# Modelos de aprendizado de máquina superam métodos tradicionais na predição de recidiva bioquímica do câncer de próstata?

> Sim, segundo esta revisão sistemática com meta-análise. Em dezesseis estudos e 17.316 pacientes, a AUC agrupada dos modelos de aprendizado de máquina foi 0,82 (IC 95%: 0,81-0,84), com melhor desempenho na predição de recidiva bioquímica em 1 ano (AUC = 0,86) e desempenho ligeiramente menor em intervalos mais longos.

Estudo citado: Ling C, Tao N, Maimaitiyimin A, Zhang Y, Yao M, Pu H et al.. Diagnostic systematic review and meta-analysis of machine learning in predicting biochemical recurrence of prostate cancer. Scientific reports. 2025. DOI: https://doi.org/10.1038/s41598-025-11445-5. PubMed: https://pubmed.ncbi.nlm.nih.gov/40760134/

## Resposta

Esta revisão sistemática com meta-análise avaliou o desempenho de modelos de aprendizado de máquina na predição de recidiva bioquímica em pacientes com câncer de próstata, comparando-os a métodos prognósticos tradicionais. A busca foi realizada em quatro bases de dados e os resultados foram agrupados usando a área sob a curva como métrica principal.

Foram incluídos dezesseis estudos, totalizando 17.316 pacientes com câncer de próstata. A AUC agrupada dos modelos de aprendizado de máquina foi 0,82 (IC 95%: 0,81-0,84), indicando boa capacidade discriminatória. Modelos de aprendizado profundo e híbridos apresentaram desempenho superior aos modelos tradicionais, com AUC = 0,83.

Modelos que utilizaram dados de imagem mostraram desempenho aprimorado, com AUC = 0,82. O melhor desempenho ocorreu na predição de recidiva bioquímica em 1 ano (AUC = 0,86), com redução discreta para intervalos de tempo mais longos.

Os autores concluem que os modelos de aprendizado de máquina superam os métodos tradicionais na predição de recidiva bioquímica, especialmente no curto prazo, e que a incorporação de dados multimodais, como imagem, melhora a acurácia preditiva. Estudos futuros devem otimizar e validar esses modelos em ensaios clínicos de grande escala.

## O que o estudo mostrou

Revisão sistemática com meta-análise de dezesseis estudos e 17.316 pacientes com câncer de próstata. A AUC agrupada dos modelos de aprendizado de máquina foi 0,82 (IC 95%: 0,81-0,84). Modelos de aprendizado profundo e híbridos tiveram AUC = 0,83; modelos com dados de imagem, AUC = 0,82; predição de recidiva bioquímica em 1 ano, AUC = 0,86, com desempenho ligeiramente menor em intervalos mais longos.

## Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, heterogeneidade entre modelos, risco de viés ou características das populações. Também não descreve validação externa dos modelos. Os autores indicam que estudos futuros devem otimizar e validar esses modelos em ensaios clínicos de grande escala.

## Aplicação no consultório

Os achados sugerem que ferramentas de aprendizado de máquina podem apoiar a estratificação de risco de recidiva bioquímica, sobretudo no primeiro ano após o tratamento inicial. Na prática e na gestão do consultório, isso pode orientar a frequência de seguimento e a alocação de recursos em vigilância. A incorporação de dados de imagem aos modelos parece agregar acurácia. A adoção clínica, porém, depende de validação em cenários locais antes de substituir métodos tradicionais.

## Perguntas para aprofundar

- Como os modelos de aprendizado de máquina se comparam aos nomogramas tradicionais na predição de recidiva bioquímica?
- O desempenho dos modelos se mantém em intervalos mais longos de seguimento?
- Quais dados de imagem mais contribuem para melhorar a acurácia preditiva?

Tema: IA em oncologia. Página: https://alphadoctor.com.br/ciencia/ia-oncologia/modelos-de-aprendizado-de-maquina-superam-metodos-tradicionais-na-predicao-de/

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