Regulação e validação clínica de IA

Modelos de regressão tradicional e de aprendizado de máquina têm desempenho semelhante na predição de hipertensão?

Resposta

A hipertensão é um problema de saúde pública e a predição de risco pode auxiliar estratégias preventivas. Este estudo teve como objetivo identificar modelos de predição de risco de hipertensão desenvolvidos com regressão tradicional ou aprendizado de máquina e comparar seu desempenho preditivo.

Foi realizada uma revisão sistemática com busca em múltiplas bases e literatura cinzenta, incluindo estudos que predizem o risco de hipertensão na população adulta geral. A medida de desempenho foi a estatística C, e uma meta-análise de efeitos aleatórios foi usada para obter estimativas agrupadas. A qualidade dos estudos foi avaliada com a ferramenta PROBAST.

Foram incluídos 52 artigos na revisão sistemática e 32 na meta-análise. A estatística C agrupada foi 0,75 (intervalo de confiança 0,73-0,77) para modelos de regressão tradicional e 0,76 (intervalo de confiança 0,72-0,79) para modelos de aprendizado de máquina. Observou-se alta heterogeneidade. Em modelos de regressão, idade (p = 0,011), sexo (p = 0,044) e número de fatores de risco (p = 0,001) foram fontes de heterogeneidade.

Os autores concluem que muitos modelos apresentaram desempenho preditivo aceitável a bom, mas poucos foram validados externamente e o risco de viés e a aplicabilidade foram preocupantes em muitos estudos. A discriminação geral foi semelhante entre os dois tipos de modelagem. Mais estudos de validação externa e de impacto são necessários para implementar modelos de predição de hipertensão na prática clínica.

Para o médico, os resultados sugerem que a escolha entre regressão tradicional e aprendizado de máquina pode não ser o fator determinante do desempenho, e que a validação e a aplicabilidade clínica devem ser priorizadas antes da adoção rotineira.

O que o estudo mostrou

Revisão sistemática e meta-análise que incluiu 52 artigos na revisão e 32 na meta-análise, com o objetivo de comparar o desempenho preditivo de modelos de regressão tradicional e de aprendizado de máquina para hipertensão na população adulta geral. A estatística C agrupada foi 0,75 (intervalo de confiança 0,73-0,77) para modelos de regressão e 0,76 (intervalo de confiança 0,72-0,79) para aprendizado de máquina. Houve alta heterogeneidade, com idade, sexo e número de fatores de risco como fontes em modelos de regressão. Poucos modelos foram validados externamente e o risco de viés foi preocupante em muitos estudos.

Limitações

O resumo não informa detalhes sobre a população exata, os critérios de inclusão ou as características dos modelos. A alta heterogeneidade limita a interpretação das estimativas agrupadas. O resumo também não informa quantos estudos tiveram validação externa nem a magnitude do risco de viés. Além disso, não são fornecidos dados sobre calibração ou análise de impacto clínico, apenas discriminação.

Aplicação no consultório

Os achados indicam que, ao considerar um modelo de predição de hipertensão para uso no consultório, o médico deve verificar se ele foi validado externamente e se apresenta baixo risco de viés, pois o tipo de algoritmo (regressão ou aprendizado de máquina) não garantiu melhor discriminação. A gestão do consultório pode se beneficiar da incorporação de ferramentas validadas para estratificação de risco, mas a implementação deve aguardar estudos de impacto que demonstrem benefício clínico.

Estudo citado

Prediction of hypertension using traditional regression and machine learning models: A systematic review and meta-analysis. PloS one, 2022.
Autores: Chowdhury MZI, Naeem I, Quan H, Leung AA, Sikdar KC, O'Beirne M, Turin TC.
DOI: 10.1371/journal.pone.0266334 · PubMed: PMID 35390039

Perguntas para aprofundar

• Quais são as limitações metodológicas dos modelos de predição de hipertensão atualmente disponíveis?
• Como a validação externa influencia a aplicabilidade clínica de modelos de predição de hipertensão?
• Que fatores devem ser considerados ao escolher um modelo de predição de hipertensão para uso na prática clínica?

Mais sobre Regulação e validação clínica de IA

• Modelos de aprendizado de máquina são confiáveis para prever desfechos após TAVI?
• Modelos de inteligência artificial e aprendizado de máquina são confiáveis para prever falha no tratamento da tuberculose?
• Modelos de aprendizado de máquina multicanal podem substituir a polissonografia no diagnóstico da apneia obstrutiva do sono?
• Modelos de radiômica em ressonância magnética predizem a eficácia da ablação por HIFU em miomas uterinos?
• Modelos de machine learning têm bom desempenho global para prever mortalidade por todas as causas, e o que isso significa para a validação local?

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