Como a inteligência artificial tem sido usada para prever o prognóstico de cânceres ginecológicos e qual a qualidade metodológica desses modelos?
Resposta curta: Uma revisão sistemática de 139 estudos (1990-2022) mostrou grande heterogeneidade em modelos de aprendizado de máquina para prognóstico de cânceres ginecológicos, com uso predominante de random forest e SVM, e validação externa em apenas 21,58% dos estudos. A qualidade metodológica variável impede conclusões sobre superioridade desses modelos.
Resposta
A revisão sistemática avaliou 139 estudos que desenvolveram sistemas de prognóstico auxiliados por computador (CAP) com aprendizado de máquina para cânceres ginecológicos. A maioria focou em câncer de ovário (71 estudos), seguido de colo do útero (41) e útero (28), com 2 abordando múltiplas malignidades. Os classificadores mais usados foram random forest (22,30%) e support vector machine (21,58%).
Os preditores incluíram dados clinicopatológicos (48,20%), genômicos (51,08%) e radiômicos (17,27%), com alguns estudos combinando múltiplas modalidades. A validação externa foi realizada em apenas 21,58% dos estudos, e alguns estudos compararam métodos de ML com métodos não-ML. A heterogeneidade metodológica, estatística e de desfechos foi significativa, impedindo meta-análise e conclusões sobre superioridade do ML.
A ferramenta PROBAST foi usada para avaliar risco de viés e aplicabilidade, revelando preocupações quanto à translação dos modelos existentes para a prática clínica. A qualidade dos estudos foi altamente variável, com inconsistências na seleção de variáveis, métodos de ML e desfechos, o que limita generalizações sobre desempenho.
Os autores concluem que a heterogeneidade impede conclusões definitivas e que são necessárias melhorias futuras para desenvolver modelos robustos e clinicamente traduzíveis. A revisão destaca a necessidade de padronização metodológica e maior validação externa para que esses modelos possam ser incorporados na prática oncológica.
O que o estudo mostrou
Revisão sistemática de 139 estudos publicados entre 1990 e 2022 que usaram aprendizado de máquina para prognóstico de cânceres ginecológicos. Random forest (22,30%) e support vector machine (21,58%) foram os classificadores mais comuns. Dados clinicopatológicos, genômicos e radiômicos foram usados em 48,20%, 51,08% e 17,27% dos estudos, respectivamente. Apenas 21,58% tiveram validação externa. A heterogeneidade metodológica impediu meta-análise e conclusões sobre superioridade do ML.
Limitações
O resumo não informa detalhes sobre a amostra de pacientes ou critérios de inclusão dos estudos. A alta heterogeneidade metodológica e a falta de padronização nos desfechos limitam a generalização dos achados. O resumo também não fornece dados sobre desempenho dos modelos ou comparações estatísticas entre métodos.
Aplicação no consultório
Médicos devem interpretar com cautela os modelos de ML para prognóstico de cânceres ginecológicos, dada a variabilidade metodológica e a baixa validação externa. Na gestão do consultório, é prudente não adotar essas ferramentas como base única para decisões clínicas sem validação local. A revisão sugere que futuros modelos precisam de padronização e validação robusta antes de serem incorporados à prática.
Estudo citado
Gynecological cancer prognosis using machine learning techniques: A systematic review of the last three decades (1990-2022). Artificial intelligence in medicine, 2023.
Autores: Sheehy J, Rutledge H, Acharya UR, Loh HW, Gururajan R, Tao X, Zhou X, Li Y, Gurney T, Kondalsamy-Chennakesavan S.
DOI: 10.1016/j.artmed.2023.102536 · PubMed: PMID 37100507
Perguntas para aprofundar
- Quais são os principais desafios metodológicos na aplicação de aprendizado de máquina para prognóstico em oncologia ginecológica?
- Como a validação externa impacta a confiabilidade de modelos de inteligência artificial na prática clínica?
- Quais tipos de dados (clinicopatológicos, genômicos, radiômicos) são mais promissores para modelos prognósticos em câncer ginecológico?
Mais sobre IA em oncologia
- Como técnicas de aprendizado de máquina podem prever câncer de mama em conjuntos de dados desbalanceados?
- Como os algoritmos de aprendizado de máquina têm sido usados para prever a sobrevida no câncer cervical?
- A inteligência artificial é eficaz no diagnóstico e manejo de condições ovarianas, incluindo câncer e endocrinologia reprodutiva?
- Como a inteligência artificial tem sido aplicada no diagnóstico e na predição da síndrome dos ovários policísticos?
- O aprendizado de máquina aplicado à multi-ômica caracteriza bem as neoplasias hematológicas?
Todas as perguntas sobre IA em oncologia · Todos os temas · Versão em markdown