# Métodos de aprendizado de máquina aplicados a dados de desfechos relatados pelo paciente podem prever desfechos em dor lombar e cervical inespecíficas?

> Sim, um estudo exploratório mostrou que modelos de aprendizado de máquina baseados em medidas de desfechos relatados pelo paciente (PROMs) conseguiram prever e classificar desfechos de curto prazo em pacientes com dor lombar e cervical inespecíficas, com bom desempenho e possibilidade de reduzir o número de preditores, apoiando a decisão clínica.

Estudo citado: Verma D, Jansen D, Bach K, Poel M, Mork PJ, d'Hollosy WON. Exploratory application of machine learning methods on patient reported data in the development of supervised models for predicting outcomes. BMC medical informatics and decision making. 2022. DOI: https://doi.org/10.1186/s12911-022-01973-9. PubMed: https://pubmed.ncbi.nlm.nih.gov/36050726/

## Resposta

O estudo investigou até que ponto diferentes métodos de aprendizado de máquina, aplicados a dois conjuntos de dados de PROMs, poderiam prever desfechos em pacientes com dor cervical e/ou lombar inespecíficas. Os dados vieram de um ensaio clínico randomizado com pacientes com dor lombar na atenção primária e de pacientes encaminhados para reabilitação biopsicossocial multidisciplinar.

Os resultados mostraram que há potencial para prever e classificar os PROMs. Os modelos de predição baseados em medidas basais tiveram bom desempenho, e o número de preditores pôde ser reduzido, o que é vantajoso para implementação em cenários de apoio à decisão. A tarefa de classificação revelou que o conjunto de dados não continha todos os preditores necessários para classificar o tipo de cuidado.

Os autores concluem que o estudo demonstra o potencial dos PROMs em prever desfechos de curto prazo e que métodos de aprendizado de máquina podem explorar o valor preditivo dos PROMs para apoiar a decisão clínica, desde que os PROMs tenham poder preditivo suficiente. Além disso, o trabalho apresenta pipelines generalizáveis que podem ser adaptados a outros conjuntos de dados de PROMs.

Para o médico, isso sugere que dados rotineiramente coletados por meio de PROMs podem ser utilizados com técnicas de aprendizado de máquina para gerar modelos preditivos, potencialmente auxiliando na estratificação de risco e na personalização do cuidado. No entanto, a aplicação clínica requer validação externa e consideração das limitações dos dados originais.

## O que o estudo mostrou

Estudo exploratório que aplicou métodos de aprendizado de máquina a dois conjuntos de dados de PROMs: um de pacientes com dor lombar na atenção primária participantes de um ensaio clínico randomizado e outro de pacientes com dor cervical e/ou lombar encaminhados para reabilitação biopsicossocial multidisciplinar. Foram avaliados métodos de regressão e classificação para prever desfechos. Os modelos baseados em medidas basais apresentaram bom desempenho, e o número de preditores pôde ser reduzido. A classificação do tipo de cuidado não foi totalmente possível com os dados disponíveis.

## Limitações

O resumo não informa o tamanho da amostra, as características detalhadas dos participantes, as métricas de desempenho dos modelos, nem as limitações específicas do estudo. Trata-se de uma aplicação exploratória, e os resultados podem não ser generalizáveis para outras populações ou contextos. A classificação do tipo de cuidado não foi possível com os preditores disponíveis, indicando que variáveis importantes podem estar faltando.

## Aplicação no consultório

Os achados sugerem que PROMs coletados na prática clínica podem ser usados para alimentar modelos preditivos, auxiliando na identificação de pacientes com maior risco de desfechos desfavoráveis e no planejamento do cuidado. Para o consultório, isso reforça a importância de coletar e registrar sistematicamente PROMs válidos. No entanto, a implementação de modelos de aprendizado de máquina requer infraestrutura de dados e validação local antes de serem usados na rotina. A redução do número de preditores facilita a aplicação clínica, mas os modelos ainda são exploratórios.

## Perguntas para aprofundar

- Quais PROMs são mais úteis para prever desfechos em dor lombar na atenção primária?
- Como implementar modelos de aprendizado de máquina baseados em PROMs na prática clínica?
- Quais são as limitações dos modelos preditivos para dor cervical e lombar inespecíficas?

Tema: IA na atenção primária. Página: https://alphadoctor.com.br/ciencia/ia-atencao-primaria/metodos-de-aprendizado-de-maquina-aplicados-a-dados-de-desfechos-relatados-pelo/

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