Modelos de machine learning são superiores à regressão logística para prever desfechos pós-operatórios em cirurgia gastrointestinal?
Resposta curta: Sim, segundo esta revisão sistemática com meta-análise, os melhores modelos de machine learning apresentaram AUC significativamente maior que os de regressão logística (ΔAUC 0,07; IC 95% 0,04-0,09) na predição de desfechos após cirurgia gastrointestinal. A diferença permaneceu significativa na análise de subgrupo de estudos com baixo risco de viés.
Resposta
A revisão sistemática com meta-análise comparou o desempenho de modelos de machine learning (ML) com modelos de regressão logística (LR) na predição de desfechos pós-operatórios em pacientes submetidos à cirurgia gastrointestinal. Foram incluídos 38 estudos, totalizando 62 modelos de LR e 143 modelos de ML. A medida de desempenho avaliada foi a área sob a curva ROC (AUC).
Os resultados mostraram que, em média, os melhores modelos de ML tiveram AUC significativamente maior que os modelos de LR, com uma diferença (ΔAUC) de 0,07 (IC 95% 0,04-0,09; P < 0,001). A diferença no logit da AUC também foi significativa (Δlogit 0,41; IC 95% 0,23-0,58; P < 0,001).
Aproximadamente 44% dos estudos foram classificados como de baixo risco de viés. Na análise de subgrupo restrita a esses estudos, a diferença no logit da AUC permaneceu significativa (Δlogit 0,40; IC 95% 0,14-0,66; P = 0,009), reforçando a robustez do achado principal.
Os autores concluem que há uma melhora significativa na capacidade discriminatória ao usar ML em vez de LR para prever desfechos em cirurgia gastrointestinal. No entanto, ressaltam a necessidade de estabelecer protocolos padronizados para o desenvolvimento e relato de estudos com modelos de ML, além de explorar a implementação prática desses modelos.
Para o médico, esses achados sugerem que ferramentas baseadas em ML podem oferecer predições mais acuradas, mas ainda são necessários esforços para padronização e validação antes da aplicação clínica rotineira.
O que o estudo mostrou
Revisão sistemática e meta-análise que incluiu 38 estudos, com 62 modelos de regressão logística e 143 modelos de machine learning, comparando a AUC na predição de desfechos pós-operatórios em cirurgia gastrointestinal. Os melhores modelos de ML tiveram AUC significativamente maior que os de LR (ΔAUC 0,07; IC 95% 0,04-0,09; P < 0,001). A diferença permaneceu significativa em estudos com baixo risco de viés.
Limitações
O resumo não informa detalhes sobre a heterogeneidade entre os estudos, as populações específicas incluídas, os tipos de desfechos preditos ou as técnicas de ML utilizadas. Também não são descritas limitações relacionadas à qualidade dos modelos ou à aplicabilidade clínica. Apenas 44% dos estudos foram considerados de baixo risco de viés, e o resumo não detalha os critérios de avaliação.
Aplicação no consultório
Os achados indicam que modelos de ML podem ser mais precisos que a regressão logística para prever desfechos em cirurgia gastrointestinal, o que pode auxiliar na estratificação de risco e no planejamento cirúrgico. No entanto, a implementação na prática clínica ainda requer padronização e validação externa. Para a gestão do consultório, é importante considerar a necessidade de infraestrutura e treinamento para utilizar essas ferramentas, além de aguardar protocolos definidos antes de adotá-las rotineiramente.
Estudo citado
Machine learning improves prediction of postoperative outcomes after gastrointestinal surgery: a systematic review and meta-analysis. Journal of gastrointestinal surgery : official journal of the Society for Surgery of the Alimentary Tract, 2024.
Autores: Wang J, Tozzi F, Ashraf Ganjouei A, Romero-Hernandez F, Feng J, Calthorpe L, Castro M, Davis G, Withers J, Zhou C, Chaudhary Z, Adam M, Berrevoet F, Alseidi A, Rashidian N.
DOI: 10.1016/j.gassur.2024.03.006 · PubMed: PMID 38556418
Perguntas para aprofundar
- Quais são os principais desafios para implementar modelos de machine learning na prática cirúrgica?
- Como a regressão logística ainda pode ser útil na predição de desfechos cirúrgicos?
- Que tipos de desfechos pós-operatórios foram mais bem preditos por machine learning?
Mais sobre IA em cirurgia e robótica
- Modelos de aprendizado de máquina são úteis para prever a sobrevida do enxerto em transplante renal?
- Modelos de machine learning superam a regressão logística na predição de mortalidade após cirurgia cardíaca?
- Modelos de aprendizado de máquina são confiáveis para prever recidiva após cirurgia de adenoma hipofisário?
- Aprendizado de máquina supervisionado realmente melhora a previsão de desfechos após artroplastia total de quadril e joelho?
- O aprendizado de máquina é útil para prever rejeição de enxerto após transplante renal?
Todas as perguntas sobre IA em cirurgia e robótica · Todos os temas · Versão em markdown