Algoritmos de inteligência artificial são eficazes para prever lesão renal aguda em adultos hospitalizados?
Resposta curta: Sim, a maioria dos modelos de aprendizado de máquina analisados nesta revisão sistemática atingiu AUC ≥ 0,70 para predição de lesão renal aguda em adultos hospitalizados, com desempenho semelhante entre aprendizado profundo, regressão logística e árvores de decisão, mas com limitações como overfitting e falta de diversidade populacional.
Resposta
A revisão sistemática avaliou o uso de aprendizado de máquina para predizer lesão renal aguda (LRA) em adultos hospitalizados. Foram incluídos dez estudos, totalizando 242.251 pacientes, e o desfecho principal foi um valor de área sob a curva (AUC) de pelo menos 0,70. A maioria dos modelos analisados atingiu esse limiar, indicando que essas ferramentas podem ter utilidade na identificação precoce de LRA.
Os resultados mostraram que o aprendizado profundo apresentou AUC de 0,907 em LRA na terapia intensiva e 0,797 em pacientes hospitalizados, valores semelhantes aos da regressão logística (AUC 0,877 e 0,789, respectivamente). As árvores de decisão também tiveram desempenho comparável. Isso sugere que modelos mais complexos não necessariamente superam abordagens tradicionais nesse contexto.
A LRA é multifatorial, mas os modelos de aprendizado de máquina tiveram bom desempenho em diferentes etiologias, como LRA relacionada a causas cardíacas, a medicamentos e em pacientes críticos. No entanto, os autores destacam limitações como overfitting e a construção de modelos de caixa preta, que podem comprometer a generalização e a compreensão dos resultados.
A maioria dos estudos era unicêntrica, e três manuscritos utilizaram o mesmo banco de dados com população predominantemente caucasiana, resultando em falta de diversidade e reduzindo a generalização externa. A revisão conclui que o aprendizado de máquina pode prever efetivamente LRA em adultos hospitalizados, mas direções futuras dependem de incluir populações mais diversas e realizar ensaios prospectivos e controlados.
Para o médico, esses achados indicam que algoritmos de aprendizado de máquina são promissores para apoiar a predição de LRA, mas ainda carecem de validação em cenários diversos e estudos prospectivos antes de serem incorporados rotineiramente à prática clínica.
O que o estudo mostrou
Revisão sistemática de dez estudos (242.251 pacientes) que avaliou algoritmos de aprendizado de máquina para predição de lesão renal aguda em adultos hospitalizados. O desfecho principal foi AUC ≥ 0,70. A maioria dos modelos atingiu esse valor. Aprendizado profundo teve AUC 0,907 em terapia intensiva e 0,797 em enfermaria; regressão logística, 0,877 e 0,789; árvores de decisão tiveram desempenho semelhante. Os modelos funcionaram em diferentes etiologias de LRA.
Limitações
O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos. A maioria era unicêntrica e três usaram o mesmo banco de dados com população predominantemente caucasiana, limitando a diversidade e a generalização externa. Overfitting e modelos de caixa preta podem comprometer a generalização e a compreensão. Não houve ensaios prospectivos controlados.
Aplicação no consultório
Os achados sugerem que algoritmos de aprendizado de máquina podem auxiliar na identificação precoce de LRA em pacientes hospitalizados, mas ainda não estão prontos para uso rotineiro sem validação em populações diversas. No consultório, o médico deve manter julgamento clínico e considerar que essas ferramentas são promissoras, porém carecem de estudos prospectivos. A gestão pode acompanhar o desenvolvimento de sistemas validados localmente antes de adotá-los.
Estudo citado
A systematic review of artificial intelligence algorithms for predicting acute kidney injury. European review for medical and pharmacological sciences, 2023.
Autores: Bacci MR, Minczuk CVB, Fonseca FLA.
DOI: 10.26355/eurrev_202310_34164 · PubMed: PMID 37916354
Perguntas para aprofundar
- Qual o desempenho de modelos de aprendizado de máquina na predição de lesão renal aguda em diferentes contextos clínicos?
- Quais são as principais limitações dos estudos sobre inteligência artificial para predição de lesão renal aguda?
- Como aplicar os resultados de revisões sistemáticas sobre IA na predição de LRA na prática clínica?
Mais sobre IA em triagem e prontuário eletrônico
- A inteligência artificial pode apoiar a triagem de enfermagem no pronto-socorro e reduzir a subtriagem?
- A inteligência artificial já pode ser usada para diagnosticar apendicite aguda na prática clínica?
- Como a inteligência artificial está sendo aplicada na medicina de emergência e quais são os principais desafios?
- A inteligência artificial é útil para prever doenças cardiometabólicas em populações indígenas?
- Como a aprendizagem de máquina tem sido aplicada aos dados de rotina da UTI e qual a qualidade metodológica desses estudos?
Todas as perguntas sobre IA em triagem e prontuário eletrônico · Todos os temas · Versão em markdown