# Como a inteligência artificial tem sido usada para prever o prognóstico de cânceres ginecológicos e qual a qualidade metodológica desses modelos?

> 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.

Estudo citado: Sheehy J, Rutledge H, Acharya UR, Loh HW, Gururajan R, Tao X et al.. Gynecological cancer prognosis using machine learning techniques: A systematic review of the last three decades (1990-2022). Artificial intelligence in medicine. 2023. DOI: https://doi.org/10.1016/j.artmed.2023.102536. PubMed: https://pubmed.ncbi.nlm.nih.gov/37100507/

## 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.

## 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?

Tema: IA em oncologia. Página: https://alphadoctor.com.br/ciencia/ia-oncologia/como-a-inteligencia-artificial-tem-sido-usada-para-prever-o-prognostico-de/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.