# O aprendizado de máquina é útil na predição de morte súbita cardíaca para indicação de CDI?

> Uma revisão sistemática mostrou que o aprendizado de máquina foi subaplicado e implementado de forma incorreta, mas pode ter utilidade incremental na predição de morte súbita cardíaca em comparação com modelos tradicionais. A heterogeneidade dos estudos impediu meta-análise e a qualidade dos relatos foi baixa.

Estudo citado: Barker J, Li X, Khavandi S, Koeckerling D, Mavilakandy A, Pepper C et al.. Machine learning in sudden cardiac death risk prediction: a systematic review. Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology. 2022. DOI: https://doi.org/10.1093/europace/euac135. PubMed: https://pubmed.ncbi.nlm.nih.gov/36201237/

## Resposta

A revisão sistemática avaliou o uso de aprendizado de máquina para predição de risco de morte súbita cardíaca (MSC) e sua aplicação na indicação de cardioversores-desfibriladores implantáveis (CDI). Foram incluídos 11 estudos, com tamanhos amostrais variando de 122 a 124 097 participantes, utilizando fontes de dados demográficos, clínicos, eletrocardiográficos, eletrofisiológicos, de imagem e genéticos, com 4 a 72 variáveis por modelo.

Os resultados mostraram que a métrica de desempenho mais comum foi a área sob a curva ROC, variando de 0,71 a 0,96. Em seis estudos que compararam modelos de aprendizado de máquina com regressão, o aprendizado de máquina melhorou o desempenho em cinco. No entanto, nenhum estudo aderiu a um padrão de relato, e cinco apresentaram alto risco de viés.

Os autores concluíram que o aprendizado de máquina para predição de MSC tem sido subaplicado e implementado de forma incorreta, mas está maduro para investigações futuras. Pode haver utilidade incremental em relação aos modelos tradicionais, porém a heterogeneidade das populações, métodos e desfechos impediu a realização de meta-análise.

A revisão também destacou a necessidade de desenvolver padrões de relato para estudos de aprendizado de máquina, a fim de melhorar a qualidade das evidências. A avaliação de transparência e qualidade foi feita com as ferramentas TRIPOD e PROBAST, mas nenhum estudo seguiu um padrão de relato.

Para o médico brasileiro, os achados sugerem cautela na aplicação clínica imediata desses modelos, dado o alto risco de viés e a falta de padronização. No entanto, a área é promissora e pode, no futuro, auxiliar na estratificação de risco para indicação de CDI, especialmente em pacientes considerados de baixo risco pelos critérios convencionais.

## O que o estudo mostrou

Revisão sistemática com busca em múltiplas bases de dados que identificou 11 estudos elegíveis, com amostras de 122 a 124 097 participantes. As fontes de dados incluíram variáveis demográficas, clínicas, eletrocardiográficas, eletrofisiológicas, de imagem e genéticas (4 a 72 variáveis por modelo). A área sob a curva ROC variou de 0,71 a 0,96. Em seis estudos comparando aprendizado de máquina com regressão, o aprendizado de máquina foi superior em cinco. Nenhum estudo aderiu a padrões de relato e cinco tinham alto risco de viés.

## Limitações

A heterogeneidade das populações, métodos e medidas de desfecho impediu a realização de meta-análise. O resumo não informa detalhes sobre as limitações individuais dos estudos incluídos. Além disso, nenhum estudo seguiu um padrão de relato, e cinco apresentaram alto risco de viés, o que compromete a qualidade das evidências. O resumo também não fornece informações sobre a aplicabilidade clínica dos modelos.

## Aplicação no consultório

Os achados indicam que, atualmente, os modelos de aprendizado de máquina para predição de morte súbita cardíaca não estão prontos para uso rotineiro na prática clínica, devido à falta de padronização e ao alto risco de viés. O médico deve manter os critérios convencionais para indicação de CDI. No entanto, a área é promissora e pode, no futuro, auxiliar na identificação de pacientes de baixo risco que poderiam se beneficiar do dispositivo. A gestão do consultório pode considerar o acompanhamento dessas pesquisas para incorporação futura.

## Perguntas para aprofundar

- Quais são os critérios convencionais para indicação de CDI na prevenção primária?
- Como o aprendizado de máquina pode melhorar a estratificação de risco de morte súbita cardíaca?
- Quais padrões de relato são recomendados para estudos de aprendizado de máquina em cardiologia?

Tema: IA em cardiologia (ECG e ecocardiograma). Página: https://alphadoctor.com.br/ciencia/ia-cardiologia/o-aprendizado-de-maquina-e-util-na-predicao-de-morte-subita-cardiaca-para/

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