# Modelos de machine learning já podem prever desfechos cirúrgicos em cirurgia colorretal com confiabilidade suficiente para uso clínico?

> A revisão sistemática identificou 31 artigos e mostra potencial promissor do machine learning na predição de desfechos após cirurgia colorretal, com acurácias preditivas de até 91%, sobretudo com radiômica. Porém, a maioria dos estudos é retrospectiva, sem validação externa ou calibração, e a implementação clínica ainda precisa ser demonstrada.

Estudo citado: Bektaş M, Tuynman JB, Costa Pereira J, Burchell GL, van der Peet DL. Machine Learning Algorithms for Predicting Surgical Outcomes after Colorectal Surgery: A Systematic Review. World journal of surgery. 2022. DOI: https://doi.org/10.1007/s00268-022-06728-1. PubMed: https://pubmed.ncbi.nlm.nih.gov/36109367/

## Resposta

A revisão sistemática reuniu a literatura disponível sobre modelos de machine learning aplicados a pacientes submetidos à cirurgia colorretal. Foram analisadas 1821 studies, das quais 31 preencheram os critérios de inclusão. O objetivo foi oferecer uma visão geral dos modelos existentes e do desempenho relatado na predição de desfechos cirúrgicos.

Os achados indicam que uma vasta proporção dos algoritmos foi usada para prever o curso da doença e a resposta à quimiorradioterapia neoadjuvante. A radiômica foi a abordagem aplicada com maior frequência, com acurácias preditivas de até 91%. Esses resultados sugerem potencial promissor dessas ferramentas no contexto da cirurgia colorretal.

Apesar do entusiasmo, a qualidade metodológica é uma preocupação central. A maioria dos estudos incluídos tinha desenho retrospectivo, sem validação externa ou calibração. A ferramenta Probast foi usada para avaliar o risco de viés dos modelos. Essas limitações restringem a confiança na generalização dos resultados para outros serviços e populações.

Os autores concluem que são necessários dados em larga escala para reduzir a distância entre calibração e validação externa. Além disso, a implementação clínica é necessária para demonstrar a contribuição real do machine learning na prática diária. Ou seja, o desempenho relatado em estudos isolados ainda não se traduz automaticamente em benefício assistencial comprovado.

Para o médico que acompanha inovações em cirurgia colorretal, a mensagem é de cautela informada: há sinal de potencial, mas a evidência atual não sustenta adoção rotineira desses modelos na decisão clínica. O resumo não informa detalhes sobre amostras individuais, tipos específicos de algoritmos ou desfechos clínicos específicos além do curso da doença e da resposta à quimiorradioterapia neoadjuvante.

## O que o estudo mostrou

Trata-se de uma revisão sistemática com busca em PubMed, EMBASE, Cochrane e Web of Science. Foram analisadas 1821 studies, com inclusão de 31 artigos. A qualidade metodológica foi avaliada pelo Probast. Uma vasta proporção dos algoritmos previu o curso da doença e a resposta à quimiorradioterapia neoadjuvante; a radiômica foi a abordagem mais frequente, com acurácias preditivas de até 91%. A maioria dos estudos era retrospectiva, sem validação externa ou calibração.

## Limitações

A principal limitação relatada é metodológica: a maioria dos estudos incluídos tinha desenho retrospectivo, sem validação externa ou calibração, o que limita a generalização dos resultados. O resumo não informa o tamanho das amostras dos estudos individuais, nem detalhes sobre os algoritmos ou desfechos específicos. A implementação clínica ainda não foi demonstrada.

## Aplicação no consultório

Na prática e na gestão do consultório, esses modelos ainda não devem ser incorporados como ferramenta rotineira de decisão em cirurgia colorretal, dada a ausência de validação externa e calibração na maioria dos estudos. O médico pode acompanhar a evolução da literatura e considerar a radiômica como área de maior maturidade relatada, mas a adoção exige demonstração de contribuição na prática diária. Investir em dados locais e em parcerias para validação pode preparar o serviço para futuras implementações.

## Perguntas para aprofundar

- Quais critérios de qualidade metodológica devem ser exigidos antes de adotar um modelo de machine learning na prática cirúrgica?
- Como a radiômica tem sido aplicada na predição de resposta à quimiorradioterapia neoadjuvante em cirurgia colorretal?
- O que falta para que modelos preditivos de machine learning sejam implementados na rotina clínica da cirurgia colorretal?

Tema: Regulação e validação clínica de IA. Página: https://alphadoctor.com.br/ciencia/ia-regulacao-validacao/modelos-de-machine-learning-ja-podem-prever-desfechos-cirurgicos-em-cirurgia/

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