A inteligência artificial já pode apoiar o diagnóstico de asma e DPOC na prática clínica?
Resposta curta: Segundo esta revisão sistemática, a inteligência artificial pode melhorar a qualidade da decisão e a eficiência dos profissionais de saúde no diagnóstico de asma e DPOC. Técnicas de aprendizado profundo alcançaram acurácia superior às de aprendizado de máquina, mas a falta de consistência e de disponibilidade dos conjuntos de dados limita a aplicação clínica imediata.
Resposta
Esta revisão sistemática reuniu a evidência da última década sobre a detecção automatizada de doenças obstrutivas das vias aéreas, incluindo asma e DPOC. Os autores aplicaram as diretrizes PRISMA para buscar registros nas bases IEEE, Google Scholar e PubMed, identificando 65 artigos publicados entre 2013 e 2022, que cobrem 67 estudos diferentes. O processo de revisão foi estruturado conforme o tipo de dado médico usado para a detecção da doença.
Foram identificadas seis categorias principais de dados: fluxo aéreo, genética, imagem, sinais e categorias diversas. A imagem médica foi usada em 14 dos estudos revisados; genética e sinais fisiológicos em 13 estudos; registros médicos em 9 e fluxo aéreo em 7. A maioria dos artigos foi publicada em 2020, e os autores encontraram três vezes mais trabalhos com aprendizado de máquina do que com aprendizado profundo.
A análise estatística mostrou que as técnicas de aprendizado profundo alcançam acurácia maior quando comparadas ao aprendizado de máquina. A rede neural convolucional é o classificador de aprendizado profundo mais comum, e a máquina de vetores de suporte é o classificador de aprendizado de máquina mais utilizado. Para o médico, isso indica que diferentes abordagens técnicas coexistem e que o desempenho varia conforme o método e o tipo de dado.
Os autores concluem que a inteligência artificial pode melhorar tanto a qualidade da decisão quanto a eficiência dos profissionais de saúde durante o diagnóstico de DPOC e asma. No entanto, apontam limitações: falta de consistência dos conjuntos de dados, conjunto de dados limitado e exploração insuficiente do monitoramento remoto. Apenas dois conjuntos de dados públicos de asma e DPOC foram encontrados, e a maioria dos estudos usou dados clínicos privados.
Os autores incentivam os profissionais de saúde a trabalhar em estreita colaboração com cientistas de inteligência artificial para promover a detecção automatizada na prática clínica e em ambientes hospitalares. O resumo não informa detalhes sobre a população de pacientes incluída nos estudos nem sobre a qualidade metodológica individual de cada um deles.
O que o estudo mostrou
Trata-se de uma revisão sistemática conduzida com diretrizes PRISMA, com buscas nas bases IEEE, Google Scholar e PubMed. Foram identificados 65 artigos publicados de 2013 a 2022, cobrindo 67 estudos. A imagem médica foi usada em 14 estudos, genética e sinais fisiológicos em 13, registros médicos em 9 e fluxo aéreo em 7. Houve três vezes mais trabalhos com aprendizado de máquina do que com aprendizado profundo, e o aprendizado profundo alcançou acurácia maior. A rede neural convolucional e a máquina de vetores de suporte foram os classificadores mais comuns.
Limitações
O resumo aponta falta de consistência dos conjuntos de dados, conjunto de dados limitado e exploração insuficiente do monitoramento remoto. Apenas dois conjuntos de dados públicos de asma e DPOC foram encontrados, e a maioria dos estudos usou dados clínicos privados, com tamanho e composição inconsistentes. O resumo não informa a qualidade metodológica individual dos estudos incluídos nem as características das populações avaliadas.
Aplicação no consultório
A revisão sugere que a inteligência artificial pode apoiar a qualidade da decisão e a eficiência diagnóstica em asma e DPOC, mas a heterogeneidade dos dados e a escassez de bases públicas ainda limitam a incorporação rotineira. Na gestão do consultório, isso reforça a cautela antes de adotar ferramentas automatizadas e a importância de avaliar a origem e a consistência dos dados que alimentam esses sistemas. O médico pode se posicionar como colaborador de equipes que desenvolvem e validam essas tecnologias, sem substituir a avaliação clínica.
Estudo citado
Automated detection of airflow obstructive diseases: A systematic review of the last decade (2013-2022). Computer methods and programs in biomedicine, 2023.
Autores: Xu S, Deo RC, Soar J, Barua PD, Faust O, Homaira N, Jaffe A, Kabir AL, Acharya UR.
DOI: 10.1016/j.cmpb.2023.107746 · PubMed: PMID 37660550
Perguntas para aprofundar
- Quais tipos de dados são mais usados para detecção automatizada de asma e DPOC?
- O aprendizado profundo supera o aprendizado de máquina na detecção de doenças obstrutivas das vias aéreas?
- Por que a falta de conjuntos de dados públicos limita a aplicação clínica da inteligência artificial em asma e DPOC?
Mais sobre IA em telemedicina e monitoramento remoto
- Como tecnologias digitais e inteligência artificial podem ser aplicadas no manejo da DPOC?
- Biomarcadores digitais de áudio são úteis no diagnóstico e manejo de doenças respiratórias?
- Sinais de áudio podem ser usados para detectar COVID-19? O que a revisão sistemática mostra?
- Algoritmos preditivos no monitoramento domiciliar de DPOC e asma: o que a evidência mostra sobre seu desempenho?
- Como a inteligência artificial em dispositivos médicos pode personalizar o cuidado e quais desafios precisam ser superados?
Todas as perguntas sobre IA em telemedicina e monitoramento remoto · Todos os temas · Versão em markdown