IA em saúde mental

O aprendizado de máquina melhora a predição genética de transtornos psiquiátricos na prática clínica?

Resposta

A revisão sistemática avaliou o uso de métodos de aprendizado de máquina para prever transtornos psiquiátricos exclusivamente a partir de dados genéticos. Foram incluídos 13 estudos que descreveram 77 modelos para esquizofrenia, transtorno bipolar, autismo e anorexia. A discriminação variou amplamente, com AUC entre 0,48 e 0,95, refletindo desempenho inconsistente entre os transtornos e os estudos.

Os resultados mostram que a performance foi diferente entre as condições: esquizofrenia (AUC 0,54-0,95), transtorno bipolar (0,48-0,65), autismo (0,52-0,81) e anorexia (0,62-0,69). Essa variação provavelmente decorre do alto risco de viés identificado nos desenhos e análises dos estudos, incluindo escolhas inadequadas de seleção de preditores, busca de hiperparâmetros, metodologia de validação e visualização do conjunto de teste durante o treinamento.

Além disso, etapas-chave no desenvolvimento e validação dos modelos frequentemente não foram realizadas ou não foram relatadas. A comparação entre estudos foi dificultada pela heterogeneidade de preditores, desfechos e medidas, bem como pela sobreposição de amostras dentro e entre estudos. Esses fatores limitam a generalização e a confiança nos resultados reportados.

Diante desse cenário, os autores enfatizam a necessidade de adotar métodos de análise estabelecidos e seguir boas práticas de metodologia e relato para melhorar estudos futuros. Para o médico, isso significa que, no momento, não há evidências suficientes para incorporar essas ferramentas na predição clínica de rotina, e qualquer aplicação deve ser vista com cautela.

A revisão destaca que o campo ainda está em desenvolvimento e que a promessa de melhorar a predição em genética psiquiátrica depende de superar as limitações metodológicas identificadas. Portanto, a implementação clínica não é imediata e requer validação robusta em amostras independentes e representativas.

O que o estudo mostrou

Revisão sistemática que buscou estudos sobre aprendizado de máquina para predizer transtornos psiquiátricos a partir da genética. Foram avaliados 63 textos completos de 652 resumos, extraindo dados de 77 modelos de esquizofrenia, bipolar, autismo ou anorexia em 13 estudos. O desempenho variou amplamente (AUC 0,48-0,95) e diferiu entre os transtornos. Alto risco de viés foi comum devido a escolhas inadequadas de seleção de preditores, busca de hiperparâmetros, validação e visualização do teste durante o treinamento. Muitas etapas não foram realizadas ou relatadas.

Limitações

O resumo não informa detalhes sobre a amostra total de participantes nem sobre as características dos estudos incluídos. A heterogeneidade de preditores, desfechos e medidas, além da sobreposição de amostras, limitou a comparação entre estudos. O alto risco de viés e a pequena quantidade de estudos comprometem a validade das conclusões. O resumo também não fornece informações sobre a qualidade da evidência ou meta-análise.

Aplicação no consultório

Os achados indicam que, atualmente, não há base sólida para incorporar modelos de aprendizado de máquina baseados em genética na predição clínica de transtornos psiquiátricos no consultório. O médico deve manter cautela diante de ferramentas comerciais que prometem esse tipo de predição, pois os estudos apresentam alto risco de viés e resultados inconsistentes. Na gestão do consultório, isso significa evitar investimentos em tecnologias não validadas e priorizar práticas clínicas baseadas em evidências robustas. A revisão reforça a necessidade de aguardar estudos metodologicamente mais rigorosos antes de adotar tais ferramentas na rotina.

Estudo citado

Machine learning for genetic prediction of psychiatric disorders: a systematic review. Molecular psychiatry, 2021.
Autores: Bracher-Smith M, Crawford K, Escott-Price V.
DOI: 10.1038/s41380-020-0825-2 · PubMed: PMID 32591634

Perguntas para aprofundar

• Quais são os principais riscos de viés em estudos de aprendizado de máquina para predição genética em psiquiatria?
• Como a heterogeneidade entre estudos limita a comparação de desempenho de modelos preditivos?
• Quais boas práticas metodológicas devem ser seguidas em futuros estudos de aprendizado de máquina em genética psiquiátrica?

Mais sobre IA em saúde mental

• Modelos de aprendizado de máquina e aprendizado profundo aplicados ao EEG detectam depressão com desempenho confiável?
• Como o aprendizado de máquina tem sido aplicado à saúde cognitiva de idosos com HIV?
• O aprendizado de máquina é útil para prever suicídio em populações psiquiátricas?
• A detecção multimodal de transtornos mentais por sensoriamento passivo com aprendizado de máquina já tem evidências suficientes para orientar a prática clínica?
• Como a literatura tem utilizado dados do Twitter para monitorar desfechos em saúde mental e qual a qualidade metodológica desses estudos?

Todas as perguntas sobre IA em saúde mental · Todos os temas · Versão em markdown