IA em cirurgia e robótica

Modelos de machine learning superam a regressão logística na predição de mortalidade após cirurgia cardíaca?

Resposta

A revisão sistemática com meta-análise reuniu estudos que avaliaram modelos de machine learning e modelos estatísticos tradicionais na predição de desfechos pós-operatórios em cirurgia cardíaca. O desfecho primário foi o C-index de desempenho discriminativo, agrupado por abordagem bayesiana com intervalo de credibilidade de 95%.

Apenas dois desfechos permitiram meta-análise: mortalidade em 30 dias e mortalidade hospitalar. Para mortalidade em 30 dias, o C-index agrupado foi 0.82 para machine learning, 0.80 para regressão logística e 0.78 para escores clínicos. Para mortalidade hospitalar, foi 0.81 para machine learning e 0.79 para regressão logística.

Os autores realizaram análise de diferença crítica e análise de sensibilidade. A conclusão foi que, em pacientes de cirurgia cardíaca, os métodos de machine learning atuais não apresentam maior poder discriminativo que a regressão logística, medido pelo C-index, para predição de mortalidade.

O resumo não informa o número total de pacientes incluídos nem as características das populações ou dos modelos avaliados. Também não detalha quais variáveis preditoras foram usadas nem como os modelos foram validados, o que limita a interpretação sobre aplicabilidade dos achados.

Para o médico, o achado sugere cautela antes de substituir escores clínicos ou regressão logística por modelos de machine learning na avaliação de risco pré-operatório. A incorporação de novas ferramentas preditivas deve considerar desempenho discriminativo comparável, além de validação e integração ao fluxo de trabalho.

O que o estudo mostrou

Revisão sistemática com meta-análise bayesiana que identificou 2792 referências, das quais 51 atenderam aos critérios de inclusão. Dois desfechos foram analisados: mortalidade em 30 dias e mortalidade hospitalar. Para mortalidade em 30 dias, o C-index agrupado foi 0.82 para machine learning, 0.80 para regressão logística e 0.78 para escores clínicos. Para mortalidade hospitalar, foi 0.81 para machine learning e 0.79 para regressão logística. Não houve resultado estatisticamente significativo de superioridade do machine learning.

Limitações

O resumo não informa o número de pacientes, as características das populações, os modelos avaliados nem as estratégias de validação. A meta-análise foi possível apenas para mortalidade em 30 dias e mortalidade hospitalar, e não houve resultado estatisticamente significativo de superioridade do machine learning, o que limita conclusões sobre outros desfechos e sobre aplicabilidade clínica ampla.

Aplicação no consultório

Na prática e na gestão do consultório, o estudo reforça que escores clínicos e regressão logística continuam sendo referências válidas para estimar risco de mortalidade em cirurgia cardíaca. Antes de adotar ferramentas de machine learning no fluxo de avaliação pré-operatória, o médico deve verificar validação, desempenho discriminativo comparável e utilidade na rotina, evitando substituir instrumentos consolidados sem evidência de ganho.

Estudo citado

Machine learning to predict adverse outcomes after cardiac surgery: A systematic review and meta-analysis. Journal of cardiac surgery, 2022.
Autores: Penny-Dimri JC, Bergmeir C, Perry L, Hayes L, Bellomo R, Smith JA.
DOI: 10.1111/jocs.16842 · PubMed: PMID 36001761

Perguntas para aprofundar

• Como o C-index deve ser interpretado na comparação entre modelos preditivos de risco cirúrgico?
• Quais desfechos além da mortalidade foram avaliados em estudos de machine learning em cirurgia cardíaca?
• O que é necessário para traduzir modelos de machine learning para a prática clínica em cirurgia cardíaca?

Mais sobre IA em cirurgia e robótica

• Modelos de machine learning são superiores à regressão logística para prever desfechos pós-operatórios em cirurgia gastrointestinal?
• Modelos de aprendizado de máquina são confiáveis para prever recidiva após cirurgia de adenoma hipofisário?
• Intervenções guiadas por aprendizado de máquina melhoram desfechos perioperatórios em comparação ao cuidado padrão?
• Modelos de aprendizado de máquina são úteis para prever a sobrevida do enxerto em transplante renal?
• Aprendizado de máquina supervisionado realmente melhora a previsão de desfechos após artroplastia total de quadril e joelho?

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