Regulação e validação clínica de IA

Modelos preditivos de aprendizado de máquina para pancreatite aguda: o que a evidência atual permite concluir?

Resposta

A pancreatite aguda é uma doença frequente com desfechos clínicos variáveis conforme a gravidade. Nesse contexto, modelos preditivos baseados em aprendizado de máquina vêm sendo explorados para auxiliar decisões clínicas. A revisão sistemática reuniu a literatura disponível até maio de 2021, avaliando a qualidade metodológica dos estudos incluídos.

Foram incluídos 24 artigos, totalizando 8.327 pacientes e 47 modelos. As aplicações concentraram-se em previsão de gravidade (10 estudos), complicações (10), mortalidade (3), recorrência (2) e momento cirúrgico (2). Em várias tarefas, o aprendizado de máquina mostrou acurácia elevada, sugerindo potencial para apoiar a tomada de decisão.

Apesar do desempenho promissor, a maioria dos estudos era retrospectiva, unicêntrica, baseada em dados de banco de dados e sem validação externa. A avaliação pelo checklist IJMEDI classificou apenas dois estudos como de alta qualidade. A maior parte apresentou viés evidente nas dimensões de preparação dos dados, validação e implantação.

Os autores concluem que o aprendizado de máquina tem grande potencial, mas os estudos existentes ainda têm deficiências no processo de construção dos modelos. Pesquisas futuras devem otimizar essas lacunas e avaliar a comparabilidade entre sistemas e o desempenho dos modelos, para desenvolver modelos de alta qualidade aplicáveis à prática clínica.

Para o médico, os achados indicam que os modelos preditivos ainda não estão prontos para uso rotineiro sem validação adequada. A incorporação na prática clínica exige cautela e deve considerar as limitações metodológicas apontadas, priorizando ferramentas com validação externa e alto padrão de qualidade.

O que o estudo mostrou

Revisão sistemática com busca em PubMed, Web of Science, Scopus e Embase, seguindo diretrizes PRISMA, até 29 de maio de 2021. Foram incluídos 24 de 2.913 artigos, com 8.327 pacientes e 47 modelos de aprendizado de máquina para pancreatite aguda. As categorias foram: previsão de gravidade (10 estudos), complicações (10), mortalidade (3), recorrência (2) e momento cirúrgico (2). O aprendizado de máquina mostrou boa acurácia, mas a maioria dos estudos era retrospectiva, unicêntrica, baseada em banco de dados e sem validação externa. Apenas dois estudos foram considerados de alta qualidade pelo checklist IJMEDI.

Limitações

A maioria dos estudos incluídos era retrospectiva, unicêntrica, baseada em dados de banco de dados e sem validação externa. Apenas dois estudos foram classificados como de alta qualidade, e a maior parte apresentou viés evidente nas dimensões de preparação dos dados, validação e implantação. O resumo não informa detalhes sobre heterogeneidade ou meta-análise.

Aplicação no consultório

Os modelos de aprendizado de máquina para pancreatite aguda ainda não devem ser incorporados rotineiramente na prática clínica devido à falta de validação externa e à baixa qualidade metodológica da maioria dos estudos. O médico pode acompanhar a evolução da literatura, priorizando ferramentas validadas externamente e com alto padrão de qualidade. Na gestão do consultório, investir em infraestrutura de dados e em parcerias para validação local pode preparar o terreno para futuras aplicações, mas sem substituir o julgamento clínico.

Estudo citado

Machine learning predictive models for acute pancreatitis: A systematic review. International journal of medical informatics, 2022.
Autores: Zhou Y, Ge YT, Shi XL, Wu KY, Chen WW, Ding YB, Xiao WM, Wang D, Lu GT, Hu LH.
DOI: 10.1016/j.ijmedinf.2021.104641 · PubMed: PMID 34785488

Perguntas para aprofundar

• Quais são os principais vieses metodológicos nos estudos de aprendizado de máquina para pancreatite aguda?
• Como a validação externa impacta a aplicabilidade clínica dos modelos preditivos em pancreatite aguda?
• Quais desfechos da pancreatite aguda têm sido mais explorados por modelos de aprendizado de máquina?

Mais sobre Regulação e validação clínica de IA

• Práticas de "spin" e padrões de relato inadequados também estão presentes em estudos de modelos preditivos com aprendizado de máquina?
• Modelos de machine learning já podem prever desfechos cirúrgicos em cirurgia colorretal com confiabilidade suficiente para uso clínico?
• Qual é o status atual e a qualidade dos estudos de radiômica baseada em aprendizado de máquina para graduação de gliomas?
• 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?
• Algoritmos de aprendizado de máquina podem prever a sobrevida de pacientes tratados para carcinoma hepatocelular?

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