# Modelos de aprendizado de máquina são confiáveis para prever a progressão da osteoartrite na prática clínica?

> A revisão sistemática mostra que modelos de aprendizado de máquina são viáveis para prever progressão da osteoartrite, mas limitações como falta de padronização de desfechos, validação externa limitada e heterogeneidade metodológica restringem sua aplicação clínica imediata. Prioridades futuras incluem diversificar fontes de dados e padronizar métricas.

Estudo citado: Castagno S, Gompels B, Strangmark E, Robertson-Waters E, Birch M, van der Schaar M et al.. Understanding the role of machine learning in predicting progression of osteoarthritis. The bone & joint journal. 2024. DOI: https://doi.org/10.1302/0301-620X.106B11.BJJ-2024-0453.R1. PubMed: https://pubmed.ncbi.nlm.nih.gov/39481441/

## Resposta

A osteoartrite em estágios iniciais carece de terapias eficazes para interromper ou reverter a progressão, diferentemente da doença terminal, em que a artroplastia oferece bons resultados. Nesse contexto, prever a progressão torna-se crucial para intervenções oportunas e para otimizar o desenho de ensaios clínicos.

Uma revisão sistemática conduzida conforme as diretrizes PRISMA buscou estudos que utilizassem aprendizado de máquina para prever a progressão da osteoartrite. Foram identificados 1.160 estudos, dos quais 39 foram incluídos. A maioria (85%) foi publicada entre 2020 e 2024, e 82% utilizaram conjuntos de dados públicos, principalmente a Osteoarthritis Initiative.

Os métodos de aprendizado de máquina foram predominantemente supervisionados, com variabilidade significativa nas definições de progressão da osteoartrite: 59% focaram em mudanças estruturais, enquanto menos estudos abordaram progressão da dor ou ambas. Aprendizado profundo foi usado em 44% dos estudos, e aprendizado de máquina automatizado em 5%. Houve falta de padronização nas métricas de avaliação e validação externa limitada. Interpretabilidade foi explorada em 54% dos estudos, principalmente com SHapley Additive exPlanations.

Os achados demonstram a viabilidade dos modelos de aprendizado de máquina para prever a progressão da osteoartrite, mas também revelam limitações críticas que restringem sua aplicabilidade clínica atual. Prioridades futuras incluem diversificar fontes de dados, padronizar medidas de desfecho, impor validação rigorosa e integrar algoritmos mais sofisticados.

Essa mudança de paradigma, de modelagem preditiva para ferramentas clínicas acionáveis, tem o potencial de transformar o cuidado ao paciente e o manejo da doença na prática ortopédica.

## O que o estudo mostrou

Revisão sistemática conforme PRISMA que buscou estudos usando aprendizado de máquina para prever progressão da osteoartrite. De 1.160 estudos, 39 foram incluídos. A maioria (85%) publicada entre 2020 e 2024, 82% usaram dados públicos, principalmente a Osteoarthritis Initiative. Métodos supervisionados predominaram; 59% focaram em mudanças estruturais, 44% usaram aprendizado profundo e 5% aprendizado automatizado. Houve falta de padronização de métricas e validação externa limitada; interpretabilidade foi explorada em 54% dos estudos.

## Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre vieses de publicação. A heterogeneidade nas definições de progressão e nas métricas de avaliação limita a comparabilidade. A validação externa limitada e a dependência de conjuntos de dados públicos, como a Osteoarthritis Initiative, restringem a generalização dos achados. O resumo também não informa a população exata ou os critérios de elegibilidade dos estudos.

## Aplicação no consultório

Os achados indicam que, atualmente, modelos de aprendizado de máquina para prever progressão da osteoartrite ainda não estão prontos para uso clínico rotineiro devido à falta de padronização e validação externa. Para o médico, isso significa cautela ao interpretar ferramentas preditivas disponíveis. Na gestão do consultório, é importante acompanhar a evolução das pesquisas e considerar a incorporação futura de modelos validados, além de incentivar a coleta estruturada de dados clínicos e de imagem para possibilitar estudos locais.

## Perguntas para aprofundar

- Quais são os principais desafios para a validação externa de modelos de aprendizado de máquina na osteoartrite?
- Como padronizar as definições de progressão da osteoartrite para melhorar a comparabilidade entre estudos?
- Qual o papel da interpretabilidade dos modelos de aprendizado de máquina na confiança do clínico?

Tema: Regulação e validação clínica de IA. Página: https://alphadoctor.com.br/ciencia/ia-regulacao-validacao/modelos-de-aprendizado-de-maquina-sao-confiaveis-para-prever-a-progressao-da/

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