# Aprendizado de máquina é útil para prever desfechos prognósticos em pacientes com COVID-19?

> Sim, segundo esta revisão sistemática com meta-análise, modelos de aprendizado de máquina mostraram desempenho satisfatório na predição de mortalidade, admissão em UTI e uso de ventilação em pacientes com COVID-19, com AUC agrupada de 0,93, 0,91 e 0,87, respectivamente. Contudo, melhorias metodológicas e validação ainda são necessárias antes da aplicação na prática clínica rotineira.

Estudo citado: Chen R, Chen J, Yang S, Luo S, Xiao Z, Lu L et al.. Prediction of prognosis in COVID-19 patients using machine learning: A systematic review and meta-analysis. International journal of medical informatics. 2023. DOI: https://doi.org/10.1016/j.ijmedinf.2023.105151. PubMed: https://pubmed.ncbi.nlm.nih.gov/37473658/

## Resposta

Esta revisão sistemática com meta-análise avaliou o valor prognóstico do aprendizado de máquina (ML) em pacientes com COVID-19. Foram incluídos 33 estudos que descreveram 35 modelos, sendo 27 para mortalidade, quatro para admissão em UTI e quatro para uso de ventilação. A busca sistemática abrangeu bases como PubMed, Web of Science, Embase, Cochrane Library e IEEE Xplore até dezembro de 2021.

Os resultados agrupados mostraram que, para predição de mortalidade, o ML apresentou sensibilidade de 0,86 (IC 95% 0,79-0,90), especificidade de 0,87 (IC 95% 0,80-0,92) e AUC de 0,93 (IC 95% 0,90-0,95). Para admissão em UTI, a sensibilidade foi 0,86 (IC 95% 0,78-0,92), especificidade 0,81 (IC 95% 0,66-0,91) e AUC 0,91 (IC 95% 0,88-0,93). Para uso de ventilação, sensibilidade de 0,81 (IC 95% 0,68-0,90), especificidade de 0,78 (IC 95% 0,66-0,87) e AUC de 0,87 (IC 95% 0,83-0,89).

Análises de meta-regressão indicaram que o algoritmo utilizado, a população estudada, o desenho do estudo e a fonte do conjunto de dados influenciaram as estimativas agrupadas. Isso sugere que os resultados podem variar conforme o contexto de aplicação e as características dos pacientes.

Os autores concluem que o ML demonstrou desempenho satisfatório na predição de desfechos prognósticos em COVID-19, com potencial para apoiar a tomada de decisão clínica e a alocação de recursos médicos. No entanto, ressaltam que melhorias metodológicas e validação adicional são necessárias antes da aplicação na prática clínica rotineira.

Para o médico, esses achados indicam que ferramentas de ML podem, no futuro, auxiliar na estratificação de risco e no planejamento assistencial, mas ainda não estão prontas para uso indiscriminado. A heterogeneidade entre os modelos e a necessidade de validação externa são pontos importantes a considerar.

## O que o estudo mostrou

Revisão sistemática com meta-análise que incluiu 33 estudos descrevendo 35 modelos de aprendizado de máquina para predição de desfechos em COVID-19. A maioria (27 modelos) predizia mortalidade, com sensibilidade agrupada de 0,86, especificidade de 0,87 e AUC de 0,93. Para admissão em UTI (quatro modelos), sensibilidade de 0,86, especificidade de 0,81 e AUC de 0,91. Para uso de ventilação (quatro modelos), sensibilidade de 0,81, especificidade de 0,78 e AUC de 0,87. Meta-regressão mostrou que algoritmo, população, desenho e fonte de dados influenciaram as estimativas.

## Limitações

O resumo não informa detalhes sobre as limitações individuais dos estudos incluídos, mas aponta que melhorias metodológicas e validação são necessárias antes da aplicação clínica. A heterogeneidade entre modelos e a influência de fatores como algoritmo e população sugerem cautela na generalização dos resultados. O resumo também não fornece informações sobre a qualidade global dos estudos ou possíveis vieses de publicação.

## Aplicação no consultório

Os achados sugerem que modelos de ML podem auxiliar na estratificação de risco de pacientes com COVID-19, potencialmente otimizando a alocação de recursos e o planejamento de cuidados intensivos. No entanto, a implementação na prática clínica requer validação externa e adaptação ao contexto local. O médico deve considerar que a ferramenta ainda é experimental e não substitui o julgamento clínico. Para gestão do consultório, pode-se acompanhar o desenvolvimento dessas tecnologias, mas sem incorporá-las rotineiramente até que estejam devidamente validadas.

## Perguntas para aprofundar

- Quais algoritmos de aprendizado de máquina foram mais eficazes na predição de mortalidade por COVID-19?
- Como a fonte do conjunto de dados influencia o desempenho dos modelos de ML na predição de desfechos?
- Quais são as principais barreiras para a implementação clínica de modelos de ML na COVID-19?

Tema: IA em emergência e UTI. Página: https://alphadoctor.com.br/ciencia/ia-emergencia-uti/aprendizado-de-maquina-e-util-para-prever-desfechos-prognosticos-em-pacientes/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.