Ética, viés e explicabilidade da IA em saúde

Qual é a acurácia dos modelos de inteligência artificial na predição de periodontite, segundo a evidência disponível?

Resposta

A periodontite é a principal causa de perda dentária e está relacionada a diversas doenças sistêmicas. Nesse contexto, a inteligência artificial em periodontia tem potencial para melhorar a acurácia da avaliação de risco e proporcionar planejamento de tratamento personalizado. A revisão sistemática buscou examinar a evidência real sobre a acurácia de diferentes modelos de inteligência artificial na predição de periodontite.

A busca foi realizada em Web of Science, ProQuest, PubMed, Scopus e IEEE Explore, sem restrição de período, combinando termos MeSH e texto livre por operadores booleanos. Foram identificados 961 registros, dos quais 8 artigos foram incluídos na análise qualitativa. A avaliação de risco de viés foi feita com o instrumento QUADAS-2: 4 estudos apresentaram risco geral baixo, 2 risco incerto e 2 risco alto.

Os algoritmos mais empregados foram redes neurais artificiais, seguidos por máquinas de vetores de suporte, árvores de decisão, regressão logística e random forest. Segundo diferentes métricas de avaliação, os modelos mostraram bom desempenho preditivo para periodontite, mas os métodos apresentados eram heterogêneos, o que dificulta comparações diretas entre os estudos.

Os autores concluem que os algoritmos de inteligência artificial podem, no futuro, melhorar a acurácia e a confiabilidade da predição de periodontite. Contudo, até o momento, a maioria dos estudos tinha desenho retrospectivo e não considerava as redes de aprendizado profundo mais modernas. A evidência disponível é limitada pela falta de padronização na coleta de dados e nos protocolos, embora os benefícios potenciais sejam significativos e justifiquem mais pesquisa e desenvolvimento.

Para o médico, o achado central é que a promessa da inteligência artificial na periodontia ainda não se traduz em ferramentas validadas para uso rotineiro. O resumo não informa dados sobre amostras, populações ou métricas específicas de acurácia de cada modelo, o que reforça a necessidade de cautela ao interpretar esses resultados na prática clínica.

O que o estudo mostrou

Trata-se de uma revisão sistemática com busca em Web of Science, ProQuest, PubMed, Scopus e IEEE Explore, sem restrição de período. De 961 registros identificados, 8 artigos foram incluídos na análise qualitativa. Pelo QUADAS-2, 4 estudos tinham risco de viés baixo, 2 incerto e 2 alto. Os algoritmos mais usados foram redes neurais artificiais, seguidas por máquinas de vetores de suporte, árvores de decisão, regressão logística e random forest. Os modelos mostraram bom desempenho preditivo, mas os métodos eram heterogêneos.

Limitações

O resumo não informa as amostras nem as métricas específicas de acurácia de cada modelo. A maioria dos estudos incluídos tinha desenho retrospectivo e não considerava as redes de aprendizado profundo mais modernas. Há falta de padronização na coleta de dados e nos protocolos de análise, e parte dos estudos apresentou risco de viés incerto ou alto, o que limita a força das conclusões.

Aplicação no consultório

Os achados ainda não sustentam a incorporação rotineira de modelos de inteligência artificial para predição de periodontite na prática clínica. O médico pode acompanhar a evolução da área, mas deve manter a avaliação de risco baseada em métodos consolidados. Na gestão do consultório, investimentos em ferramentas de inteligência artificial para periodontia devem aguardar validação prospectiva e protocolos padronizados, evitando decisões precipitadas de compra ou mudança de fluxo de atendimento.

Estudo citado

Accuracy of Artificial Intelligence Models in the Prediction of Periodontitis: A Systematic Review. JDR clinical and translational research, 2024.
Autores: Polizzi A, Quinzi V, Lo Giudice A, Marzo G, Leonardi R, Isola G.
DOI: 10.1177/23800844241232318 · PubMed: PMID 38589339

Perguntas para aprofundar

• Quais algoritmos de inteligência artificial têm sido mais estudados para predição de periodontite?
• Por que a heterogeneidade metodológica limita a comparação entre modelos de inteligência artificial em periodontia?
• O que falta para que modelos de inteligência artificial sejam validados para uso clínico em periodontia?

Mais sobre Ética, viés e explicabilidade da IA em saúde

• Modelos de inteligência artificial são eficazes no diagnóstico e prognóstico de apendicite aguda em adultos?
• A inteligência artificial já pode ser usada na avaliação e tratamento de fraturas osteoporóticas e por fragilidade na prática clínica?
• Modelos de inteligência artificial baseados em biomarcadores não invasivos são acurados para diagnosticar periodontite?
• Técnicas de aprendizado de máquina e aprendizado profundo podem melhorar a predição e o diagnóstico de leptospirose na prática clínica?
• A inteligência artificial aplicada à RM já é confiável para detectar displasia cortical focal na prática clínica?

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