Notícia

Previsões cirúrgicas usando aprendizado de máquina ainda são limitadas

Getty Images

Fonte

Universidade Flinders

Data

terça-feira, 21 maio 2024 12:15

Áreas

Biomecânica. Cirurgia. Computação. Estatística. Imagens e Diagnóstico. Inteligência Artificial. Medicina. Ortopedia. Saúde Pública. Simulação Computacional.

Os modelos de previsão gerados por Inteligência Artificial (IA) estão sendo cada vez mais utilizados na medicina para identificar fatores de risco e possíveis resultados, especialmente para próteses totais de articulações como joelho e quadril – embora os pesquisadores alertem que as previsões geradas por IA estejam atualmente sendo extraídas de um conjunto de dados limitado.

“O Machine Learning tem um grande potencial para processar ‘big data’ e provou a sua capacidade inegável, embora não esteja isento de problemas”, alertou o Dr. Reza Hashemi, da Faculdade de Ciências e Engenharia da Universidade Flinders, na Austrália.

“A precisão dos modelos preditivos depende da qualidade das fontes de dados, e as previsões podem ser significativamente afetadas pela quantidade de dados e pelo número de variáveis incluídas”, destacou o especialista. “Atualmente, os modelos preditivos desenvolvidos para reconstrução total do quadril e reconstrução total do joelho baseiam-se principalmente em fatores relatados pelo paciente e variáveis de imagem. Portanto, o resultado dos modelos de Machine Learning nesta área precisa ser interpretado com cuidado”, continuou.

Para estudar a aplicação do aprendizado de máquina supervisionado na modelagem preditiva para resultados pós-operatórios de próteses totais de quadril e joelho, os pesquisadores da Universidade Flinders, juntamente com colaboradores do Australian Orthopaedic Association National Joint Replacement Registry (AOANJRR), Royal Adelaide Hospital e Universidade do Sul da Austrália (UniSA) avaliaram as técnicas mais usadas de aprendizado de máquina, fontes de dados, domínios, limitações da análise preditiva e a qualidade das previsões.

“A abordagem de aprendizado de máquina mais amplamente usada nas ciências médicas é o ‘aprendizado supervisionado’, que estima a função de mapeamento para novos dados de entrada, a fim de prever valores reais categorizados ou resultados de tempo até o evento”, disse o Dr. Khashayar Ghadirinejad, coautor da pesquisa e pesquisador da Universidade Flinders.

Os métodos estatísticos convencionais de previsão de risco baseiam-se em suposições predeterminadas e equações matemáticas para formalizar as relações entre as variáveis, enquanto as técnicas de Aprendizado de Máquina utilizam grandes quantidades de dados disponíveis para reconhecer essas relações.

Ao avaliar a eficácia do aprendizado de máquina para auxiliar nos procedimentos de artroplastia total de quadril e artroplastia total de joelho, os pesquisadores observam que os médicos devem ter cuidado ao lidar com dados limitados sobre assuntos específicos.

O Dr. Ghadirinejad sugere que os modelos de aprendizado de máquina devam ser avaliados usando uma coorte aleatória de estudos e ensaios controlados em ambientes do mundo real, em vez de apenas avaliar dados. “São necessárias mais melhorias nas aplicações ortopédicas de machine learning para traduzir os objetivos da pesquisa em práticas clínicas”, disse o pesquisador.

Apesar das limitações atuais do aprendizado de máquina, os pesquisadores reconhecem que ainda há necessidade de modelos que possam prever vários resultados, como a identificação precoce de outliers de próteses com base na grande quantidade de dados disponíveis dos registros conjuntos nacionais em todo o mundo.

Os registros conjuntos visam reduzir as taxas de revisão de cirurgias de artroplastia por meio da detecção precoce de dispositivos de artroplastia articular discrepantes. Eles fornecem dados populacionais sobre o resultado comparativo de próteses na comunidade. Os registos conjuntos, em particular o Registo Conjunto Australiano, envidam esforços para controlar significativamente os danos e os custos da utilização de dispositivos de baixo desempenho em cirurgias de prótese de quadril e joelho.

Os autores também sugerem que uma direção futura para o aprendizado de máquina no domínio da artroplastia articular poderia ser o desenvolvimento de sistemas de apoio à tomada de decisões focados em previsões pré-cirúrgicas que permitam aos cirurgiões determinar o que é melhor para seus pacientes individualmente.

Os resultados do estudo foram publicados na revista científica ANZ Journal of Surgery.

Acesse o artigo científico completo (em inglês).

Acesse a notícia completa na página da Universidade Flinders (em inglês).

Fonte: Universidade Flinders. Imagem: Getty Images.

Em suas publicações, o Portal Tech4Health da Rede T4H tem o único objetivo de divulgação científica, tecnológica ou de informações comerciais para disseminar conhecimento. Nenhuma publicação do Portal Tech4Health tem o objetivo de aconselhamento, diagnóstico, tratamento médico ou de substituição de qualquer profissional da área da saúde. Consulte sempre um profissional de saúde qualificado para a devida orientação, medicação ou tratamento, que seja compatível com suas necessidades específicas.