Ética, viés e explicabilidade da IA em saúde

Modelos de aprendizado profundo aplicados ao time-lapse embrionário são acurados para avaliação de embriões?

Resposta

A revisão sistemática identificou 22 estudos que avaliaram a acurácia de modelos de redes neurais convolucionais na avaliação de embriões utilizando monitoramento por time-lapse. Todos os estudos incluídos eram retrospectivos e, juntos, analisaram 522.516 imagens de 222.998 embriões. Três desfechos principais foram avaliados: sucesso na fertilização in vitro, classificação do estágio de blastocisto e qualidade do blastocisto.

A maioria dos estudos relatou acurácia superior a 80%, e em alguns casos os modelos superaram o desempenho de embriologistas. Os modelos que examinaram a classificação do estágio de blastocisto apresentaram as melhores predições. Por outro lado, modelos que previram nascido vivo tiveram baixo risco de viés, utilizaram os maiores bancos de dados e contaram com validação externa, o que aumenta sua relevância para aplicação clínica.

Apesar dos resultados promissores, dez estudos apresentaram alto risco de viés, principalmente devido a viés de paciente. A heterogeneidade entre os estudos foi alta, o que limita a generalização dos achados. Os autores concluem que a aplicação de inteligência artificial no monitoramento por time-lapse tem o potencial de proporcionar uma avaliação embrionária mais eficiente, acurada e objetiva, mas ressaltam a necessidade de compartilhamento de bancos de dados e padronização dos relatórios.

Para o médico que atua em reprodução assistida, esses achados sugerem que a inteligência artificial pode auxiliar na seleção embrionária, especialmente na classificação de blastocistos. No entanto, a implementação clínica deve considerar as limitações metodológicas dos estudos disponíveis e a necessidade de validação externa dos modelos antes de sua incorporação rotineira.

O que o estudo mostrou

Revisão sistemática de 22 estudos retrospectivos que avaliaram a acurácia de modelos de redes neurais convolucionais na avaliação de embriões por time-lapse. Foram analisadas 522.516 imagens de 222.998 embriões. Os desfechos incluíram sucesso na fertilização in vitro, classificação do estágio de blastocisto e qualidade do blastocisto. A maioria dos estudos relatou acurácia superior a 80%, e em alguns os modelos superaram embriologistas. Modelos para classificação de estágio de blastocisto tiveram as melhores predições. Dez estudos apresentaram alto risco de viés, principalmente por viés de paciente.

Limitações

O resumo não informa detalhes sobre a amostra populacional ou critérios de inclusão dos estudos primários. A alta heterogeneidade entre os estudos incluídos limita a comparação direta e a generalização dos resultados. Dez estudos apresentaram alto risco de viés, sobretudo viés de paciente. Além disso, todos os estudos eram retrospectivos, e o resumo não informa se houve padronização de desfechos ou análise de subgrupos.

Aplicação no consultório

Os achados podem orientar o médico na avaliação crítica de ferramentas de inteligência artificial para seleção embrionária. Antes de incorporar um modelo na prática clínica, é importante verificar se ele foi validado externamente, qual o risco de viés dos estudos que o sustentam e se há padronização de desfechos. A gestão do consultório pode se beneficiar da compreensão dessas limitações para evitar expectativas excessivas e para orientar decisões sobre investimento em tecnologias de time-lapse com inteligência artificial.

Estudo citado

Deep learning for embryo evaluation using time-lapse: a systematic review of diagnostic test accuracy. American journal of obstetrics and gynecology, 2023.
Autores: Berman A, Anteby R, Efros O, Klang E, Soffer S.
DOI: 10.1016/j.ajog.2023.04.027 · PubMed: PMID 37116822

Perguntas para aprofundar

• Qual o desempenho de modelos de aprendizado profundo na predição de nascido vivo em tratamentos de fertilização in vitro?
• Como o viés de paciente pode influenciar os resultados de estudos que avaliam inteligência artificial na seleção embrionária?
• Quais são os critérios para validar externamente um modelo de inteligência artificial antes de usá-lo na prática clínica em reprodução assistida?

Mais sobre Ética, viés e explicabilidade da IA em saúde

• Modelos de inteligência artificial para previsão de crises epilépticas em tempo real com EEG já estão prontos para uso clínico?
• Qual é o desempenho diagnóstico dos métodos baseados em inteligência artificial para detecção de tuberculose?
• Modelos de inteligência artificial baseados em imagens na doença inflamatória intestinal têm alto risco de viés?
• A revisão sistemática sobre diagnóstico multimodal da doença de Parkinson com aprendizado profundo permite concluir que essa tecnologia está pronta para uso clínico?
• Modelos de aprendizado profundo supervisionado e fracamente supervisionado no diagnóstico de COVID-19 por tomografia computadorizada: o que a revisão sistemática revela para a prática clínica?

Todas as perguntas sobre Ética, viés e explicabilidade da IA em saúde · Todos os temas · Versão em markdown