A inteligência artificial e o risco de suicídio

limites preditivos e potencial clínico complementar

Resumo

O presente estudo trata-se de uma revisão integrativa da literatura elaborada para sintetizar as evidências sobre a acurácia e o desempenho de modelos de Inteligência Artificial e Aprendizado de Máquina na predição do risco de suicídio. O delineamento metodológico seguiu rigorosamente as diretrizes PRISMA 2020. As buscas foram aplicadas nas bases PubMed/MEDLINE, Scopus, Web of Science e Embase. A auditoria da qualidade metodológica e do risco de viés utilizou a ferramenta PROBAST+AI. A amostra final incluiu 53 estudos primários com dados consistentes para a avaliação de desempenho. Os resultados demonstraram que o valor agrupado dos modelos alcançou uma Área Sob a Curva (AUC-ROC) global de 0,86, indicando boa capacidade geral de predição. Apesar disso, observou-se um paradoxo entre a previsão estatística e a utilidade clínica. O Valor Preditivo Positivo (VPP) marcou cerca de 0,01 na maioria dos testes, representando altas taxas de falsos positivos. Ademais, a aplicação da ferramenta PROBAST revelou que cerca de 93% dos modelos avaliados encontram-se em alto risco de viés. Conclui-se que a Inteligência Artificial deve ser compreendida como uma ferramenta complementar à avaliação clínica, contribuindo para a identificação precoce. No entanto, limitações relacionadas à utilidade clínica de alguns modelos, à ausência de validação externa e à predominância de estudos retrospectivos ainda restringem sua aplicação ampla na prática assistencial.