Modelos de inteligência artificial são eficazes em prever o prognóstico de pacientes com COVID-19 grave?
Resposta curta: Uma revisão sistemática com meta-análise de 19 estudos e 26 modelos mostrou que modelos de IA, especialmente os que combinam dados clínicos e radiológicos, apresentam bom desempenho na predição de mortalidade em COVID-19 grave, com sensibilidade de 0,81, especificidade de 0,77 e AUC de 0,88. No entanto, a aplicabilidade clínica ainda não está totalmente estabelecida.
Resposta
A revisão sistemática com meta-análise reuniu 19 estudos que desenvolveram 26 modelos de inteligência artificial para prever a mortalidade em pacientes com COVID-19 grave. A busca abrangeu publicações até outubro de 2023 nas bases PubMed, Web of Science e Embase. A qualidade metodológica foi avaliada com a ferramenta PROBAST 2019, e as análises estatísticas foram conduzidas no Stata 16.
Os modelos que integraram dados clínicos e radiológicos apresentaram o melhor desempenho, com sensibilidade agrupada de 0,81 (intervalo de confiança de 0,64 a 0,91), especificidade de 0,77 (0,71 a 0,82) e área sob a curva ROC de 0,88 (0,85 a 0,90). A análise de subgrupos revelou que estudos realizados em países desenvolvidos tiveram especificidade significativamente maior para modelos radiológicos e combinados (p < 0,05), e que investigações envolvendo pacientes fora da unidade de terapia intensiva mostraram especificidade significativamente maior (p < 0,001).
A conclusão dos autores é que a evidência atual sugere que os modelos de inteligência artificial têm desempenho promissor na predição do prognóstico de pacientes com COVID-19 grave. Contudo, devido à variação na adequação dos diferentes modelos para populações específicas, ainda não é possível afirmar que possam ser plenamente aplicados na prática clínica. Os autores destacam que há espaço para melhoria no poder preditivo e que pesquisas futuras são necessárias.
Para o médico, esses achados indicam que a inteligência artificial pode vir a ser uma ferramenta auxiliar na estratificação de risco de pacientes graves, mas os modelos ainda não estão prontos para uso rotineiro. A heterogeneidade entre estudos e a dependência do contexto populacional reforçam a necessidade de validação externa antes da incorporação na prática clínica.
A aplicação no consultório e na gestão de serviços de saúde deve ser cautelosa. A implementação de modelos de IA requer infraestrutura de dados, treinamento da equipe e avaliação contínua do desempenho. Além disso, a decisão clínica deve permanecer centrada no julgamento médico, utilizando a IA como suporte e não como substituta.
O que o estudo mostrou
Trata-se de uma revisão sistemática com meta-análise que incluiu 19 estudos e 26 modelos de inteligência artificial para predição de mortalidade em COVID-19 grave. Os modelos que combinaram dados clínicos e radiológicos tiveram o melhor desempenho, com sensibilidade de 0,81 (0,64-0,91), especificidade de 0,77 (0,71-0,82) e AUC de 0,88 (0,85-0,90). A análise de subgrupos mostrou maior especificidade em estudos de países desenvolvidos e em pacientes não internados em UTI.
Limitações
O resumo não informa detalhes sobre as limitações individuais dos estudos incluídos, como tamanho de amostra ou desenho. A heterogeneidade entre os modelos e a variação na adequação para diferentes populações limitam a generalização dos achados. Além disso, a aplicabilidade clínica ainda não está estabelecida, segundo os próprios autores.
Aplicação no consultório
Os achados sugerem que modelos de IA podem auxiliar na estratificação de risco de pacientes com COVID-19 grave, mas sua incorporação rotineira ainda não é recomendada. No consultório, o médico deve manter o julgamento clínico como base das decisões. Para gestores, a implementação exigiria validação local, infraestrutura de dados e treinamento, com avaliação cuidadosa de custo-benefício antes da adoção.
Estudo citado
Performance of artificial intelligence in predicting the prognossis of severe COVID-19: a systematic review and meta-analysis. Frontiers in public health, 2024.
Autores: Qin C, Ma H, Hu M, Xu X, Ji C.
DOI: 10.3389/fpubh.2024.1371852 · PubMed: PMID 39145161
Perguntas para aprofundar
- Quais são os critérios para validar um modelo de inteligência artificial antes de usá-lo na prática clínica?
- Como a combinação de dados clínicos e radiológicos melhora a predição de mortalidade em COVID-19 grave?
- Quais fatores podem explicar a diferença de desempenho dos modelos entre países desenvolvidos e em desenvolvimento?
Mais sobre IA em emergência e UTI
- A inteligência artificial melhora os desfechos clínicos no manejo da ECMO, segundo uma revisão sistemática e meta-análise?
- Aprendizado de máquina é útil para prever desfechos prognósticos em pacientes com COVID-19?
- Como melhorar a resposta dos departamentos de emergência durante a pandemia de COVID-19 por meio de abordagens de melhoria de processos?
- Aplicações de inteligência artificial para COVID-19 em terapia intensiva e emergência já estão prontas para uso clínico?
- Algoritmos de machine learning são confiáveis para prever intubação em pacientes com pneumonia?
Todas as perguntas sobre IA em emergência e UTI · Todos os temas · Versão em markdown