Quais condições de saúde são alvo de modelos preditivos de aprendizado de máquina treinados ou validados com dados reais da atenção primária?
Resposta curta: Uma revisão sistemática identificou 106 estudos que investigaram 42 condições de saúde usando 207 modelos preditivos de aprendizado de máquina com dados da atenção primária. A maioria era retrospectiva e diagnóstica, com foco em diabetes mellitus e doença de Alzheimer. A maior parte não realizou validação externa e apresentou alto ou incerto risco de viés.
Resposta
A revisão sistemática seguiu as diretrizes PRISMA e buscou estudos publicados entre janeiro de 1990 e janeiro de 2022 em diversas bases de dados, incluindo Cochrane Library, Web of Science, PubMed, Elsevier, BioRxiv, ACM e IEEE Xplore. Foram incluídos estudos primários que desenvolveram ou validaram modelos preditivos diagnósticos ou prognósticos de aprendizado de máquina, alimentados total ou parcialmente por dados reais da atenção primária à saúde.
Foram identificados 106 estudos que investigaram 42 condições de saúde, empregando 207 modelos preditivos de aprendizado de máquina, com dados de 24,2 milhões de participantes de 19 países. A maioria dos estudos (92,4%) era retrospectiva e 77,3% relatavam modelos preditivos diagnósticos. Cerca de 76,4% dos estudos desenvolveram modelos sem realizar validação externa.
A avaliação do risco de viés, realizada com a ferramenta de avaliação de risco de viés para estudos de modelos preditivos, revelou que 90,8% dos estudos apresentavam alto ou incerto risco de viés. As condições de saúde mais frequentemente abordadas foram diabetes mellitus (19,8%) e doença de Alzheimer (11,3%).
Os autores concluem que o estudo fornece um resumo dos modelos preditivos de aprendizado de máquina atualmente disponíveis na atenção primária à saúde e chamam a atenção de formuladores de políticas de saúde digital, desenvolvedores de modelos de aprendizado de máquina e profissionais de saúde para a necessidade de mais colaboração interdisciplinar em pesquisas futuras.
O que o estudo mostrou
Revisão sistemática com busca em múltiplas bases de dados identificou 106 estudos que investigaram 42 condições de saúde, usando 207 modelos preditivos de aprendizado de máquina com dados da atenção primária de 24,2 milhões de participantes em 19 países. A maioria era retrospectiva (92,4%) e diagnóstica (77,3%); 76,4% não realizaram validação externa e 90,8% tinham alto ou incerto risco de viés. As condições mais estudadas foram diabetes mellitus (19,8%) e doença de Alzheimer (11,3%).
Limitações
O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, heterogeneidade entre eles ou possíveis vieses de publicação. A maioria dos estudos era retrospectiva e sem validação externa, o que limita a generalização dos modelos. O resumo também não descreve as características específicas das populações ou dos sistemas de saúde envolvidos.
Aplicação no consultório
Os achados destacam que, na atenção primária, os modelos de aprendizado de máquina disponíveis concentram-se em condições como diabetes e doença de Alzheimer, mas a maioria carece de validação externa e apresenta alto risco de viés. Para o médico, isso significa cautela ao considerar a implementação dessas ferramentas na prática clínica e na gestão do consultório, priorizando modelos com validação robusta e adequada ao contexto local.
Estudo citado
A systematic review of clinical health conditions predicted by machine learning diagnostic and prognostic models trained or validated using real-world primary health care data. PloS one, 2023.
Autores: Abdulazeem H, Whitelaw S, Schauberger G, Klug SJ.
DOI: 10.1371/journal.pone.0274276 · PubMed: PMID 37682909
Perguntas para aprofundar
- Quais são as limitações metodológicas dos modelos preditivos de aprendizado de máquina aplicados à atenção primária?
- Como o risco de viés pode influenciar a confiabilidade dos modelos preditivos na prática clínica?
- Quais condições de saúde são mais frequentemente alvo de modelos de aprendizado de máquina na atenção primária?
Mais sobre IA em telemedicina e monitoramento remoto
- A inteligência artificial já pode ser implementada na prática clínica de emergências virtuais?
- Quais são os impactos das aplicações de inteligência artificial na prática de enfermagem e nos desfechos dos pacientes?
- A implementação de algoritmos de aprendizado de máquina para predizer deterioração clínica em hospitais adultos melhora desfechos clínicos e quais fatores influenciam o sucesso?
- Como a inteligência artificial pode auxiliar no ajuste de dose de insulina basal em pacientes com diabetes tipo 2?
- Métodos computacionais aplicados à sífilis: onde estamos e para onde vamos?
Todas as perguntas sobre IA em telemedicina e monitoramento remoto · Todos os temas · Versão em markdown