# Modelos baseados em aprendizado de máquina são úteis para prever desfechos radiológicos de schwannoma vestibular após radiocirurgia estereotáxica?

> Sim. A revisão sistemática com meta-análise mostrou que modelos de aprendizado de máquina apresentaram sensibilidade agrupada de 86%, especificidade de 78% e AUC de 0,845 para predizer resposta tumoral após radiocirurgia em schwannoma vestibular. A maioria dos melhores modelos foi baseada em aprendizado de máquina, com destaque para máquina de vetores de suporte.

Estudo citado: Hajikarimloo B, Nazari MA, Habibi MA, Taghipour P, Alaei SA, Khalaji A et al.. Machine learning-based models in prediction of the radiological outcomes of vestibular schwannoma following stereotactic radiosurgery: a systematic review and meta-analysis. BMC neurology. 2025. DOI: https://doi.org/10.1186/s12883-025-04093-9. PubMed: https://pubmed.ncbi.nlm.nih.gov/41013393/

## Resposta

A predição dos desfechos radiológicos do schwannoma vestibular após radiocirurgia estereotáxica é relevante para o manejo dessas lesões. Modelos baseados em aprendizado de máquina vêm sendo desenvolvidos para essa finalidade, e esta revisão sistemática com meta-análise avaliou o desempenho desses modelos.

Foram incluídos nove estudos, totalizando 1095 pacientes. A maioria dos modelos com melhor desempenho era baseada em aprendizado de máquina (88,9%, ou 8 de 9). O algoritmo mais frequente foi a máquina de vetores de suporte (44,4%, ou 4 de 9).

A meta-análise revelou sensibilidade agrupada de 86% (IC95%: 83-89%), especificidade de 78% (IC95%: 62-89%) e razão de chances diagnóstica de 19,8 (IC95%: 9,12-42,9). A curva SROC apresentou AUC de 0,845 para predição de resposta tumoral.

Os autores concluem que a aplicação clínica de modelos preditivos baseados em aprendizado de máquina pode otimizar a estratégia terapêutica e melhorar os desfechos em pacientes com schwannoma vestibular. No entanto, o resumo não detalha características dos estudos incluídos, como desenho individual, população ou critérios de validação dos modelos.

Para o médico, esses achados sugerem que ferramentas de aprendizado de máquina podem auxiliar na predição de resposta tumoral após radiocirurgia, mas a implementação na prática requer cautela e validação adicional, pois a heterogeneidade e a qualidade dos estudos não são descritas no resumo.

## O que o estudo mostrou

Revisão sistemática com meta-análise que incluiu nove estudos e 1095 pacientes, avaliando modelos de aprendizado de máquina para predizer desfechos radiológicos de schwannoma vestibular após radiocirurgia estereotáxica. A maioria dos melhores modelos era baseada em aprendizado de máquina (88,9%, 8/9), sendo a máquina de vetores de suporte o algoritmo mais frequente (44,4%, 4/9). A sensibilidade agrupada foi de 86% (IC95%: 83-89%), a especificidade de 78% (IC95%: 62-89%), a razão de chances diagnóstica de 19,8 (IC95%: 9,12-42,9) e a AUC da curva SROC de 0,845 para predição de resposta tumoral.

## Limitações

O resumo não informa o desenho individual dos estudos incluídos, a qualidade metodológica, a presença de heterogeneidade ou as características dos pacientes. Também não detalha como os modelos foram validados (interna ou externamente) nem se houve comparação com modelos tradicionais. Essas lacunas limitam a generalização dos achados para a prática clínica.

## Aplicação no consultório

Os resultados sugerem que modelos de aprendizado de máquina podem auxiliar na predição de resposta tumoral após radiocirurgia em schwannoma vestibular, potencialmente otimizando a estratégia terapêutica. Na prática clínica, o médico pode considerar essas ferramentas como apoio à decisão, mas deve estar atento à necessidade de validação local e à interpretação crítica dos resultados. Para a gestão do consultório, investir em capacitação sobre essas tecnologias e avaliar a incorporação de sistemas preditivos pode ser útil, desde que respaldado por evidências robustas.

## Perguntas para aprofundar

- Qual o desempenho de modelos de aprendizado de máquina na predição de controle tumoral de schwannoma vestibular após radiocirurgia?
- Quais algoritmos de aprendizado de máquina são mais utilizados para prever desfechos radiológicos de schwannoma vestibular?
- Como aplicar modelos preditivos baseados em aprendizado de máquina na prática clínica para schwannoma vestibular?

Tema: IA em oncologia. Página: https://alphadoctor.com.br/ciencia/ia-oncologia/modelos-baseados-em-aprendizado-de-maquina-sao-uteis-para-prever-desfechos/

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