A inteligência artificial já pode auxiliar na diferenciação entre necrose actínica e progressão tumoral em pacientes com metástases cerebrais tratados com radiocirurgia estereotáxica?
Resposta curta: Sim, segundo esta revisão sistemática, modelos de IA que integram características radiômicas de RM com dados clínicos e genômicos alcançam AUCs de 0,85 a 0,91 na diferenciação entre necrose actínica e progressão tumoral, superando neurorradiologistas em casos pareados. Essa é a aplicação mais madura e próxima da tradução clínica, podendo reduzir biópsias desnecessárias e personalizar a vigilância.
Resposta
A revisão sistemática identificou 18 estudos publicados entre 2015 e 2025 que avaliaram aplicações de inteligência artificial (IA) no suporte diagnóstico de pacientes com metástases cerebrais (MC) submetidos à radiocirurgia estereotáxica (SRS). A diferenciação entre necrose actínica (RN) e verdadeira progressão tumoral foi o foco mais estudado, presente em 14 dos 18 estudos, com áreas sob a curva ROC (AUCs) variando de 0,71 a 0,94. Os modelos incluíram máquinas de vetores de suporte, random forests, redes neurais convolucionais e arquiteturas multimodais baseadas em transformers.
A evolução da literatura mostra uma transição de classificadores radiômicos de sequência única em 2018 para estruturas de aprendizado profundo multimodal em 2025, fundindo imagens com dados clínicos e genômicos. A ressonância magnética ponderada em T1 com contraste foi a principal modalidade de imagem, e características radiômicas de textura (GLCM, GLSZM, GLDM e wavelet) foram as mais consistentemente preditivas. Os modelos de melhor desempenho alcançaram AUCs de 0,85 a 0,91 e superaram a leitura de neurorradiologistas especialistas em casos pareados.
Além da diferenciação RN versus progressão, os estudos abordaram detecção longitudinal de falha local e efeitos adversos da radiação, status de mutação BRAF em MC de melanoma, resposta precoce ao tratamento com Gamma Knife e classificação histológica do tumor primário, com desempenho mais variável. Essas aplicações permanecem exploratórias e necessitam de validação multicêntrica adicional.
Os autores concluem que a integração de ferramentas de IA em fluxos de trabalho de tumor boards multidisciplinares, combinada com validação prospectiva e relatórios padronizados, será essencial para realizar todo o benefício clínico da IA na SRS para MC. A diferenciação pós-SRS entre RN e progressão é a aplicação mais madura e próxima da tradução clínica, com potencial para reduzir biópsias desnecessárias, personalizar intervalos de vigilância e racionalizar decisões terapêuticas.
O que o estudo mostrou
Revisão sistemática conduzida conforme diretrizes PRISMA, com busca em PubMed, Web of Science e Scopus, que após triagem de 483 registros incluiu 18 estudos publicados entre 2015 e 2025. Os modelos de IA demonstraram forte desempenho em tarefas diagnósticas na via MC-SRS. A diferenciação entre necrose actínica e progressão tumoral foi abordada por 14 dos 18 estudos, com AUCs de 0,71 a 0,94. Os modelos de melhor desempenho alcançaram AUCs de 0,85 a 0,91 por meio da integração multimodal de imagem com características clínicas e genômicas, superando neurorradiologistas especialistas em casos pareados.
Limitações
O resumo não informa as limitações individuais dos estudos incluídos, como heterogeneidade de desenhos, tamanhos amostrais ou estratégias de validação. Também não detalha a qualidade metodológica das pesquisas. A maioria das aplicações, exceto a diferenciação entre necrose actínica e progressão, permanece exploratória e necessita de validação multicêntrica e prospectiva antes da incorporação clínica rotineira.
Aplicação no consultório
Para o médico que atua no manejo de pacientes com metástases cerebrais tratados com radiocirurgia, a revisão sugere que ferramentas de IA podem apoiar a decisão diagnóstica, especialmente na distinção entre necrose actínica e progressão tumoral, reduzindo biópsias desnecessárias e permitindo personalizar intervalos de vigilância. No entanto, a incorporação na prática exige validação prospectiva e integração em tumor boards multidisciplinares. Gestores de consultório devem considerar a necessidade de infraestrutura para análise de imagens e dados genômicos, além de treinamento da equipe para interpretar os resultados da IA.
Estudo citado
Artificial intelligence (AI) uses in stereotactic radiosurgery (SRS): diagnosis with brain metastasis (BM) - A systematic review. Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia, 2026.
Autores: Desai SP, Hori YS, Lam FC, Zagzoog N, Kalra N, Tayag A, Ustrzynski L, Emrich SC, Gu X, Park DJ, Chang SD.
DOI: 10.1016/j.jocn.2026.112210 · PubMed: PMID 42475791
Perguntas para aprofundar
- Quais características radiômicas de RM são mais preditivas na diferenciação entre necrose actínica e progressão tumoral após radiocirurgia?
- Como a IA pode auxiliar na classificação de subtipos moleculares e histológicos de metástases cerebrais?
- Quais são os próximos passos para validar e integrar ferramentas de IA no acompanhamento de pacientes com metástases cerebrais?
Mais sobre IA em dermatologia
- Modelos de aprendizado de máquina baseados em radiômica de RM podem detectar mutação de EGFR e superexpressão de HER2 em metástases cerebrais de adenocarcinoma?
- A radiômica em ressonância magnética é precisa para prever metástase em linfonodos axilares no câncer de mama?
- A avaliação remota da gravidade do eczema por meio de análise de imagens de pele com inteligência artificial é confiável para uso clínico?
- A inteligência artificial pode personalizar o tratamento do câncer de mama com bom desempenho diagnóstico?
- Como as redes neurais convolucionais podem auxiliar no diagnóstico de melanoma e qual o conhecimento dos dermatologistas sobre o tema?
Todas as perguntas sobre IA em dermatologia · Todos os temas · Versão em markdown