# Modelos de machine learning podem avaliar habilidades neurocirúrgicas com desempenho superior ao de especialistas humanos? > Sim, segundo esta revisão sistemática. Os modelos foram aplicados à classificação de nível de expertise, detecção de instrumentos, divisão da operação em fases e predição de perda sanguínea. Support vector machine e k-nearest neighbors superaram 90% de acurácia na classificação por habilidade, e, nos dois artigos com comparação direta, as máquinas superaram os humanos em todas as tarefas. Estudo citado: Titov O, Bykanov A, Pitskhelauri D. Neurosurgical skills analysis by machine learning models: systematic review. Neurosurgical review. 2023. DOI: https://doi.org/10.1007/s10143-023-02028-x. PubMed: https://pubmed.ncbi.nlm.nih.gov/37191734/ ## Resposta A revisão sistemática reuniu a literatura disponível sobre o uso de modelos de machine learning na análise e avaliação de habilidades neurocirúrgicas. Foram identificados 261 estudos e 17 entraram na análise final, com busca no PubMed e no Google Scholar até novembro de 2022 e avaliação de qualidade pelo MERSQI. O interesse pelo tema é crescente, e a maior parte dos estudos concentrou-se em habilidades microcirúrgicas em neurocirurgia oncológica e no uso de simuladores virtuais. As tarefas avaliadas pelos modelos incluíram ressecção subpial de tumor cerebral, discectomia e fusão cervical anterior, hemostasia de artéria carótida interna lacerada, dissecção e sutura de vaso cerebral, microsutura em luva, hemilaminectomia lombar e perfuração óssea. As fontes de dados foram arquivos extraídos de simuladores de realidade virtual e vídeos microscópicos e endoscópicos. As aplicações visaram classificar participantes em níveis de expertise, analisar diferenças entre especialistas e novatos, reconhecer instrumentos cirúrgicos, dividir a operação em fases e predizer perda sanguínea. Os algoritmos mais populares para classificar cirurgiões por nível de habilidade foram o support vector machine e o k-nearest neighbors, com acurácia acima de 90%. Para detecção de instrumentos cirúrgicos, o detector "you only look once" e o RetinaNet resolveram o problema com acurácia de aproximadamente 70%. Em dois artigos, os modelos de machine learning foram comparados aos de especialistas humanos, e as máquinas superaram os humanos em todas as tarefas. Os especialistas diferiram dos novatos por contato mais confiante com os tecidos, maior bimanualidade, menor distância entre as pontas dos instrumentos e estado mental relaxado e focado. A qualidade metodológica média pelo MERSQI foi 13.9, em uma escala de 18. Os autores concluem que os modelos resolvem diferentes tarefas neurocirúrgicas relacionadas à classificação de habilidades, detecção de objetos e predição de desfechos, mas que mais pesquisa é necessária. ## O que o estudo mostrou Revisão sistemática conduzida conforme as diretrizes PRISMA, com busca no PubMed e no Google Scholar até novembro de 2022. De 261 estudos identificados, 17 foram incluídos na análise final. Os estudos envolveram principalmente neurocirurgia oncológica, espinhal e vascular, com técnicas microcirúrgicas e endoscópicas. Os modelos de machine learning classificaram participantes por nível de expertise, detectaram instrumentos, dividiram operações em fases e predizeram perda sanguínea. Support vector machine e k-nearest neighbors superaram 90% de acurácia na classificação por habilidade; o detector "you only look once" e o RetinaNet atingiram cerca de 70% na detecção de instrumentos. Em dois artigos com comparação direta, as máquinas superaram os humanos em todas as tarefas. A média do MERSQI foi 13.9, de 18. ## Limitações O resumo não informa o desenho detalhado nem a amostra dos estudos incluídos, nem limitações específicas de cada um. A qualidade metodológica média pelo MERSQI foi 13.9 de 18, indicando que os estudos não atingiram o máximo da escala. A comparação direta entre modelos de machine learning e especialistas humanos ocorreu em apenas dois artigos, o que limita a generalização da superioridade das máquinas. O resumo também não detalha heterogeneidade entre estudos, tipos de simuladores ou populações avaliadas. ## Aplicação no consultório Para o médico que atua em ensino e treinamento neurocirúrgico, os achados sugerem que modelos de machine learning podem apoiar a avaliação objetiva de habilidades em simuladores e vídeos cirúrgicos, inclusive na classificação de nível de expertise e na análise de diferenças entre especialistas e novatos. Na gestão do consultório e de programas de formação, isso pode orientar a estruturação de treinamentos com feedback baseado em dados e a definição de critérios mais objetivos de progressão. A detecção de instrumentos e a divisão de fases podem subsidiar revisões de vídeos cirúrgicos. Como a evidência ainda é limitada e baseada em poucos estudos, a incorporação deve ser cautelosa e acompanhada de validação local. ## Perguntas para aprofundar - Quais algoritmos de machine learning são mais usados para classificar cirurgiões por nível de habilidade em neurocirurgia? - Como os modelos de machine learning se comparam aos especialistas humanos na avaliação de habilidades neurocirúrgicas? - Quais fontes de dados são utilizadas para treinar modelos de machine learning em habilidades neurocirúrgicas? Tema: IA em cirurgia e robótica. Página: https://alphadoctor.com.br/ciencia/ia-cirurgia-robotica/modelos-de-machine-learning-podem-avaliar-habilidades-neurocirurgicas-com/ Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.