Inteligența artificială și machine learning în diagnosticul cefaleei: revizuire sistematică (74 studii, n=154.856) — acuratețe promițătoare, dar 65 din 74 studii au risc ridicat de eroare sistematică

Cefaleea este una dintre cele mai frecvente afecțiuni neurologice, cu migrena afectând 15% din populația globală și reprezentând a doua cauză de dizabilitate la nivel mondial. Diagnosticul corect al tulburărilor de cefalee rămâne dificil, cu rate ridicate de subdiagnostic și diagnostic greșit în practica primară. Inteligența artificială și algoritmi de machine learning (ML) au potențialul de a îmbunătăți clasificarea diagnostică, dar calitatea metodologică a studiilor disponibile este critică pentru evaluarea aplicabilității clinice.

Metodologia revizuirii — QUADAS-2 cu extensia AI

Această revizuire sistematică a inclus 74 de studii cu 154.856 de participanți, identificate în PubMed, Embase și Cochrane Library (2015-2025), care au evaluat acuratețea AI/ML în clasificarea tulburărilor de cefalee la adulți conform criteriilor ICHD (International Classification of Headache Disorders). Calitatea metodologică a fost evaluată prin instrumentul QUADAS-2 cu extensia QUADAS-AI, specifică studiilor de diagnostic AI.

Performanța AI — variabilitate mare

Sensibilitatea globală a modelelor AI a variat între 47,5% și 100%, specificitatea între 50,4% și 100%, iar AUC-ROC între 0,658 și 1,000 — o variabilitate enormă care reflectă tipurile diferite de date de input și metodologiile utilizate. Modelele bazate pe chestionare structurate (date clinice) au raportat acuratețe mai realistă (74-86%), în timp ce modelele de neuroimagistică au prezentat frecvent performanță aparent perfectă, sugestivă pentru overfitting.

Risc de eroare sistematică — 65 din 74 studii afectate

Evaluarea QUADAS-2 a identificat risc ridicat de eroare sistematică (bias) în 65 din 74 studii (88%), determinat în principal de: bias spectrum (utilizarea unor populații de caz-control artificiale în loc de populații consecutive), data leakage (contaminarea antrenamentului cu date de test) și absența validării externe independente. Numai 4 studii (5,4%) au realizat validare externă independentă, care este esențială pentru evaluarea performanței reale a modelelor în practica clinică.

Concluzie — implementarea clinică prematură

Deficiențele metodologice pervasive — bias spectrum sever, data leakage și absența validării prospective în medii reale — previn în prezent implementarea clinică sigură a sistemelor AI de diagnostic al cefaleei. Studiile viitoare trebuie să adopte design prospectiv cu populații consecutive, să includă validare externă independentă pe date din practica clinică reală și să utilizeze metrici standardizate de performanță pentru permiterea comparațiilor între studii.