IA em cirurgia e robótica

Modelos de machine learning são superiores aos métodos de regressão na predição de infecção de sítio cirúrgico?

Resposta

A infecção de sítio cirúrgico é uma complicação relevante, associada a aumento de morbimortalidade e de custos em saúde. Com o avanço da inteligência artificial, cresceu o número de modelos de machine learning desenvolvidos para prever esse desfecho. Esta revisão sistemática teve como objetivo avaliar o desempenho e a qualidade metodológica de modelos de machine learning validados para predição de infecção de sítio cirúrgico.

Foram incluídos 24 estudos, que descreveram 85 modelos de machine learning. A maioria dos modelos foi apenas validada internamente (81%). A medida de desempenho mais reportada foi a estatística C (96% dos estudos), enquanto métricas de calibração foram reportadas em apenas dois estudos. Um total de 116 preditores diferentes foi descrito, sendo idade, uso de esteroides, sexo, diabetes e tabagismo os mais frequentemente incorporados (100% a 75% dos modelos).

Treze estudos compararam modelos de machine learning com modelos baseados em regressão e mostraram desempenho semelhante entre as duas abordagens. Para todos os estudos incluídos, o risco de viés geral foi alto ou incerto, segundo a ferramenta Prediction model Risk of Bias Assessment Tool. Assim, não houve superioridade de um método sobre o outro nos estudos que descreveram ambas as abordagens.

Os achados indicam que, apesar da disponibilidade de muitos modelos de machine learning para predição de infecção de sítio cirúrgico, há grande variabilidade de desempenho, validação externa limitada e reporte incompleto de métricas. A qualidade metodológica geral foi baixa, com alto risco de viés. Portanto, a aplicação clínica rotineira desses modelos ainda carece de validação robusta e de demonstração de benefício sobre métodos tradicionais.

Para o médico, a mensagem é que o machine learning não deve ser considerado automaticamente superior à regressão para predição de infecção de sítio cirúrgico. A escolha de um modelo deve considerar a validação externa, a calibração e o risco de viés. No consultório, a incorporação de ferramentas preditivas requer cautela e avaliação crítica da qualidade metodológica antes de sua utilização na prática clínica.

O que o estudo mostrou

Revisão sistemática com busca em PubMed, Embase e Cochrane library até julho de 2023. De 4.377 estudos triados, 24 foram incluídos, descrevendo 85 modelos de machine learning. A maioria (81%) foi apenas validada internamente. A estatística C foi a medida de desempenho mais usada (96% dos estudos) e apenas dois estudos reportaram métricas de calibração. Foram descritos 116 preditores diferentes, sendo idade, uso de esteroides, sexo, diabetes e tabagismo os mais frequentes (100% a 75%). Treze estudos compararam machine learning com regressão e mostraram desempenho semelhante. O risco de viés geral foi alto ou incerto em todos os estudos.

Limitações

O resumo não informa detalhes sobre a população dos estudos, os tipos de cirurgia incluídos ou os critérios exatos de validação. A maioria dos modelos foi apenas validada internamente, e métricas de calibração foram raramente reportadas. O risco de viés foi alto ou incerto em todos os estudos, o que limita a confiança nos resultados. O resumo não informa análise de subgrupos ou meta-análise.

Aplicação no consultório

Na prática clínica, modelos de machine learning para predição de infecção de sítio cirúrgico não demonstraram superioridade sobre métodos de regressão. O médico deve avaliar criticamente a validação externa, a calibração e o risco de viés antes de incorporar tais ferramentas. No consultório, a adoção de modelos preditivos requer cautela e pode não agregar benefício sobre abordagens tradicionais. A gestão do consultório deve priorizar ferramentas com validação robusta e reporte transparente de desempenho.

Estudo citado

Systematic evaluation of machine learning models for postoperative surgical site infection prediction. PloS one, 2024.
Autores: van Boekel AM, van der Meijden SL, Arbous SM, Nelissen RGHH, Veldkamp KE, Nieswaag EB, Jochems KFT, Holtz J, Veenstra AVI, Reijman J, de Jong Y, van Goor H, Wiewel MA, Schoones JW, Geerts BF, de Boer MGJ.
DOI: 10.1371/journal.pone.0312968 · PubMed: PMID 39666725

Perguntas para aprofundar

• Quais são os preditores mais frequentemente usados em modelos de machine learning para infecção de sítio cirúrgico?
• Como avaliar a qualidade metodológica de modelos preditivos de infecção de sítio cirúrgico?
• A validação externa é necessária para aplicar modelos de machine learning na prática cirúrgica?

Mais sobre IA em cirurgia e robótica

• Algoritmos de aprendizado de máquina podem prever a progressão do aneurisma de aorta abdominal?
• Quais predições com aprendizado de máquina já são viáveis em artroplastia do joelho e quais dados específicos são necessários?
• A inteligência artificial em cirurgia robótica já tem eficácia clínica comprovada ou apenas viabilidade técnica?
• Modelos de aprendizado de máquina podem prever desfechos funcionais de usuários de implante coclear com desempenho adequado?
• Intervenções guiadas por aprendizado de máquina melhoram desfechos perioperatórios em comparação ao cuidado padrão?

Todas as perguntas sobre IA em cirurgia e robótica · Todos os temas · Versão em markdown