O uso de aprendizado de máquina e inteligência artificial em prontuários eletrônicos e dados administrativos melhora a pesquisa em saúde mental geriátrica?
Resposta curta: A revisão sistemática identificou 21 estudos que usaram aprendizado de máquina ou inteligência artificial com prontuários eletrônicos ou dados administrativos em saúde mental geriátrica. A demência foi a condição mais estudada, e a floresta aleatória foi a técnica mais comum. As vantagens em relação aos métodos bioestatísticos geralmente não foram avaliadas, e a qualidade dos relatos pode ser melhorada.
Resposta
A revisão sistemática buscou artigos que aplicaram métodos de aprendizado de máquina ou inteligência artificial à análise de prontuários eletrônicos ou dados administrativos de saúde em saúde mental geriátrica. Foram encontrados 21 artigos elegíveis entre 391 inicialmente identificados. Os prontuários eletrônicos foram o tipo de dado mais utilizado, e os conjuntos de dados eram principalmente estruturados.
Diversos métodos de aprendizado de máquina e inteligência artificial foram empregados, sendo a predição ou classificação a principal aplicação. A floresta aleatória foi a técnica mais comum. A demência foi a condição de saúde mental mais frequentemente observada, e houve poucos estudos sobre outras condições geriátricas de saúde mental.
As vantagens relativas das técnicas de aprendizado de máquina ou inteligência artificial em comparação com métodos bioestatísticos geralmente não foram avaliadas. A qualidade dos estudos foi analisada com ferramentas específicas: apenas três estudos apresentaram baixo risco de viés em todos os domínios do PROBAST, e nenhum apresentou baixo risco em todos os domínios do QUADAS-2. A qualidade do relato dos estudos poderia ser melhorada.
Os autores concluem que há relativamente poucos estudos usando aprendizado de máquina e inteligência artificial em pesquisa em saúde mental geriátrica com prontuários eletrônicos e dados administrativos, embora o campo esteja em expansão. A falta de informações consistentes nos estudos selecionados impede comparações precisas entre eles. Melhorar a qualidade do relato, usar modelos comuns de dados e conjuntos de dados comuns para validação de modelos são apontados como caminhos de aprimoramento.
Para o médico, a revisão indica que a aplicação clínica dessas técnicas ainda é limitada e que a literatura disponível não permite afirmar superioridade sobre métodos tradicionais. O resumo não informa detalhes sobre amostras ou desenhos específicos dos estudos incluídos, nem sobre limitações além das mencionadas.
O que o estudo mostrou
Revisão sistemática que buscou estudos que usaram métodos de aprendizado de máquina ou inteligência artificial em saúde mental geriátrica com prontuários eletrônicos ou dados administrativos. Foram identificados 391 artigos, e 21 atenderam aos critérios de inclusão. Os prontuários eletrônicos foram o tipo de dado mais usado, e os dados eram principalmente estruturados. A predição ou classificação foi a principal aplicação, com floresta aleatória como técnica mais comum. A demência foi a condição mais observada. As vantagens em relação a métodos bioestatísticos geralmente não foram avaliadas. Apenas três estudos tiveram baixo risco de viés em todos os domínios do PROBAST, e nenhum pelo QUADAS-2.
Limitações
O resumo não informa o desenho ou a amostra dos estudos incluídos, nem detalhes sobre as populações. A falta de informações consistentes nos estudos selecionados impede comparações precisas entre eles. As vantagens das técnicas de aprendizado de máquina sobre métodos bioestatísticos geralmente não foram avaliadas. A qualidade do relato dos estudos poderia ser melhorada. O resumo não informa limitações adicionais.
Aplicação no consultório
A revisão sugere que, no momento, a aplicação de aprendizado de máquina e inteligência artificial na prática clínica geriátrica é limitada, com poucos estudos e qualidade de relato a melhorar. Para o médico, isso significa cautela ao interpretar ferramentas preditivas baseadas em prontuários eletrônicos ou dados administrativos. Na gestão do consultório, investir em registros estruturados e de qualidade pode facilitar futuras análises, mas não há evidências suficientes para adotar essas técnicas como padrão. O foco deve permanecer em práticas baseadas em evidências consolidadas.
Estudo citado
Use of Machine Learning and Artificial Intelligence Methods in Geriatric Mental Health Research Involving Electronic Health Record or Administrative Claims Data: A Systematic Review. Frontiers in psychiatry, 2021.
Autores: Chowdhury M, Cervantes EG, Chan WY, Seitz DP.
DOI: 10.3389/fpsyt.2021.738466 · PubMed: PMID 34616322
Perguntas para aprofundar
- Quais técnicas de aprendizado de máquina são mais usadas em saúde mental geriátrica com prontuários eletrônicos?
- A demência é a condição mais estudada com inteligência artificial em saúde mental geriátrica?
- Como melhorar a qualidade dos relatos de estudos com aprendizado de máquina em saúde mental geriátrica?
Mais sobre IA em triagem e prontuário eletrônico
- A inteligência artificial já pode ser usada na prática clínica para detectar, prever e classificar a neuropatia periférica diabética?
- A inteligência artificial já pode ser usada para diagnosticar apendicite aguda na prática clínica?
- Modelos de fundação treinados em prontuário eletrônico estruturado já têm evidência suficiente para uso clínico?
- Aprendizado de máquina e aprendizado profundo são eficazes para prever mortalidade por sepse usando prontuário eletrônico?
- Os modelos clínicos de predição de neutropenia febril e seus desfechos são confiáveis para orientar decisões no consultório?
Todas as perguntas sobre IA em triagem e prontuário eletrônico · Todos os temas · Versão em markdown