# Escores clínicos para diferenciar AVC isquêmico de hemorrágico têm desempenho superestimado?

> Sim, uma reanálise com aprendizado de máquina mostrou que escores como Siriraj, Guys Hospital/Allen e Greek têm desempenho superestimado. A sensibilidade relatada para o Siriraj foi maior que a calculada após correção. A acurácia ponderada é uma métrica mais adequada. Os escores ainda têm potencial, mas precisam ser ajustados para diferentes demografias.

Estudo citado: Bhardwaj A, Srivastava MP, Wilson PV, Mehndiratta A, Vishnu VY, Garg R. Machine learning based reanalysis of clinical scores for distinguishing between ischemic and hemorrhagic stroke in low resource setting. Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association. 2022. DOI: https://doi.org/10.1016/j.jstrokecerebrovasdis.2022.106638. PubMed: https://pubmed.ncbi.nlm.nih.gov/35926404/

## Resposta

A classificação clínica do tipo de AVC é uma necessidade em locais sem neuroimagem, mas os escores disponíveis apresentam limitações. Este estudo reanalisou dados de 21 estudos que validaram os escores Siriraj, Guys Hospital/Allen, Greek e Besson, usando princípios de aprendizado de máquina para corrigir superestimação e viés por desequilíbrio de classes.

Os resultados mostram que o escore Siriraj tem o melhor desempenho entre os avaliados, mas sua sensibilidade relatada para diagnóstico de AVC isquêmico (mediana 78%) foi maior que a calculada após correção (mediana 70%). Para AVC hemorrágico, a sensibilidade relatada (mediana 71%) também foi superior à calculada (mediana 59%). Tendências semelhantes foram observadas para os escores Guys Hospital/Allen e Greek.

Os autores destacam que a acurácia ponderada é uma métrica mais adequada para avaliar o desempenho desses escores, pois leva em conta o desequilíbrio entre as classes. Apesar das limitações, os atributos clínicos ainda mostram potencial para classificação de AVC, mas o desempenho varia conforme a demografia, indicando a necessidade de ajuste dos escores para diferentes populações.

Para melhorar a generalização, os autores sugerem a criação de um pool global de dados com atributos estatisticamente significativos, sobre o qual classificadores de aprendizado de máquina possam ser treinados. Isso poderia levar a modelos mais robustos e aplicáveis em larga escala, especialmente em cenários de baixos recursos.

Na prática clínica, os achados reforçam que os escores clínicos não devem ser usados isoladamente sem considerar suas limitações e a necessidade de validação local. A reanálise com técnicas de aprendizado de máquina oferece uma abordagem mais realista para estimar o desempenho e orientar decisões sobre encaminhamento.

## O que o estudo mostrou

Revisão sistemática de 21 estudos que validaram escores clínicos para classificação de AVC. Após correção de superestimação e viés de desequilíbrio de classes com aprendizado de máquina, o escore Siriraj apresentou melhor desempenho, mas com sensibilidades menores que as relatadas originalmente. Para AVC isquêmico, a sensibilidade mediana caiu de 78% para 70%; para hemorrágico, de 71% para 59%. Escores Guys Hospital/Allen e Greek mostraram tendências similares. A acurácia ponderada foi recomendada como métrica mais adequada.

## Limitações

O resumo não informa detalhes sobre a qualidade dos estudos incluídos, heterogeneidade entre as populações ou métodos estatísticos específicos usados na reanálise. Também não são fornecidos dados sobre a acurácia global ou valores preditivos. A comparação foi restrita aos escores Siriraj, Guys Hospital/Allen, Greek e Besson, e pode não se aplicar a outros escores. Além disso, a reanálise foi baseada em dados publicados, o que pode introduzir viés de publicação.

## Aplicação no consultório

Os escores clínicos para diferenciar AVC isquêmico de hemorrágico podem auxiliar na triagem inicial quando a neuroimagem não está disponível, mas seus desempenhos são inferiores ao relatado originalmente. O médico deve interpretar esses escores com cautela e considerar a necessidade de confirmação por imagem antes de decisões terapêuticas. A gestão do consultório pode incluir a implementação de protocolos que combinem escores clínicos com acesso rápido a neuroimagem, além de treinamento para ajuste local dos escores. A criação de um pool global de dados pode, no futuro, melhorar a generalização, mas até lá a validação local é essencial.

## Perguntas para aprofundar

- Qual o desempenho real do escore Siriraj na prática clínica após correção de vieses?
- Como o desequilíbrio de classes afeta a interpretação da sensibilidade dos escores clínicos?
- Quais estratégias podem melhorar a generalização dos escores clínicos para diferentes populações?

Tema: IA na atenção primária. Página: https://alphadoctor.com.br/ciencia/ia-atencao-primaria/escores-clinicos-para-diferenciar-avc-isquemico-de-hemorragico-tem-desempenho/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.