adequada. A aplicação clínica requer cautela e integração com o julgamento médico, considerando as limitações apontadas. A colaboração multidisciplinar entre médicos, cientistas de dados e especialistas em eletrônica é fundamental para o desenvolvimento de algoritmos confiáveis e aplicáveis à prática.

Em resumo, a inteligência artificial tem potencial para auxiliar na predição da DRC e sua progressão, mas são necessários avanços no desenvolvimento e validação dessas ferramentas antes de sua incorporação na prática clínica. O resumo não fornece informações sobre custos ou impacto na gestão do consultório, mas destaca a importância da colaboração entre especialistas para superar as limitações identificadas.

O que o estudo mostrou

Revisão sistemática que selecionou 55 artigos sobre aplicação de algoritmos de aprendizado de máquina na doença renal crônica. Os achados indicam que esses algoritmos combinam grande número de preditores de forma não linear e altamente interativa, com capacidade aumentada quando novos dados são adicionados. Os autores observaram limitações nas publicações, como falta de revisão médica dos bancos de dados, ausência de informação sobre etnia, variáveis irrelevantes, falta de informação sobre a doença renal nativa, ausência de validação externa e falta de detalhes sobre os algoritmos. Concluíram que a aplicação pode aprimorar a predição da DRC e insuficiência renal, mas é necessário melhorar o desenvolvimento das ferramentas.

Limitações

O resumo não informa a amostra total de pacientes nem o desenho específico dos estudos incluídos. As principais limitações apontadas nos artigos foram: bancos de dados não revisados por médicos, ausência de informação sobre etnia, coleta de variáveis não importantes, falta de informação sobre a doença renal nativa, ausência de validação em coortes externas independentes e falta de detalhes sobre os algoritmos. Além disso, houve colaboração limitada entre especialistas. Essas falhas comprometem a generalização e a confiabilidade dos resultados.

Aplicação no consultório

Os achados sugerem que algoritmos de aprendizado de máquina podem auxiliar na predição da DRC e sua progressão, mas ainda carecem de validação adequada para uso rotineiro. Na prática clínica, o médico deve utilizar essas ferramentas como apoio, sem substituir o julgamento clínico. Para a gestão do consultório, é importante considerar a necessidade de dados de qualidade e revisão médica dos bancos de dados, além de incentivar a colaboração multidisciplinar com cientistas de dados para desenvolver algoritmos confiáveis e aplicáveis ao contexto local.

Estudo citado

Prediction of chronic kidney disease and its progression by artificial intelligence algorithms. Journal of nephrology, 2022.
Autores: Schena FP, Anelli VW, Abbrescia DI, Di Noia T.
DOI: 10.1007/s40620-022-01302-3 · PubMed: PMID 35543912

Perguntas para aprofundar

• Quais são as limitações dos algoritmos de aprendizado de máquina na predição da doença renal crônica?
• Como a inteligência artificial pode auxiliar na prática clínica do nefrologista?
• O que é necessário para validar algoritmos de aprendizado de máquina antes de usá-los na prática?

Mais sobre IA na atenção primária

• Um modelo de aprendizado de máquina aplicado ao eletrocardiograma pode aumentar a detecção de cirrose hepática avançada na atenção primária?
• Aprendizado de máquina com registros eletrônicos de saúde pode prever depressão na prática clínica?
• Uma estratégia de rastreamento de fibrilação atrial usando algoritmo de predição de risco por aprendizado de máquina é custo-efetiva na atenção primária?
• A inteligência artificial é eficaz no diagnóstico não invasivo de câncer de pele e qual o seu impacto potencial?
• Ferramentas de inteligência artificial são precisas para avaliar a relação entre o nervo alveolar inferior e o terceiro molar?

Todas as perguntas sobre IA na atenção primária · Todos os temas · Versão em markdown