Regulação e validação clínica de IA

Modelos de aprendizado de máquina já estão prontos para orientar a dose personalizada de heparina não fracionada na prática clínica?

Resposta

A revisão sistemática buscou estudos que desenvolveram modelos de predição por aprendizado de máquina para determinar a dose ótima de heparina não fracionada (UFH) ou níveis terapêuticos-alvo de tempo de tromboplastina parcial ativada (aPTT) no ambiente hospitalar. As buscas abrangeram bases como Embase, PubMed, CINAHL, Web of Science, International Pharmaceutical Abstracts e IEEE Xplore, desde o início até 31 de janeiro de 2020.

De 8393 resumos recuperados, 61 passaram por revisão de texto completo e oito estudos atenderam aos critérios de inclusão. Quatro estudos descreveram modelos para predizer aPTT, três descreveram modelos para predizer a dose ótima de heparina durante diálise e um descreveu um modelo que usou desfechos substitutos de coagulação e sangramento para predizer aPTT terapêutico.

Os estudos variaram amplamente no relato dos participantes, na caracterização e seleção de variáveis, no manejo de dados ausentes, no cálculo do tamanho amostral e na aplicação clínica pretendida do modelo. Apenas um estudo realizou validação externa e nenhum avaliou o impacto do modelo na prática clínica.

A conclusão dos autores é que os estudos de modelos de aprendizado de máquina para dose de UFH são poucos e nenhum relata um modelo pronto para uso clínico rotineiro. Os estudos existentes são limitados por baixa qualidade metodológica, relato inadequado de fatores do estudo e ausência de validação externa e de análise de impacto.

Para o médico, o achado indica que esses modelos ainda são objeto de pesquisa e não devem ser tratados como ferramentas validadas para decisão à beira do leito. A revisão não fornece dados de desempenho clínico que permitam recomendar sua incorporação à rotina assistencial.

O que o estudo mostrou

Revisão sistemática com buscas em Embase, PubMed, CINAHL, Web of Science, International Pharmaceutical Abstracts e IEEE Xplore até 31 de janeiro de 2020. De 8393 resumos, 61 foram revisados em texto completo e oito estudos foram incluídos. Quatro descreveram modelos para predizer aPTT, três para predizer dose ótima de heparina durante diálise e um usou desfechos substitutos de coagulação e sangramento para predizer aPTT terapêutico. Apenas um estudo fez validação externa e nenhum avaliou impacto clínico.

Limitações

O resumo não informa detalhes sobre a população dos estudos incluídos nem sobre a qualidade individual de cada modelo. Os próprios autores apontam baixa qualidade metodológica, relato inadequado dos fatores do estudo e ausência de validação externa e de análise de impacto. A revisão não permite concluir sobre desempenho clínico nem sobre superioridade de qualquer modelo.

Aplicação no consultório

Na prática clínica e na gestão do consultório, modelos de aprendizado de máquina para dose de heparina não fracionada não devem ser adotados como ferramenta validada de decisão. O médico pode acompanhar a literatura, mas a revisão não oferece base para incorporar esses modelos à rotina assistencial. Investimentos em sistemas que usem tais modelos devem aguardar validação externa e estudos de impacto antes de serem considerados.

Estudo citado

Systematic review of machine learning models for personalised dosing of heparin. British journal of clinical pharmacology, 2021.
Autores: Falconer N, Abdel-Hafez A, Scott IA, Marxen S, Canaris S, Barras M.
DOI: 10.1111/bcp.14852 · PubMed: PMID 33835524

Perguntas para aprofundar

• Quais critérios de qualidade metodológica devem ser exigidos de um modelo de aprendizado de máquina antes de usá-lo na dose de heparina?
• Como a ausência de validação externa limita a confiança em modelos preditivos de aPTT?
• Que desfechos clínicos deveriam ser avaliados em estudos de impacto de modelos de dose de heparina?

Mais sobre Regulação e validação clínica de IA

• A análise de ECG por inteligência artificial já é confiável para prever diabetes na prática clínica?
• Como a inteligência artificial e o aprendizado de máquina têm sido aplicados em cirurgia ambulatorial?
• A inteligência artificial pode prever com precisão o risco de expansão de hematoma na hemorragia intracerebral?
• Modelos de aprendizado de máquina são confiáveis para prever tromboembolismo venoso em pacientes hospitalizados?
• Modelos de aprendizado de máquina são confiáveis para prever a progressão da osteoartrite na prática clínica?

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