Protocolo de revisão sistemática compara modelos interpretáveis e explicáveis para recorrência do câncer de mama

Uma revisão sistemática liderada por Eiman Sahly e colegas está comparando modelos estatísticos intrinsecamente interpretáveis, como regressão logística e modelos de riscos proporcionais de Cox, com abordagens de inteligência artificial explicável (XAI) para prever a recorrência do câncer de mama após o tratamento primário.

A revisão, registrada no PROSPERO sob CRD420251145602, visa avaliar criticamente os modelos publicados ao longo do espectro de caixa preta, caixa cinza e caixa branca. A equipe está atualmente concluindo a extração de dados e busca feedback sobre a pergunta da revisão, estratégia de busca e ferramentas de avaliação como CHARMS, PROBAST+AI e TRIPOD+AI antes de avançar para a avaliação de risco de viés.

Os autores convidam comentários de colegas em prognóstico do câncer de mama, modelagem preditiva, oncologia ou IA explicável/interpretável para ajudar a identificar lacunas metodológicas e delinear direções futuras para modelos prognósticos confiáveis.