IA na atenção primária

A inteligência artificial pode ajudar a triar lesões cutâneas suspeitas de câncer na atenção primária e reduzir encaminhamentos desnecessários?

Resposta

A revisão rápida identificou que a tecnologia DERM apresentou sensibilidade de 96,1% para detectar qualquer lesão maligna, com especificidade de 65,4%. Para detectar lesões benignas, a sensibilidade foi de 71,5% e a especificidade de 86,2%. Esses dados sugerem que o DERM pode ser útil como auxiliar de decisão após o encaminhamento da atenção primária, mas há incerteza sobre o impacto real na via diagnóstica.

A tecnologia Moleanalyzer Pro mostrou menor sensibilidade, porém maior especificidade para detectar melanoma em comparação com dermatologistas em consulta presencial. No entanto, a base de evidências para essa tecnologia é limitada, com apenas dois estudos incluídos na síntese. Não foram encontradas avaliações publicadas de custo-efetividade específicas para essas tecnologias.

Opiniões de pacientes e clínicos revelaram resistência substancial ao uso de inteligência artificial sem qualquer avaliação das lesões por um dermatologista. Isso indica que a implementação dessas ferramentas enfrenta barreiras de aceitação, mesmo que os dados de acurácia sejam promissores. O estudo também aponta que o DERM poderia levar ao alta de cerca de metade dos pacientes sem avaliação dermatológica, mas algumas lesões malignas seriam perdidas.

Um modelo conceitual foi desenvolvido para orientar uma avaliação econômica completa, alinhado à referência do National Institute for Health and Care Excellence e que caracteriza melhor as consequências de longo prazo do carcinoma basocelular. No entanto, o resumo não informa detalhes sobre a amostra dos estudos incluídos nem sobre o desenho específico de cada um.

Conclui-se que o DERM mostra acurácia diagnóstica promissora para triagem de lesões suspeitas em pacientes selecionados encaminhados da atenção primária, mas seu impacto no cuidado ao paciente é incerto. O Moleanalyzer Pro tem acurácia promissora para melanoma, porém evidências limitadas. Pesquisas futuras devem abordar as limitações na acurácia diagnóstica e incluir evidências comparativas para reduzir a incerteza sobre o valor dessas tecnologias.

O que o estudo mostrou

Trata-se de uma revisão sistemática rápida com síntese narrativa e meta-análise de dados de acurácia diagnóstica de duas tecnologias de inteligência artificial: DERM e Moleanalyzer Pro. Foram sintetizados quatro estudos do DERM e dois do Moleanalyzer Pro. O DERM apresentou sensibilidade de 96,1% para qualquer lesão maligna e especificidade de 65,4%; para lesões benignas, sensibilidade de 71,5% e especificidade de 86,2%. O Moleanalyzer Pro teve menor sensibilidade, mas maior especificidade para melanoma do que dermatologistas presenciais. Não foram identificadas avaliações publicadas de custo-efetividade específicas. O resumo não informa o tamanho da amostra dos estudos incluídos.

Limitações

A abordagem de revisão rápida pode ter deixado de fora materiais relevantes, e a capacidade de síntese foi limitada. O modelo conceitual proposto não captura benefícios não financeiros associados à demanda pelo tempo do dermatologista. Não foi possível fornecer uma avaliação do impacto orçamentário e do uso de recursos. O resumo não informa o desenho detalhado dos estudos primários incluídos.

Aplicação no consultório

Para o médico brasileiro, a revisão indica que ferramentas de inteligência artificial como o DERM podem auxiliar na triagem de lesões cutâneas suspeitas, mas a resistência de pacientes e clínicos à ausência de avaliação dermatológica sugere que a implementação deve ser cautelosa. A gestão do consultório pode considerar que a tecnologia ainda não substitui a avaliação especializada e que faltam dados de custo-efetividade para justificar investimentos. A decisão de adotar essas ferramentas deve aguardar evidências comparativas mais robustas.

Estudo citado

Artificial Intelligence technologies for assessing skin lesions for referral on the urgent suspected cancer pathway to detect benign lesions and reduce secondary care specialist appointments: early value assessment. Health technology assessment (Winchester, England), 2026.
Autores: Walton M, Llewellyn A, Uphoff E, Lord J, Harden M, Hodgson R, Simmonds M.
DOI: 10.3310/GJMS0317 · PubMed: PMID 41660864

Perguntas para aprofundar

• Qual é a acurácia diagnóstica do DERM em comparação com dermatologistas para detectar lesões malignas?
• Quais são as barreiras para a implementação de tecnologias de inteligência artificial na triagem de lesões cutâneas?
• Existem evidências de custo-efetividade para o uso de inteligência artificial no diagnóstico de câncer de pele?

Mais sobre IA na atenção primária

• Há evidências sobre o uso de software de inteligência artificial como adjuvante na análise de radiografias de tórax para identificar suspeita de câncer de pulmão na atenção primária?
• A inteligência artificial é eficaz no diagnóstico não invasivo de câncer de pele e qual o seu impacto potencial?
• A inteligência artificial é eficaz na detecção de câncer de pele e como isso se aplica à prática clínica?
• Qual é a acurácia diagnóstica do EyeArt para detecção de retinopatia diabética referível em fotografias de fundo de olho?
• A teledermatologia em unidades de atenção primária é uma alternativa custo-efetiva à consulta dermatológica presencial no hospital?

Todas as perguntas sobre IA na atenção primária · Todos os temas · Versão em markdown