O aprendizado de máquina é útil para prever suicídio em populações psiquiátricas?
Resposta curta: Sim, mas com limitações. A revisão sistemática identificou 81 estudos que usaram aprendizado de máquina para prever comportamentos suicidas em populações psiquiátricas. A maioria relatou acurácia de 70% ou mais, baseada em características clínicas e demográficas, como tentativas prévias e gravidade do transtorno. No entanto, faltam dados neurobiológicos e validação externa.
Resposta
A revisão sistemática teve como objetivo avaliar estudos que aplicaram técnicas de aprendizado de máquina para prever comportamentos suicidas exclusivamente em populações psiquiátricas. Foram recuperados 1032 estudos, dos quais 81 preencheram os critérios de inclusão e foram incluídos na síntese qualitativa. A maioria dos estudos utilizou características clínicas e demográficas como preditores.
Os algoritmos mais utilizados foram random forest, support vector machine e convolutional neural network, que apresentaram melhor acurácia quando comparados diretamente a outros algoritmos. Apesar da heterogeneidade nos procedimentos, a maioria dos estudos relatou acurácia de 70% ou mais, com base em características como tentativas prévias de suicídio, gravidade do transtorno e tratamentos farmacológicos.
Os autores destacam que a evidência é promissora, mas os algoritmos de aprendizado de máquina para predição de suicídio ainda apresentam limitações. Entre elas, a falta de dados neurobiológicos e de imagem, e a ausência de amostras de validação externa. Superar essas questões pode levar ao desenvolvimento de modelos a serem adotados na prática clínica.
A revisão seguiu as diretrizes PRISMA e avaliou o risco de viés usando as diretrizes TRIPOD. Os resultados sugerem que, embora a acurácia relatada seja encorajadora, a heterogeneidade metodológica e a falta de validação externa limitam a aplicabilidade clínica imediata. Pesquisas adicionais são necessárias para impulsionar esse campo que pode impactar criticamente a mortalidade por suicídio.
O que o estudo mostrou
Revisão sistemática que recuperou 1032 estudos e incluiu 81 que usaram aprendizado de máquina para avaliar risco de suicídio ou prever tentativas em populações psiquiátricas. As características clínicas e demográficas foram as mais empregadas. Random forest, support vector machine e convolutional neural network tiveram melhor acurácia quando comparados diretamente. A maioria dos estudos relatou acurácia de 70% ou mais, baseada em tentativas prévias, gravidade do transtorno e tratamentos farmacológicos. O risco de viés foi avaliado pelas diretrizes TRIPOD.
Limitações
O resumo não informa detalhes sobre a amostra dos estudos incluídos, nem sobre possíveis vieses de publicação. Os próprios autores apontam a falta de dados neurobiológicos e de imagem e a ausência de amostras de validação externa como limitações dos algoritmos. A heterogeneidade nos procedimentos também dificulta comparações diretas. O resumo não informa se houve meta-análise.
Aplicação no consultório
Os achados ainda não permitem adotar algoritmos de aprendizado de máquina na rotina clínica para predição de suicídio, devido à falta de validação externa e à heterogeneidade dos estudos. No consultório, o médico deve continuar relying em avaliação clínica estruturada, considerando fatores como tentativas prévias, gravidade do transtorno e tratamentos em uso. A gestão do consultório pode se preparar para futuras ferramentas, mas sem substituir o julgamento clínico. O resumo não fornece informações sobre custo ou implementação.
Estudo citado
Machine learning and the prediction of suicide in psychiatric populations: a systematic review. Translational psychiatry, 2024.
Autores: Pigoni A, Delvecchio G, Turtulici N, Madonna D, Pietrini P, Cecchetti L, Brambilla P.
DOI: 10.1038/s41398-024-02852-9 · PubMed: PMID 38461283
Perguntas para aprofundar
- Quais características clínicas são mais relevantes para prever suicídio em pacientes psiquiátricos?
- Como a validação externa pode melhorar os modelos de aprendizado de máquina em psiquiatria?
- Quais são as limitações atuais dos algoritmos de aprendizado de máquina para predição de suicídio?
Mais sobre IA em saúde mental
- Modelos de aprendizado de máquina são eficazes para prever risco de suicídio em adolescentes?
- Como a literatura tem utilizado dados do Twitter para monitorar desfechos em saúde mental e qual a qualidade metodológica desses estudos?
- Como o aprendizado de máquina tem sido aplicado na pesquisa em dependência química?
- Como o aprendizado de máquina tem sido aplicado à saúde cognitiva de idosos com HIV?
- Modelos de machine learning conseguem prever complicações da cirurgia bariátrica, e qual tipo de algoritmo se sai melhor?
Todas as perguntas sobre IA em saúde mental · Todos os temas · Versão em markdown