Uma revisão abrangente dos algoritmos de aprendizado de máquina e sua aplicação na medicina geriátrica: presente e futuro

O acesso crescente a dados de saúde em todo o mundo está impulsionando um renascimento na pesquisa de aprendizado de máquina, incluindo algoritmos de aprendizado profundo que demandam muitos dados. Algoritmos agora mais eficientes do ponto de vista computacional oferecem oportunidades únicas para melhorar o diagnóstico, a estratificação de risco e abordagens individualizadas para o manejo de pacientes. Essas oportunidades são particularmente relevantes para o manejo de pacientes mais velhos, um grupo caracterizado por padrões complexos de multimorbidade e significativa variabilidade interindividual na capacidade homeostática, na função orgânica e na resposta ao tratamento. Ferramentas clínicas que utilizam algoritmos de aprendizado de máquina para determinar a escolha ideal de tratamento estão lentamente ganhando a aprovação necessária de órgãos reguladores e sendo implementadas nos cuidados de saúde, com implicações significativas para praticamente todas as disciplinas médicas na próxima fase da medicina digital. Além da obtenção de aprovação regulatória, um elemento crucial na implementação dessas ferramentas é a confiança e o apoio das pessoas que as utilizam. Nesse contexto, um maior entendimento por parte dos clínicos sobre inteligência artificial e algoritmos de aprendizado de máquina proporciona uma apreciação dos possíveis benefícios, riscos e incertezas, e melhora as chances de adoção bem-sucedida. Esta revisão oferece uma ampla taxonomia de algoritmos de aprendizado de máquina, seguida de uma descrição mais detalhada de cada classe de algoritmo, seu propósito e capacidades, e exemplos de suas aplicações, particularmente na medicina geriátrica. Um foco adicional é dado às implicações clínicas e desafios envolvidos em confiar em dispositivos com menor interpretabilidade e ao progresso feito para contrabalançar isso por meio do desenvolvimento de aprendizado de máquina explicável.