O aprendizado de máquina é útil para prever a sobrevida global no câncer de bexiga?
Resposta curta: Revisão sistemática com 14 estudos sobre aprendizado de máquina na predição de sobrevida global no câncer de bexiga. Redes neurais e regressão logística foram os algoritmos mais usados. A maioria teve qualidade média, com lacunas na descrição da preparação dos dados e implantação. O método mostra potencial, mas desafios de processamento e seleção de variáveis precisam ser resolvidos.
Resposta
A revisão sistemática teve como objetivo sumarizar o uso de aprendizado de máquina (ML) na predição de sobrevida global (OS) em pacientes com câncer de bexiga. Foram incluídos 14 estudos que utilizaram conjuntos de dados em nível de paciente. Os algoritmos mais frequentes foram redes neurais artificiais (n = 8) e regressão logística (n = 4).
Em relação ao manejo de dados faltantes, nove artigos descreveram alguma abordagem, sendo que cinco removeram completamente os pacientes com dados ausentes. As variáveis sociodemográficas mais comuns foram idade (n = 9), gênero (n = 9) e tabagismo (n = 3). Entre as variáveis clínicas, destacaram-se estágio tumoral (n = 8), grau (n = 7) e envolvimento linfonodal (n = 6).
A qualidade metodológica foi avaliada pela lista de verificação IJMEDI: a maioria dos estudos (n = 10) foi classificada como de qualidade média. As principais áreas que necessitam de melhoria foram as descrições da preparação dos dados e da implantação dos modelos.
Os autores concluem que o ML tem potencial para otimizar o cuidado do câncer de bexiga por meio de predições acuradas de OS, mas desafios relacionados ao processamento de dados, seleção de características e qualidade das fontes de dados precisam ser resolvidos para desenvolver modelos robustos. A revisão não pôde comparar modelos entre estudos, mas fornece subsídios para decisões de diferentes stakeholders e para melhorar a interpretabilidade de modelos futuros.
O que o estudo mostrou
Revisão sistemática da literatura que incluiu 14 estudos que utilizaram aprendizado de máquina para prever sobrevida global em câncer de bexiga. Os algoritmos mais comuns foram redes neurais artificiais (n = 8) e regressão logística (n = 4). Nove artigos descreveram o manejo de dados faltantes, com cinco removendo pacientes com dados ausentes. As variáveis mais frequentes foram idade (n = 9), gênero (n = 9), estágio tumoral (n = 8), grau (n = 7) e envolvimento linfonodal (n = 6). A maioria dos estudos (n = 10) teve qualidade média pela lista IJMEDI, com lacunas na descrição da preparação dos dados e implantação.
Limitações
A revisão não pôde comparar modelos entre estudos, o que limita conclusões sobre qual algoritmo é superior. O resumo não informa o desenho detalhado dos estudos incluídos, nem o tamanho das amostras. Além disso, a qualidade metodológica foi predominantemente média, com deficiências na descrição da preparação dos dados e da implantação dos modelos, o que pode comprometer a robustez e a reprodutibilidade dos achados.
Aplicação no consultório
Para o médico brasileiro, os achados indicam que o aprendizado de máquina ainda não está pronto para uso clínico rotineiro na predição de sobrevida no câncer de bexiga, devido à heterogeneidade metodológica e à qualidade média dos estudos. Na gestão do consultório, é prudente aguardar modelos validados e com melhor descrição de preparação de dados e implantação antes de incorporar essas ferramentas à prática. Enquanto isso, o clínico pode acompanhar a literatura e considerar a participação em estudos que avaliem a aplicabilidade local desses modelos.
Estudo citado
Use of machine learning to predict bladder cancer survival outcomes: a systematic literature review. Expert review of pharmacoeconomics & outcomes research, 2023.
Autores: Liu YS, Thaliffdeen R, Han S, Park C.
DOI: 10.1080/14737167.2023.2224963 · PubMed: PMID 37306511
Perguntas para aprofundar
- Quais algoritmos de aprendizado de máquina são mais usados para prever desfechos oncológicos?
- Como a qualidade dos dados afeta a predição de sobrevida em câncer de bexiga?
- Quais variáveis clínicas e sociodemográficas são mais relevantes para modelos preditivos em câncer de bexiga?
Mais sobre IA em oncologia
- Como os algoritmos de aprendizado de máquina têm sido usados para prever a sobrevida no câncer cervical?
- Como a inteligência artificial e os gêmeos digitais estão sendo aplicados no cuidado do câncer de próstata?
- A inteligência artificial é eficaz na detecção e classificação da leucemia em imagens de esfregaço de sangue periférico?
- Como técnicas de aprendizado de máquina podem prever câncer de mama em conjuntos de dados desbalanceados?
- Como os sistemas de diagnóstico auxiliado por computador (CAD) têm sido utilizados para caracterizar tumores de tireoide em imagens de ultrassonografia?
Todas as perguntas sobre IA em oncologia · Todos os temas · Versão em markdown