Modelos de inteligência artificial são melhores que escores tradicionais para prever desfechos pós-operatórios em cirurgia cardíaca congênita?
Resposta curta: Uma revisão sistemática de 35 artigos indica que modelos de inteligência artificial superam os escores tradicionais na predição de desfechos como mortalidade, tempo de internação e complicações após cirurgia cardíaca congênita. No entanto, a validação externa ainda é limitada, e a aplicabilidade clínica precisa ser confirmada.
Resposta
A revisão sistemática analisou 35 estudos publicados principalmente nos últimos quatro anos, refletindo o crescente interesse no uso de inteligência artificial (IA) para prever desfechos em cirurgia cardíaca congênita. Os modelos de IA foram aplicados para prever mortalidade e sobrevida, tempo prolongado de internação hospitalar ou em UTI, complicações pós-operatórias, tempo prolongado de suporte ventilatório mecânico, além de desfechos específicos como leucomalácia periventricular e desnutrição.
Os resultados mostraram que as métricas de desempenho, como a área sob a curva (AUC), variaram de 0,52 a 0,997. De modo consistente, os modelos de IA superaram as categorias tradicionais de estratificação de risco, tanto para riscos pós-operatórios imediatos quanto para desfechos de longo prazo, como sobrevida em 1 ano e desnutrição. Isso sugere que a IA pode oferecer uma avaliação de risco mais precisa do que as ferramentas convencionais.
Apesar do desempenho promissor, a revisão destaca a necessidade de estudos com validação externa robusta para avaliar a aplicabilidade prática desses modelos em cenários clínicos reais. A heterogeneidade dos estudos e a falta de padronização nas métricas de avaliação limitam a generalização dos achados. Além disso, a maioria dos estudos foi publicada recentemente, o que indica que a área ainda está em desenvolvimento.
Para o médico que atua em cardiologia pediátrica e cirurgia cardíaca congênita, os achados reforçam o potencial da IA como ferramenta de apoio à decisão clínica, especialmente na estratificação de risco pré-operatório e no planejamento de cuidados intensivos. Contudo, a implementação na prática diária requer cautela, pois os modelos ainda não foram amplamente validados em diferentes populações e contextos assistenciais.
Do ponto de vista da gestão do consultório, a incorporação de modelos preditivos baseados em IA pode auxiliar na alocação de recursos, como leitos de UTI e suporte ventilatório, e no aconselhamento de famílias sobre riscos esperados. No entanto, a adoção dessas ferramentas deve ser acompanhada de treinamento e de uma avaliação crítica da qualidade dos modelos disponíveis, priorizando aqueles com validação externa adequada.
O que o estudo mostrou
Revisão sistemática seguindo diretrizes PRISMA, com busca em Pubmed, Scopus e Web of Science, incluindo 35 artigos. Os modelos de IA focaram principalmente mortalidade e sobrevida (n=16), tempo prolongado de internação hospitalar ou em UTI (n=7), complicações pós-operatórias (n=6), tempo prolongado de suporte ventilatório mecânico (n=4), além de leucomalácia periventricular (n=2) e desnutrição (n=1). A AUC variou de 0,52 a 0,997, e os modelos superaram as categorias tradicionais de estratificação de risco.
Limitações
O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre a presença de viés de publicação. A necessidade de validação externa robusta é destacada, indicando que a aplicabilidade clínica dos modelos ainda não está estabelecida. A heterogeneidade das populações e dos desfechos pode limitar a generalização dos achados.
Aplicação no consultório
Os achados sugerem que modelos de IA podem refinar a estratificação de risco pré-operatório e auxiliar no planejamento de recursos, como leitos de UTI e ventilação mecânica. Para o consultório, isso implica considerar a incorporação dessas ferramentas como apoio à decisão, desde que validados localmente, e investir em treinamento da equipe para interpretar os resultados adequadamente.
Estudo citado
Using artificial intelligence to predict post-operative outcomes in congenital heart surgeries: a systematic review. BMC cardiovascular disorders, 2024.
Autores: Mohammadi I, Rajai Firouzabadi S, Hosseinpour M, Akhlaghpasand M, Hajikarimloo B, Zeraatian-Nejad S, Sardari Nia P.
DOI: 10.1186/s12872-024-04336-6 · PubMed: PMID 39702050
Perguntas para aprofundar
- Quais são os principais desfechos previstos por modelos de IA em cirurgia cardíaca congênita?
- Como a IA pode auxiliar na alocação de recursos em UTI pediátrica?
- Quais são os desafios para implementar modelos de IA na prática clínica em cardiologia pediátrica?
Mais sobre IA em emergência e UTI
- Quais são as características epidemiológicas, os mecanismos biomecânicos e as estratégias de prevenção das lesões no cheerleading, e como esses achados podem orientar a prática clínica e a gestão de consultórios que atendem atletas?
- Qual é o nível de maturidade e o risco de viés dos modelos de inteligência artificial em UTIs neonatal e pediátrica?
- A inteligência artificial é eficaz na predição de readmissão hospitalar em pacientes atendidos na emergência?
- Modelos de machine learning conseguem prever desfechos respiratórios neonatais com desempenho confiável para uso clínico?
- A inteligência artificial já pode ser usada na prática clínica para manejo de sepse em UTIs pediátricas?
Todas as perguntas sobre IA em emergência e UTI · Todos os temas · Versão em markdown