IA em saúde mental

O uso de deep learning em dados de eletroencefalograma já tem qualidade metodológica suficiente para aplicação clínica em transtornos mentais?

Resposta

A revisão sistemática reuniu estudos que aplicaram técnicas de deep learning a dados de eletroencefalograma para fins diagnósticos e preditivos em pesquisas sobre transtornos mentais. Foram incluídos trabalhos baseados na classificação ICD-10 ou DSM-V que utilizaram redes neurais convolucionais (CNNs) ou redes long-short-term-memory (LSTMs) para classificação.

Os estudos foram examinados quanto à qualidade das informações em três domínios: clínico, de processamento dos dados de EEG e de deep learning. A descrição da aquisição e do pré-processamento do EEG foi considerada suficiente na maioria dos estudos, o que indica algum cuidado na etapa de obtenção e tratamento do sinal.

Por outro lado, muitos estudos apresentaram lacunas na caracterização sistemática das características clínicas. Além disso, uma parte deles utilizou procedimentos de seleção de modelo equivocados ou testes falhos, o que compromete a confiabilidade dos resultados reportados.

Diante disso, os autores recomendam que pesquisas futuras sobre transtornos psiquiátricos com deep learning melhorem a qualidade dos dados clínicos e sigam procedimentos de seleção e teste de modelos compatíveis com o estado da arte. O objetivo é alcançar padrão de pesquisa mais elevado e caminhar em direção à significância clínica.

Para o médico, a mensagem é de cautela: a literatura revisada ainda não permite tratar esses modelos como ferramentas prontas para uso clínico. O resumo não informa quantos estudos foram incluídos nem detalha os transtornos específicos avaliados.

O que o estudo mostrou

Trata-se de uma revisão sistemática de estudos que aplicaram deep learning a dados de EEG em transtornos mentais, incluindo apenas trabalhos baseados em ICD-10 ou DSM-V que usaram CNNs ou LSTMs para classificação. Os estudos foram avaliados em três domínios: clínico, processamento de EEG e deep learning. A aquisição e o pré-processamento de EEG foram suficientemente descritos na maioria, mas muitos estudos careciam de caracterização sistemática das características clínicas e apresentavam seleção de modelo equivocada ou testes falhos. O resumo não informa o número de estudos incluídos.

Limitações

O resumo não informa o número de estudos incluídos, os transtornos específicos avaliados, os tamanhos de amostra nem os resultados de desempenho dos modelos. Também não detalha os critérios de busca ou de qualidade aplicados. As conclusões se restringem à qualidade metodológica descrita nos três domínios avaliados, sem dados quantitativos de acurácia clínica.

Aplicação no consultório

A revisão orienta o médico a não incorporar, na prática clínica ou na gestão do consultório, ferramentas de deep learning aplicadas a EEG em transtornos mentais como se estivessem validadas. Ao avaliar fornecedores ou propostas de tecnologia diagnóstica, vale verificar se há caracterização clínica sistemática dos pacientes e procedimentos adequados de seleção e teste de modelos. O resumo não traz dados que sustentem decisões de compra ou de fluxo assistencial.

Estudo citado

Deep learning applied to electroencephalogram data in mental disorders: A systematic review. Biological psychology, 2021.
Autores: de Bardeci M, Ip CT, Olbrich S.
DOI: 10.1016/j.biopsycho.2021.108117 · PubMed: PMID 33991592

Perguntas para aprofundar

• Quais critérios de qualidade metodológica devem ser exigidos de estudos de deep learning com EEG em psiquiatria?
• Como a caracterização clínica incompleta dos pacientes afeta a validade de modelos de deep learning em transtornos mentais?
• O que significa seguir procedimentos state of the art de seleção e teste de modelos nesse tipo de pesquisa?

Mais sobre IA em saúde mental

• Modelos de aprendizado de máquina e aprendizado profundo aplicados ao EEG detectam depressão com desempenho confiável?
• A inteligência artificial aplicada à ressonância magnética ponderada em T1 é eficaz para classificar mais de dois estágios da doença de Alzheimer?
• A detecção automatizada de esquizofrenia por deep learning já é uma realidade na prática clínica?
• Como a inteligência artificial aplicada a sinais neurais e fisiológicos pode contribuir para a detecção objetiva de ansiedade na prática clínica?
• O aprendizado profundo em neuroimagem é confiável para o diagnóstico precoce da doença de Alzheimer?

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