# A inteligência artificial já pode ser usada na prática clínica para prever complicações e perda de peso após cirurgia bariátrica?

> Uma revisão sistemática mostrou que algoritmos de aprendizado de máquina previram complicações pós-operatórias e perda de peso com acurácia de até 98%. No entanto, a introdução clínica depende de validação externa, e o resumo não detalha limitações ou qualidade metodológica dos estudos incluídos.

Estudo citado: Bektaş M, Reiber BMM, Pereira JC, Burchell GL, van der Peet DL. Artificial Intelligence in Bariatric Surgery: Current Status and Future Perspectives. Obesity surgery. 2022. DOI: https://doi.org/10.1007/s11695-022-06146-1. PubMed: https://pubmed.ncbi.nlm.nih.gov/35713855/

## Resposta

A revisão sistemática buscou artigos sobre aprendizado de máquina (ML) em cirurgia bariátrica nas bases PubMed, EMBASE, Cochrane e Web of Science. A maioria dos algoritmos aplicados previu complicações pós-operatórias e perda de peso, com acurácias de até 98%. Isso sugere que o ML pode ter um papel promissor na predição de desfechos cirúrgicos.

Apesar dos resultados animadores, os autores concluem que a introdução clínica do ML depende da validação externa dos modelos. Ou seja, antes de serem usados na prática, os algoritmos precisam ser testados em populações diferentes daquelas em que foram desenvolvidos, para confirmar sua generalização e confiabilidade.

O resumo não informa o número de estudos incluídos, o tamanho das amostras, nem as características dos pacientes. Também não detalha quais complicações ou como a perda de peso foi medida. Essas informações são importantes para avaliar a aplicabilidade dos achados.

A qualidade metodológica foi avaliada com a ferramenta Cochrane de risco de viés e a PROBAST, mas o resumo não apresenta os resultados dessa avaliação. Portanto, não é possível concluir sobre a robustez dos estudos individuais ou sobre a presença de vieses que possam inflar as acurácias relatadas.

Para o médico brasileiro, os resultados indicam potencial, mas não autorizam o uso clínico rotineiro dos algoritmos no consultório. A aplicação prática ainda requer validação externa e estudos que demonstrem benefício em desfechos clínicos relevantes, além de considerar a infraestrutura e a integração com sistemas de saúde.

## O que o estudo mostrou

Trata-se de uma revisão sistemática que buscou artigos sobre aprendizado de máquina em cirurgia bariátrica nas bases PubMed, EMBASE, Cochrane e Web of Science. A maioria dos algoritmos aplicados previu complicações pós-operatórias e perda de peso, com acurácias de até 98%. A qualidade metodológica foi avaliada com a ferramenta Cochrane de risco de viés e a PROBAST, mas o resumo não informa o número de estudos incluídos nem os resultados dessa avaliação.

## Limitações

O resumo não informa o número de estudos incluídos, o tamanho das amostras, as características dos pacientes, nem os resultados da avaliação de risco de viés e da PROBAST. Também não detalha quais complicações foram previstas ou como a perda de peso foi medida. Além disso, a necessidade de validação externa limita a generalização dos achados para a prática clínica.

## Aplicação no consultório

Os achados ainda não permitem incorporar algoritmos de ML na rotina do consultório para prever complicações ou perda de peso após bariátrica. O médico deve aguardar validação externa e estudos que demonstrem benefício clínico. Na gestão do consultório, pode-se acompanhar a evolução dessas ferramentas, mas sem substituir o julgamento clínico ou os protocolos estabelecidos.

## Perguntas para aprofundar

- Quais são os principais desafios para validar externamente algoritmos de aprendizado de máquina em cirurgia bariátrica?
- Como a qualidade metodológica dos estudos de ML em bariátrica foi avaliada pela ferramenta PROBAST?
- Que tipos de complicações pós-operatórias foram previstos pelos algoritmos de ML na revisão?

Tema: IA em cirurgia e robótica. Página: https://alphadoctor.com.br/ciencia/ia-cirurgia-robotica/a-inteligencia-artificial-ja-pode-ser-usada-na-pratica-clinica-para-prever/

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