A inteligência artificial aplicada à ventilação mecânica tem qualidade metodológica suficiente para uso clínico?
Resposta curta: A revisão sistemática identificou 95 estudos, a maioria retrospectiva e unicêntrica, com alto risco de viés em 89% e baixa disponibilidade de dados e código. A conclusão é que são necessários estudos prospectivos com validação externa e maior transparência para traduzir a IA para a prática clínica.
Resposta
A inteligência artificial (IA) tem sido proposta para personalizar a ventilação mecânica em pacientes com insuficiência respiratória, mas a qualidade metodológica dos estudos ainda é limitada. Uma revisão sistemática publicada no British Journal of Anaesthesia avaliou o desenho, a aderência a padrões de relato e o risco de viés nessa área.
Os autores realizaram busca em MEDLINE, Embase e PubMed Central até fevereiro de 2021 e incluíram 95 estudos. A maioria (84) tinha desenho retrospectivo e unicêntrico, e apenas um era ensaio clínico randomizado. O acesso a conjuntos de dados e códigos foi severamente limitado, indisponível em 85% e 87% dos estudos, respectivamente. Mesmo entre os 54 estudos publicados nos últimos 5 anos, apenas 12 disponibilizaram dados e 10 disponibilizaram código quando solicitado aos autores.
A avaliação de viés pela ferramenta PROBAST mostrou alto risco em 89% dos estudos, especialmente por viés de análise. Além disso, a etnia foi subnotificada em 19% dos estudos e a calibração do modelo em 18%. Esses achados indicam que deficiências metodológicas comuns podem limitar o impacto clínico dessas ferramentas.
Os autores concluem que o desenvolvimento de algoritmos deve envolver validação prospectiva e externa, com maior disponibilidade de código e dados para aumentar a confiança e a tradução dessa abordagem promissora. O resumo não informa detalhes sobre a população específica ou os tipos de algoritmos avaliados.
Para o médico brasileiro, os resultados reforçam a necessidade de cautela ao considerar ferramentas de IA para ventilação mecânica na prática clínica, priorizando aquelas com validação robusta e transparência metodológica.
O que o estudo mostrou
Revisão sistemática que incluiu 95 estudos sobre aplicação de IA em pacientes sob ventilação mecânica. A maioria (84) era retrospectiva e unicêntrica, com apenas um ensaio clínico randomizado. Dados e código estavam indisponíveis em 85% e 87% dos estudos, respectivamente. A etnia foi subnotificada em 19% e a calibração do modelo em 18%. O risco de viés foi alto em 89% dos estudos, principalmente por viés de análise.
Limitações
O resumo não informa as características detalhadas dos estudos incluídos, como tipos de algoritmos, populações específicas ou desfechos avaliados. Também não são descritas limitações da própria revisão sistemática, como possíveis vieses de publicação ou restrições da busca. A correspondência com autores pode ter sido incompleta.
Aplicação no consultório
Os achados sugerem que, ao considerar ferramentas de IA para ventilação mecânica, o médico deve priorizar aquelas com validação prospectiva e externa, além de transparência de dados e código. Na gestão do consultório, isso implica cautela na adoção de tecnologias sem evidências robustas e incentivo a parcerias com grupos de pesquisa para desenvolvimento e validação local.
Estudo citado
Artificial intelligence for mechanical ventilation: systematic review of design, reporting standards, and bias. British journal of anaesthesia, 2022.
Autores: Gallifant J, Zhang J, Del Pilar Arias Lopez M, Zhu T, Camporota L, Celi LA, Formenti F.
DOI: 10.1016/j.bja.2021.09.025 · PubMed: PMID 34772497
Perguntas para aprofundar
- Quais são os principais vieses que afetam estudos de IA em ventilação mecânica?
- Como a validação externa pode melhorar a aplicabilidade clínica de algoritmos de IA?
- Qual o impacto da falta de transparência de dados e código na confiança dos médicos em ferramentas de IA?
Mais sobre IA em emergência e UTI
- Intervenções de inteligência artificial e suporte computadorizado à decisão melhoram desfechos clínicos em UTI adulta?
- Qual é o nível de maturidade e o risco de viés dos modelos de inteligência artificial em UTIs neonatal e pediátrica?
- Modelos de aprendizado de máquina têm bom desempenho diagnóstico para sepse neonatal?
- Algoritmos de aprendizado de máquina para predição de sepse implantados em hospitais realmente reduzem mortalidade e quais são os desafios de implementação?
- A inteligência artificial é útil no manejo e tratamento de queimaduras?
Todas as perguntas sobre IA em emergência e UTI · Todos os temas · Versão em markdown