# A inteligência artificial aplicada à RM já é confiável para detectar displasia cortical focal na prática clínica?

> A revisão sistemática com meta-análise mostra que modelos de aprendizado de máquina e redes neurais artificiais aplicados à RM têm bom desempenho em validação interna, com sensibilidade e especificidade agrupadas de 0,81 e 0,92. Em validação externa, porém, o desempenho cai para 0,73 e 0,66, e a aplicabilidade clínica ainda é considerada limitada pelos autores.

Estudo citado: Dashtkoohi M, Ghadimi DJ, Moodi F, Behrang N, Khormali E, Salari HM et al.. Focal cortical dysplasia detection by artificial intelligence using MRI: A systematic review and meta-analysis. Epilepsy & behavior : E&B. 2025. DOI: https://doi.org/10.1016/j.yebeh.2025.110403. PubMed: https://pubmed.ncbi.nlm.nih.gov/40158413/

## Resposta

A displasia cortical focal é uma causa frequente de epilepsia farmacorresistente e pode ser difícil de identificar apenas com a RM. Este estudo revisou e analisou trabalhos que usaram aprendizado de máquina e redes neurais artificiais como ferramenta adicional para aprimorar os achados de RM em pacientes com displasia cortical focal.

A busca sistemática foi feita em quatro bases de dados, com avaliação de qualidade pelo instrumento QUADAS-AI e análise por modelo bivariado de efeitos aleatórios. O desfecho principal foi sensibilidade e especificidade por paciente, e a heterogeneidade foi avaliada pelo I2. Foram incluídos 41 estudos, sendo 24 baseados em redes neurais artificiais e 17 em aprendizado de máquina.

Na meta-análise dos conjuntos de validação interna, a sensibilidade agrupada foi de 0,81 e a especificidade de 0,92 para detecção de lesões de displasia cortical focal. Já nos conjuntos de validação externa, a sensibilidade agrupada foi de 0,73 e a especificidade de 0,66, com heterogeneidade moderada entre estudos e sem viés de publicação significativo.

Os autores concluem que, embora cresça o número de modelos baseados em aprendizado de máquina e redes neurais artificiais para detecção de displasia cortical focal, a aplicabilidade clínica permanece limitada. Apontam a necessidade de refinamento e otimização dos modelos, além de estudos longitudinais, para que possam ser integrados à prática clínica.

Para o médico, o achado central é a diferença entre validação interna e externa: o desempenho cai quando os modelos são testados fora do contexto de desenvolvimento. Isso reforça que, no momento, essas ferramentas devem ser vistas como apoio em pesquisa e não como substitutas da avaliação de imagem e do julgamento clínico.

## O que o estudo mostrou

Revisão sistemática com meta-análise que incluiu 41 estudos, sendo 24 baseados em redes neurais artificiais e 17 em aprendizado de máquina. A qualidade foi avaliada pelo QUADAS-AI e a análise usou modelo bivariado de efeitos aleatórios. Na validação interna, a sensibilidade agrupada foi de 0,81 e a especificidade de 0,92. Na validação externa, a sensibilidade foi de 0,73 e a especificidade de 0,66, com heterogeneidade moderada e sem viés de publicação significativo.

## Limitações

O resumo não informa o tamanho amostral dos estudos incluídos nem detalhes sobre os pacientes. A heterogeneidade foi moderada nos dados de validação externa, e os próprios autores consideram a aplicabilidade clínica ainda limitada, apontando necessidade de refinamento, otimização e estudos longitudinais. O resumo não descreve protocolos de imagem nem critérios de referência usados.

## Aplicação no consultório

Os resultados sugerem cautela ao incorporar ferramentas de inteligência artificial para leitura de RM na rotina do consultório. O desempenho em validação externa foi inferior ao da validação interna, o que deve orientar decisões de compra ou adoção de softwares: convém verificar se o modelo foi validado em população semelhante à sua e tratar o resultado como apoio, não como diagnóstico isolado. Para o fluxo de pacientes com epilepsia farmacorresistente, a ferramenta pode ser discutida como complemento à avaliação especializada, com expectativa realista de desempenho.

## Perguntas para aprofundar

- Como interpretar a queda de desempenho dos modelos de inteligência artificial entre validação interna e externa na detecção de displasia cortical focal?
- Quais critérios de qualidade devem ser exigidos de um software de apoio à RM antes de adotá-lo no consultório?
- O que falta na literatura para que modelos de aprendizado de máquina sejam integrados à investigação de epilepsia farmacorresistente?

Tema: Ética, viés e explicabilidade da IA em saúde. Página: https://alphadoctor.com.br/ciencia/ia-etica-vies/a-inteligencia-artificial-aplicada-a-rm-ja-e-confiavel-para-detectar-displasia/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.