A análise de imagens endoscópicas por rede neural convolucional tem acurácia diagnóstica para câncer gástrico e predição de profundidade de invasão comparável à dos endoscopistas?
Resposta curta: Segundo a meta-análise, a rede neural convolucional apresentou sensibilidade de 89% e especificidade de 93% para diagnosticar câncer gástrico, com AUC de .94, sem diferença significativa frente a endoscopistas experts (.95 vs .90) e superior ao conjunto global de endoscopistas (.95 vs .87). Para profundidade de invasão, a sensibilidade foi 82% e a especificidade 90%.
Resposta
A revisão sistemática com meta-análise reuniu estudos que avaliaram a acurácia diagnóstica de exames assistidos por rede neural convolucional (CNN) para câncer gástrico ou para a profundidade de invasão do câncer gástrico. A busca abrangeu PubMed, Embase, Web of Science e literatura cinzenta até julho de 2021, e os estudos elegíveis foram incluídos na análise.
Para o diagnóstico de câncer gástrico, a sensibilidade agrupada da CNN foi de 89% (IC 95%, 85-93), a especificidade de 93% (IC 95%, 88-97), a razão de verossimilhança positiva de 13.4 (IC 95%, 7.3-25.5), a razão de verossimilhança negativa de .11 (IC 95%, .07-.17) e a área sob a curva de .94 (IC 95%, .91-.98). O desempenho da CNN no diagnóstico não foi significativamente diferente do de endoscopistas experts (.95 vs .90, P > .05) e foi melhor que o do conjunto global de endoscopistas, experts e não experts (.95 vs .87, P < .05).
Para a predição da profundidade de invasão do câncer gástrico, a sensibilidade agrupada da CNN foi de 82% (IC 95%, 78-85), a especificidade de 90% (IC 95%, 82-95), a razão de verossimilhança positiva de 8.4 (IC 95%, 4.2-16.8), a razão de verossimilhança negativa de .20 (IC 95%, .16-.26) e a área sob a curva de .90 (IC 95%, .87-.93).
Os autores concluem que a CNN é altamente acurada no diagnóstico do câncer gástrico e na predição de sua profundidade de invasão, com desempenho diagnóstico semelhante ao de endoscopistas experts. Ressaltam, porém, que são necessários estudos do desempenho da CNN em tempo real para confirmar esses achados.
O que o estudo mostrou
Trata-se de revisão sistemática e meta-análise de 17 estudos, com 51,446 imagens e 174 vídeos de 5539 pacientes. Para diagnóstico de câncer gástrico, a CNN teve sensibilidade de 89%, especificidade de 93% e AUC de .94; seu desempenho não diferiu significativamente do de endoscopistas experts (.95 vs .90) e foi superior ao do conjunto global de endoscopistas (.95 vs .87). Para profundidade de invasão, a sensibilidade foi de 82%, a especificidade de 90% e a AUC de .90.
Limitações
O resumo não detalha o desenho individual dos estudos incluídos nem suas limitações metodológicas. Os autores apontam que são necessários estudos do desempenho da CNN em tempo real para confirmar os achados, o que indica que a evidência disponível não estabelece ainda o desempenho em uso clínico corrente.
Aplicação no consultório
Os achados apoiam considerar o apoio da CNN na análise de imagens endoscópicas para diagnóstico de câncer gástrico e estimativa de profundidade de invasão, com desempenho comparável ao de endoscopistas experts. Na prática e na gestão do consultório, isso pode orientar decisões sobre incorporação de ferramentas de apoio diagnóstico e sobre encaminhamento, sem substituir a avaliação do especialista. O resumo não informa custos, fluxo de implantação ou desempenho em tempo real.
Estudo citado
Diagnostic accuracy of convolutional neural network-based endoscopic image analysis in diagnosing gastric cancer and predicting its invasion depth: a systematic review and meta-analysis. Gastrointestinal endoscopy, 2022.
Autores: Xie F, Zhang K, Li F, Ma G, Ni Y, Zhang W, Wang J, Li Y.
DOI: 10.1016/j.gie.2021.12.021 · PubMed: PMID 34979114
Perguntas para aprofundar
- Qual é o desempenho da rede neural convolucional em tempo real no diagnóstico de câncer gástrico?
- Como o apoio da rede neural convolucional se compara ao de endoscopistas não experts na prática clínica?
- A predição da profundidade de invasão por rede neural convolucional pode orientar a decisão entre tratamento endoscópico e cirúrgico?
Mais sobre IA em cirurgia e robótica
- A inteligência artificial aplicada à colonoscopia melhora a análise de pólipos colorretais?
- Modelos de inteligência artificial aplicados a vídeos intraoperatórios conseguem identificar fases cirúrgicas, instrumentos e estruturas anatômicas com que desempenho?
- A cirurgia robótica assistida por inteligência artificial melhora os desfechos cirúrgicos e a eficiência em comparação às técnicas manuais?
- Como a inteligência artificial pode ser aplicada na cirurgia da coluna vertebral?
- A gastrectomia robótica é comparável à laparoscópica no tratamento do câncer gástrico?
Todas as perguntas sobre IA em cirurgia e robótica · Todos os temas · Versão em markdown