Aprendizado de máquina pode prever a gravidade da psoríase na prática clínica?
Resposta curta: Uma revisão sistemática identificou 30 artigos sobre predição da gravidade da psoríase com aprendizado de máquina. A maioria usou modelos baseados em imagens, com o PASI como escore mais comum. Os autores concluem que os avanços existem, mas aplicações clínicas prospectivas ainda são limitadas e faltam estudos grandes e diversificados.
Resposta
A revisão sistemática buscou na literatura estudos que usaram algoritmos de aprendizado de máquina para prever a gravidade da psoríase. Foram incluídos 30 artigos, publicados até agosto de 2024, indexados em bases como Embase, MEDLINE, Scopus e IEEE Xplore. O objetivo foi sumarizar a evidência e identificar lacunas nas aplicações clínicas dessas ferramentas.
Entre os estudos incluídos, 29 utilizaram modelos baseados em imagens, enquanto um usou biomarcadores séricos. O escore de gravidade mais empregado pelos modelos foi o Psoriasis Area and Severity Index (PASI), em 15 artigos, seguido pela body surface area (BSA), em 5 artigos. Isso mostra uma concentração em avaliações visuais da pele, com pouca exploração de dados não imagéticos.
Os autores concluem que o progresso na avaliação da gravidade de lesões cutâneas por aprendizado de máquina é real, mas as aplicações clínicas prospectivas permanecem limitadas. A heterogeneidade e o pequeno tamanho do corpo de literatura disponível são as principais limitações da revisão. Não há informação no resumo sobre tamanho de amostra ou desenho detalhado dos estudos primários.
Para o médico, os achados indicam que a inteligência artificial ainda não está pronta para substituir a avaliação clínica de rotina na psoríase. Ferramentas baseadas em imagem podem auxiliar na padronização do PASI e da BSA, mas carecem de validação prospectiva em conjuntos de dados diversos. A revisão reforça a necessidade de ensaios clínicos prospectivos em larga escala para avaliar o valor clínico preditivo desses modelos.
O que o estudo mostrou
Revisão sistemática que incluiu 30 artigos sobre predição da gravidade da psoríase com aprendizado de máquina. A maioria (29) usou modelos baseados em imagens e um usou biomarcadores séricos. O PASI foi o escore mais comum (15 artigos), seguido pela BSA (5 artigos). Os autores destacam que as aplicações clínicas prospectivas ainda são limitadas e que faltam estudos com conjuntos de imagens diversos.
Limitações
O resumo não informa detalhes sobre o desenho ou a amostra dos estudos primários. Os próprios autores apontam que o pequeno tamanho e a heterogeneidade da literatura existente são as principais limitações da revisão. Não há dados sobre viés de publicação ou qualidade metodológica dos artigos incluídos.
Aplicação no consultório
Na prática clínica, os modelos de aprendizado de máquina para gravidade da psoríase ainda não devem ser usados como substitutos da avaliação clínica. O médico pode acompanhar a evolução dessas ferramentas, especialmente as baseadas em imagem para PASI e BSA, mas deve aguardar validação prospectiva. Para a gestão do consultório, investir em padronização de registros fotográficos e escores clínicos pode preparar o terreno para futuras aplicações de IA.
Estudo citado
Predicting psoriasis severity using machine learning: a systematic review. Clinical and experimental dermatology, 2025.
Autores: McMullen EP, Al Naser YA, Maazi M, Grewal RS, Abdel Hafeez D, Folino TR, Vender RB.
DOI: 10.1093/ced/llae348 · PubMed: PMID 39172548
Perguntas para aprofundar
- Quais escores de gravidade da psoríase são mais usados em modelos de aprendizado de máquina?
- Existem modelos de aprendizado de máquina baseados em biomarcadores séricos para psoríase?
- Quais são as lacunas na aplicação clínica da inteligência artificial na dermatologia?
Mais sobre IA em dermatologia
- Como o aprendizado de máquina pode ser aplicado no aspecto terapêutico da psoríase, segundo uma revisão sistemática PRISMA?
- O aprendizado de máquina pode auxiliar na detecção e no diagnóstico do vitiligo com maior acurácia e menor viés humano?
- A avaliação remota da gravidade do eczema por meio de análise de imagens de pele com inteligência artificial é confiável para uso clínico?
- A inteligência artificial é útil na reconstrução mamária para prever complicações e orientar o manejo perioperatório?
- Algoritmos de inteligência artificial e aprendizado de máquina são confiáveis para o diagnóstico precoce de câncer de pele na atenção primária?
Todas as perguntas sobre IA em dermatologia · Todos os temas · Versão em markdown