# O aprendizado de máquina supera os modelos tradicionais de regressão na predição em câncer de endométrio?

> Não de forma consistente. Em uma revisão sistemática, o desempenho do aprendizado de máquina foi semelhante ao das estatísticas tradicionais na maioria dos cenários avaliados, como em dados de pacientes, diagnóstico pré-operatório por ressonância magnética e desfechos de sobrevida. Apenas um estudo com biomarcadores séricos mostrou superioridade do aprendizado de máquina.

Estudo citado: Piedimonte S, Rosa G, Gerstl B, Sopocado M, Coronel A, Lleno S et al.. Evaluating the use of machine learning in endometrial cancer: a systematic review. International journal of gynecological cancer : official journal of the International Gynecological Cancer Society. 2023. DOI: https://doi.org/10.1136/ijgc-2023-004622. PubMed: https://pubmed.ncbi.nlm.nih.gov/37666535/

## Resposta

A revisão sistemática reuniu 30 estudos sobre o uso de aprendizado de máquina no câncer de endométrio, publicados entre janeiro de 1985 e março de 2021. As aplicações mais frequentes foram em conjuntos de dados de pacientes, diagnóstico pré-operatório, genômica e biomarcadores séricos. Os modelos mais utilizados foram redes neurais e máquinas de vetores de suporte.

Oito estudos compararam diretamente o aprendizado de máquina com métodos estatísticos tradicionais. Na maioria das comparações, o desempenho foi semelhante. Por exemplo, em estudos com dados de pacientes, dois modelos de aprendizado de máquina tiveram acurácia de 0,85 contra 0,82 da regressão logística, sem diferença estatisticamente significativa. Na detecção de câncer de endométrio por ressonância magnética, a acurácia foi de 0,87 contra 0,82, também sem significância.

A exceção foi um estudo com biomarcadores séricos para predizer doença extrauterina, no qual o aprendizado de máquina superou o método tradicional, com acurácia de 0,81 contra 0,61. Para desfechos de sobrevida, um estudo comparou o aprendizado de máquina com Kaplan-Meier e não encontrou diferença no índice de concordância.

Os autores concluem que, embora o aprendizado de máquina seja uma tecnologia inovadora e emergente, seu desempenho é semelhante ao dos modelos de regressão tradicionais no câncer de endométrio. Mais estudos são necessários para avaliar seu papel nessa doença. A qualidade dos estudos foi avaliada pelo critério MINORS, e a revisão foi registrada no PROSPERO.

Para o médico, isso significa que a incorporação do aprendizado de máquina na prática clínica ainda não demonstrou vantagem clara sobre os métodos estatísticos convencionais. A decisão de adotar essas ferramentas deve considerar a necessidade de mais evidências antes de substituir os modelos tradicionais.

## O que o estudo mostrou

Revisão sistemática de 30 estudos sobre aprendizado de máquina em câncer de endométrio, com busca de janeiro de 1985 a março de 2021. As aplicações mais comuns foram em dados de pacientes (33,3%, n=10), diagnóstico pré-operatório (30%, n=9), genômica (23,3%, n=7) e biomarcadores séricos (13,3%, n=4). Redes neurais (n=10, 33,3%) e máquinas de vetores de suporte (n=6, 20%) foram os modelos mais usados. Oito estudos compararam com estatística tradicional; na maioria, o desempenho foi similar, exceto em um estudo de biomarcadores séricos que favoreceu o aprendizado de máquina.

## Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre heterogeneidade entre eles. Também não são descritas limitações específicas da revisão, como viés de publicação ou restrições de busca. O número de estudos que compararam diretamente com métodos tradicionais foi pequeno (oito), o que limita a generalização dos achados.

## Aplicação no consultório

Os achados sugerem que, no momento, o aprendizado de máquina não deve substituir os modelos de regressão tradicionais na predição em câncer de endométrio, pois o desempenho é semelhante na maioria dos cenários. Para a gestão do consultório, isso implica cautela na incorporação de ferramentas de inteligência artificial sem evidência de superioridade. O médico pode acompanhar a evolução das pesquisas, mas a prática clínica deve se basear em métodos validados e disponíveis.

## Perguntas para aprofundar

- Quais algoritmos de aprendizado de máquina são mais usados no câncer de endométrio?
- Em quais aplicações clínicas o aprendizado de máquina mostrou superioridade sobre métodos tradicionais?
- Como a qualidade dos estudos sobre aprendizado de máquina em câncer de endométrio foi avaliada?

Tema: IA em oncologia. Página: https://alphadoctor.com.br/ciencia/ia-oncologia/o-aprendizado-de-maquina-supera-os-modelos-tradicionais-de-regressao-na/

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