# Modelos de machine learning são melhores que métodos convencionais para prever desfechos cirúrgicos?

> Uma revisão sistemática mostrou que todos os estudos que compararam algoritmos de machine learning com métodos convencionais, usando a área sob a curva (AUC), encontraram melhor predição de desfechos com os modelos de machine learning. No entanto, a heterogeneidade dos desfechos e a qualidade variável dos estudos limitam conclusões definitivas.

Estudo citado: Elfanagely O, Toyoda Y, Othman S, Mellia JA, Basta M, Liu T et al.. Machine Learning and Surgical Outcomes Prediction: A Systematic Review. The Journal of surgical research. 2021. DOI: https://doi.org/10.1016/j.jss.2021.02.045. PubMed: https://pubmed.ncbi.nlm.nih.gov/33848833/

## Resposta

A revisão sistemática teve como objetivo examinar criticamente o estado atual do machine learning (ML) na predição de desfechos cirúrgicos, avaliar a qualidade da pesquisa disponível e propor áreas de melhoria para usos futuros. Foram incluídos 45 estudos publicados entre 2015 e 2020, abrangendo diversas subespecialidades cirúrgicas, com destaque para a neurocirurgia.

Os algoritmos de ML mais utilizados foram random forest (n = 19), rede neural artificial (n = 17) e regressão logística (n = 17). Os desfechos mais comuns incluíram mortalidade pós-operatória, complicações, qualidade de vida relatada pelo paciente e melhora da dor. Todos os estudos que compararam os algoritmos de ML com métodos convencionais, usando a área sob a curva (AUC) para medir acurácia, encontraram melhor predição de desfechos com os modelos de ML.

Apesar dos resultados promissores, os autores destacam que o campo ainda está em estágios iniciais. As limitações incluíram heterogeneidade dos desfechos e qualidade imperfeita de alguns dos artigos. Os pesquisadores enfatizam a necessidade de que estudos futuros concordem sobre métodos de relato de desfechos e exijam padrões básicos de qualidade.

Para o cirurgião, os modelos de ML oferecem uma oportunidade de utilizar a grande quantidade de dados clínicos disponíveis para melhorar o cuidado individualizado ao paciente. No entanto, a implementação na prática clínica requer cautela, dado que a qualidade metodológica dos estudos ainda é variável e os desfechos não são padronizados.

A revisão reforça que, embora promissor, o uso de ML em cirurgia precisa de padronização e rigor metodológico antes de ser incorporado rotineiramente. O resumo não informa detalhes sobre a amostra total de pacientes ou o desenho específico de cada estudo incluído.

## O que o estudo mostrou

Trata-se de uma revisão sistemática conduzida de acordo com a lista PRISMA, com busca nas bases PubMed, MEDLINE e Embase sob a sintaxe "machine learning" e "surgery" para artigos publicados entre 2015 e 2020. De 2677 estudos iniciais, 45 preencheram os critérios de inclusão e exclusão. Quatorze subespecialidades foram representadas, sendo neurocirurgia a mais comum. Os algoritmos mais usados foram random forest (n = 19), rede neural artificial (n = 17) e regressão logística (n = 17). Desfechos comuns incluíram mortalidade pós-operatória, complicações, qualidade de vida e melhora da dor. Todos os estudos que compararam ML com métodos convencionais usando AUC encontraram melhor predição com ML.

## Limitações

O resumo informa que as limitações incluíram heterogeneidade dos desfechos e qualidade imperfeita de alguns dos artigos. Não são fornecidos detalhes sobre a amostra total de pacientes, o risco de viés individual dos estudos ou a magnitude das melhorias na AUC. Os autores recomendam que pesquisas futuras concordem sobre métodos de relato de desfechos e exijam padrões básicos de qualidade.

## Aplicação no consultório

Para o médico brasileiro, os achados sugerem que modelos de ML podem, no futuro, auxiliar na predição de desfechos cirúrgicos e no planejamento individualizado. No entanto, a heterogeneidade metodológica e a falta de padronização indicam que a aplicação clínica rotineira ainda não está estabelecida. No consultório, isso significa cautela ao adotar ferramentas preditivas sem validação local e a importância de acompanhar a literatura para identificar modelos robustos. A gestão do consultório pode se beneficiar do uso de dados clínicos estruturados para futuras análises, mas sem substituir o julgamento clínico.

## Perguntas para aprofundar

- Quais algoritmos de machine learning são mais utilizados para prever desfechos cirúrgicos?
- Como a qualidade metodológica dos estudos de machine learning em cirurgia pode ser melhorada?
- Quais desfechos cirúrgicos são mais comumente avaliados por modelos de machine learning?

Tema: IA em cirurgia e robótica. Página: https://alphadoctor.com.br/ciencia/ia-cirurgia-robotica/modelos-de-machine-learning-sao-melhores-que-metodos-convencionais-para-prever/

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