Sistemas de apoio à decisão clínica baseados em aprendizado de máquina já estão prontos para uso na assistência à gestação?
Resposta curta: Ainda não. A revisão sistemática identificou 17 artigos sobre sistemas de apoio à decisão clínica com aprendizado de máquina em cuidados gestacionais. Os modelos carecem de explicabilidade, validação externa e testes com usuários, e a maioria usa dados de um único centro ou país. Os poucos sistemas testados mostraram efeitos positivos, mas o campo permanece pouco explorado.
Resposta
A revisão sistemática reuniu a literatura existente sobre sistemas de apoio à decisão clínica (CDSS) construídos com aprendizado de máquina para diferentes aspectos do cuidado gestacional. Foram identificados 17 artigos de pesquisa sobre desenvolvimento desses sistemas, empregando diversos algoritmos de aprendizado de máquina. O panorama descrito pelos autores é de um campo ainda pouco explorado, com lacunas relevantes entre o que se pratica em aprendizado de máquina e a implementação efetiva como CDSS.
Um dos achados centrais é a ausência generalizada de explicabilidade nos modelos propostos. Para o médico que precisa confiar e interpretar uma recomendação automatizada, a falta de transparência sobre como o modelo chega à saída é uma barreira prática. Os autores também observaram pouca experimentação, ausência de validação externa e falta de discussão sobre cultura, etnia e raça nos dados de origem, com a maioria dos estudos utilizando dados de um único centro ou país.
A revisão aponta ainda falta de consciência sobre aplicabilidade e generalização dos CDSS para diferentes populações. Ou seja, um sistema desenvolvido em determinado contexto pode não se comportar da mesma forma em outra população, e os estudos revisados não discutem isso de modo consistente. Soma-se a isso a lacuna entre as práticas de aprendizado de máquina e a implementação real como sistema de apoio à decisão, além de ausência geral de testes com usuários.
Apesar dos problemas em aberto, os poucos estudos que testaram um CDSS para cuidado gestacional relataram efeitos positivos, o que reforça o potencial desses sistemas para melhorar a prática clínica. Os autores concluem que os pesquisadores futuros devem considerar os aspectos identificados para que seu trabalho se traduza em uso clínico. O resumo não informa detalhes sobre amostras, algoritmos específicos ou métricas de desempenho dos estudos incluídos.
O que o estudo mostrou
Trata-se de uma revisão sistemática com processo estruturado de busca, seleção e filtragem de artigos e extração e síntese de dados. Foram identificados 17 artigos de pesquisa sobre desenvolvimento de CDSS para diferentes aspectos do cuidado gestacional, usando diversos algoritmos de aprendizado de máquina. Os achados incluem falta geral de explicabilidade, ausência de experimentação e validação externa, pouca discussão sobre cultura, etnia e raça, uso predominante de dados de um único centro ou país e falta de testes com usuários. Os poucos sistemas testados mostraram efeitos positivos.
Limitações
O resumo não informa as bases de dados consultadas, os critérios de elegibilidade, o período de busca nem a avaliação de qualidade dos estudos incluídos. Também não detalha amostras, algoritmos ou métricas dos artigos revisados. Por ser uma revisão, suas conclusões refletem o que foi publicado e não permitem afirmar eficácia clínica dos sistemas em uso rotineiro.
Aplicação no consultório
O médico deve encarar os CDSS baseados em aprendizado de máquina para gestação como tecnologia em desenvolvimento, não como ferramenta validada para decisão rotineira. Ao avaliar ou adotar um sistema, vale checar se há explicabilidade, validação externa em populações semelhantes à sua e testes com usuários. Na gestão do consultório, isso orienta cautela em contratos e implantação, priorizando soluções com transparência e evidência de aplicabilidade local.
Estudo citado
Machine learning-based clinical decision support systems for pregnancy care: A systematic review. International journal of medical informatics, 2023.
Autores: Du Y, McNestry C, Wei L, Antoniadi AM, McAuliffe FM, Mooney C.
DOI: 10.1016/j.ijmedinf.2023.105040 · PubMed: PMID 36907027
Perguntas para aprofundar
- Quais lacunas impedem a tradução dos CDSS baseados em aprendizado de máquina para a prática clínica na gestação?
- Por que a explicabilidade dos modelos é importante para o uso de CDSS em cuidados gestacionais?
- Como a falta de validação externa e de diversidade populacional afeta a generalização desses sistemas?
Mais sobre Ética, viés e explicabilidade da IA em saúde
- Sistemas de apoio à decisão clínica com IA interpretável têm bom desempenho na detecção precoce de sepse e na predição de mortalidade em pacientes agudos?
- Modelos de aprendizado de máquina são melhores que ferramentas clínicas para prever a necessidade de protocolo de hemorragia maciça no trauma?
- Técnicas de aprendizado de máquina e aprendizado profundo podem melhorar a predição e o diagnóstico de leptospirose na prática clínica?
- Como a explicabilidade pode ser aplicada em análises de dados de wearables na prática clínica?
- Modelos de aprendizado de máquina são úteis para prever exacerbações de asma em crianças?
Todas as perguntas sobre Ética, viés e explicabilidade da IA em saúde · Todos os temas · Versão em markdown