Preditores de neurocirurgia com base em Machine Learning (ML): A inteligência artificial auxiliado a tomada de decisões.

Preditores de neurocirurgia com base em Machine Learning (ML): A inteligência artificial auxiliado a tomada de decisões.

Silva, Ledismar José da; Costa , Guilherme Espíndola; Lellis , Caio de Almeida; Negraes , Beatriz de Almeida; Coelho, Eduardo Chaves Ferreira; Araújo, Isabela Penha Martins de

Revisão de Literatura:

"INTRODUÇÃO: O Machine Learning (ML), domínio da inteligência artificial (IA)que permite que algoritmos de computador interpretem bases de dados comsignificativa complexidade e aprendam padrões, têm papel cada vez maisrelevante no planejamento pré-cirúrgico, na orientação intraoperatória, noacompanhamento neurofisiológico e na previsão dos resultados neurocirúrgicos.OBJETIVOS: Compreender a aplicação dos modelos preditores de ML naneurocirurgia. METODOLOGIA: Trata-se de uma revisão sistemática da literatura,utilizando-se os descritores “(Neurosurgery) AND (Machine Learning)”, na basede dados PubMed. Os filtros “inglês”, ”espanhol”, “português” e “últimos ano”.Inicialmente, 74 artigos estavam disponíveis. Após a leitura inicial dostítulos e resumos, 14 foram selecionado e analisados, por corresponderem comos objetivos da pesquisa. RESULTADOS: Em revisões sistemáticas foi observadoque algoritmos de ML em neurocirurgias melhoram 13% na média absoluta deprecisão. Dos 50 casos analisados, 29 (58%) evidenciaram que o ML foi maiseficaz que os especialistas, com (p<0,05). Outro estudo demonstra que por meiode 30 ensaios em pacientes operados devido a epilepsia, tumor cerebral,distúrbio de movimento, hidrocefalia, lesões espinhais e doençasneurovasculares, os modelos de ML obtiveram uma melhora de 15% na médiaabsoluta de precisão e 0,06 na curva característica de operação do receptor.Além disso, a partir de uma derivação de deformação de patologias cerebraiscombinando resultados de simulações de método de elemento finito pré-computadorizado (FEM); foi evidenciado que o uso de algoritmos de ML podeprever, em tempo real, as deformações e características de tumores como ageometria anatômica, com erros inferiores a 0,3mm, além de se adequarem paramodelos de realidade aumentada (AR). Em termos de otimização temos o algoritmode planejamento de trajetória (APT), que consiste em uma tecnologia que traçaa melhor e mais segura trajetória até o alvo neurocirúrgico, superando oplanejamento manual, pois consegue analisar 12000 trajetórias em menos de 4minutos, contra cerca de 40 minutos para cada alvo na forma manual. CONCLUSÃO:Assim, a implementação de modelos neurocirúrgicos a partir de ML facilita aescolha pela estratégia cirúrgica mais eficaz, possibilidade de criar umplanejamento específico para o paciente e otimizar o tempo do processo. Valeressaltar que a necessidades de estudos que discorram a respeito do custobenefício dessa tecnologia."

-

Palavras-chave:

DOI: 10.5151/cesmed2021-60

Referências bibliográficas

• [1] "Celtikci E. A systematic review on machine learning in neurosurgery: the future of decision-making in-patient care. Turk Neurosurg . 2017
• [2]
• [3] Senders JT, Zaki MM, Karhade A V., Chang B, Gormley WB, Broekman ML, et al. An introduction and overview of machine learning in neurosurgical care. Acta Neurochir (Wien) [Internet]. 2018 Jan 13;160(1):29–38.
• [4]
• [5] Bissonnette V, Mirchi N, Ledwos N, Alsidieri G, Winkler-Schwartz A, Del Maestro RF, et al. Artificial Intelligence Distinguishes Surgical Training Levels in a Virtual Reality Spinal Task. J Bone Joint Surg Am [Internet]. 2019 Dec 4;101(23):e127. "
• [6]

Como citar:

Silva, Ledismar José da; Costa , Guilherme Espíndola; Lellis , Caio de Almeida ; Negraes , Beatriz de Almeida ; Coelho, Eduardo Chaves Ferreira ; Araújo, Isabela Penha Martins de; "Preditores de neurocirurgia com base em Machine Learning (ML): A inteligência artificial auxiliado a tomada de decisões.", p-192-194. In: Anais do V Congresso de Escolas Médicas. São Paulo: Blucher, 2021.
ISSN 23577282, DOI 10.5151/cesmed2021-60