Regulação e validação clínica de IA

Como modelos de aprendizado de máquina baseados em dados clínicos têm sido usados para prever a sobrevida no câncer de pulmão?

Resposta

O câncer de pulmão é uma das principais causas de morte por câncer, e prever a sobrevida pode auxiliar decisões clínicas. O aprendizado de máquina tem se popularizado nesse cenário, utilizando dados clínicos para construir modelos preditivos. Esta revisão sistemática buscou sumarizar os estudos que empregam aprendizado de máquina e mineração de dados para prever a sobrevida no câncer de pulmão com base em dados clínicos.

Foram revisados estudos publicados entre 2000 e 2023, indexados no MEDLINE, Scopus e Google Scholar. Desses, 13 (43,3%) utilizaram a base de dados surveillance, epidemiology, and end results. O algoritmo random forest foi o modelo de aprendizado de máquina predominante, usado em 17 (56,6%) estudos. Algoritmos de seleção de características foram empregados em 19 (63,3%) estudos, sendo idade, sexo e estadiamento N as características mais selecionadas.

O manejo de dados ausentes foi abordado em 12 (40%) estudos, principalmente por meio de transformação e conversão de dados. No entanto, a maioria dos estudos não considerou dados ausentes, normalização, escalonamento ou padronização dos dados, o que pode introduzir viés. A avaliação do risco de viés foi realizada com a ferramenta prediction model risk of bias assessment tool.

Apesar do crescimento no número de estudos desde 2012, a quantidade de pesquisas sobre previsão de sobrevida no câncer de pulmão ainda é limitada. A consideração de coortes de pacientes diversas e o pré-processamento adequado dos dados são cruciais. Portanto, um estudo abrangente sobre previsão de sobrevida no câncer de pulmão usando dados clínicos é necessário, abordando esses desafios.

O que o estudo mostrou

Revisão sistemática da literatura que incluiu estudos publicados entre 2000 e 2023, que utilizaram aprendizado de máquina para prever sobrevida no câncer de pulmão com dados clínicos. Desses, 13 (43,3%) usaram a base de dados surveillance, epidemiology, and end results. O random forest foi o modelo predominante (17 estudos; 56,6%). Algoritmos de seleção de características foram usados em 19 (63,3%) estudos, com idade, sexo e estadiamento N como features mais escolhidas. O manejo de dados ausentes foi abordado em 12 (40%) estudos. A maioria não considerou dados ausentes, normalização, escalonamento ou padronização, podendo introduzir viés.

Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre a heterogeneidade entre eles. Também não informa as limitações da própria revisão sistemática. A maioria dos estudos não tratou adequadamente dados ausentes, normalização, escalonamento ou padronização, o que pode comprometer a validade dos modelos. O número de estudos ainda é limitado, e a aplicabilidade dos achados a diferentes contextos clínicos não é clara.

Aplicação no consultório

Médicos que desejam utilizar modelos de aprendizado de máquina para prever sobrevida no câncer de pulmão devem estar atentos à qualidade metodológica dos modelos disponíveis. A revisão destaca que muitos estudos não tratam adequadamente dados ausentes e não realizam normalização ou padronização, o que pode gerar previsões enviesadas. Na prática clínica, é fundamental validar externamente esses modelos antes de aplicá-los. No consultório, ao considerar ferramentas preditivas, o médico deve verificar se o modelo foi desenvolvido com coortes diversas e se passou por pré-processamento adequado. A gestão do consultório pode se beneficiar de modelos bem validados para auxiliar decisões compartilhadas, mas a implementação requer cautela e conhecimento das limitações.

Estudo citado

Predicting lung cancer survival based on clinical data using machine learning: A review. Computers in biology and medicine, 2023.
Autores: Altuhaifa FA, Win KT, Su G.
DOI: 10.1016/j.compbiomed.2023.107338 · PubMed: PMID 37625260

Perguntas para aprofundar

• Quais são os principais vieses em modelos de aprendizado de máquina para prever sobrevida no câncer de pulmão?
• Como o pré-processamento de dados clínicos influencia a acurácia de modelos preditivos em oncologia?
• Quais características clínicas são mais relevantes para prever sobrevida no câncer de pulmão segundo a literatura?

Mais sobre Regulação e validação clínica de IA

• Como os métodos de aprendizado de máquina aplicados a dados do mundo real estão sendo validados para apoiar decisões entre paciente e profissional de saúde?
• Como a inteligência artificial pode ser aplicada à MALDI-TOF MS na microbiologia clínica e quais os desafios para sua implementação?
• Quais aplicações de aprendizado de máquina já foram descritas no cuidado clínico de pessoas vivendo com HIV e em terapia antirretroviral?
• Como a inteligência artificial e o aprendizado de máquina têm sido aplicados em cirurgia ambulatorial?
• Qual é a evidência que sustenta a aprovação de algoritmos de aprendizado de máquina pela FDA em neurorradiologia?

Todas as perguntas sobre Regulação e validação clínica de IA · Todos os temas · Versão em markdown