IA em oftalmologia e retinopatia

Como a inteligência artificial e o aprendizado de máquina podem prever desfechos clínicos em unidades de terapia intensiva neonatal?

Resposta

A revisão sistemática seguiu o protocolo PRISMA e analisou artigos de repositórios digitais estabelecidos, com o objetivo de revisar técnicas de inteligência artificial e aprendizado de máquina aplicadas à predição de desfechos neonatais. Foram considerados 366 estudos, dos quais 68 preencheram critérios de inclusão.

Os estudos incluídos foram categorizados conforme os desfechos previstos: morbidades neonatais maiores (sepse, displasia broncopulmonar, hemorragia intraventricular, enterocolite necrosante e retinopatia da prematuridade), mortalidade e tempo de internação. A maioria dos modelos preditores baseou-se em aprendizado supervisionado, predominantemente regressão, construídos com dados retrospectivos.

Os achados indicam que, com a disponibilidade de dados de prontuário eletrônico e o compartilhamento de desfechos de UTIN entre redes de pesquisa neonatal, algoritmos de aprendizado de máquina têm mostrado desempenho inovador na predição de doenças neonatais. Isso sugere um potencial para melhorar a qualidade do cuidado na UTIN.

A revisão não detalha métricas de desempenho específicas nem comparações entre modelos, mas destaca que a aplicação dessas técnicas é promissora. O resumo não informa características das populações estudadas, tamanhos de amostra ou limitações dos estudos primários.

Para o médico brasileiro, esses resultados apontam para a crescente relevância da IA como ferramenta de apoio à decisão em neonatologia, especialmente na identificação precoce de riscos. No entanto, a implementação clínica exige validação local e consideração das limitações dos modelos baseados em dados retrospectivos.

O que o estudo mostrou

Revisão sistemática com protocolo PRISMA que avaliou 366 estudos, incluindo 68 elegíveis. Os modelos preditores eram principalmente de aprendizado supervisionado, com regressão construída sobre dados retrospectivos, e previam morbidades neonatais maiores (sepse, displasia broncopulmonar, hemorragia intraventricular, enterocolite necrosante, retinopatia da prematuridade), mortalidade e tempo de internação. Algoritmos de aprendizado de máquina mostraram desempenho inovador na predição de doenças neonatais, impulsionados por dados de prontuário eletrônico e compartilhamento em redes de pesquisa.

Limitações

O resumo não informa as limitações dos estudos primários, como viés de seleção ou heterogeneidade. Também não detalha métricas de desempenho dos modelos, nem características das amostras. A maioria dos modelos usou dados retrospectivos, o que pode limitar a generalização. A revisão não aborda validação prospectiva ou aplicabilidade clínica imediata.

Aplicação no consultório

Para o neonatologista, a revisão sugere que ferramentas de IA podem auxiliar na predição de desfechos graves, como sepse e displasia broncopulmonar, permitindo intervenções precoces. Na gestão do consultório, isso implica considerar a incorporação de sistemas de apoio à decisão baseados em prontuário eletrônico, desde que validados localmente. É importante avaliar a qualidade dos dados disponíveis e a infraestrutura para implementação, além de manter o julgamento clínico como central.

Estudo citado

Predicting clinical outcomes using artificial intelligence and machine learning in neonatal intensive care units: a systematic review. Journal of perinatology : official journal of the California Perinatal Association, 2022.
Autores: McAdams RM, Kaur R, Sun Y, Bindra H, Cho SJ, Singh H.
DOI: 10.1038/s41372-022-01392-8 · PubMed: PMID 35562414

Perguntas para aprofundar

• Quais são os principais desafios para implementar modelos de aprendizado de máquina na UTIN?
• Como a qualidade dos dados de prontuário eletrônico afeta o desempenho dos modelos preditivos?
• Quais desfechos neonatais têm sido mais estudados com técnicas de inteligência artificial?

Mais sobre IA em oftalmologia e retinopatia

• A inteligência artificial já é confiável para interpretar eletrorretinogramas na prática clínica?
• Como a inteligência artificial pode ser aplicada na predição do diabetes e quais os desafios para a prática clínica?
• Modelos de predição de risco baseados em aprendizado de máquina são úteis para prever a progressão da retinopatia diabética?
• Como a inteligência artificial pode auxiliar no diagnóstico e manejo das doenças retinianas hereditárias?
• Modelos de aprendizado de máquina são eficazes para prever complicações microvasculares do diabetes?

Todas as perguntas sobre IA em oftalmologia e retinopatia · Todos os temas · Versão em markdown