A inteligência artificial já demonstrou impacto em desfechos centrados no paciente e custo-efetividade no câncer de pulmão não pequenas células?
Resposta curta: A revisão sistemática identificou que modelos de IA melhoram acurácia diagnóstica e predição prognóstica, mas não há evidência avaliável sobre medidas de resultado relatadas pelo paciente (PROM) ou custo-efetividade no câncer de pulmão não pequenas células. Associações exploratórias com sobrevida global foram observadas, porém com heterogeneidade e limitações metodológicas.
Resposta
A revisão sistemática teve como objetivo avaliar o impacto de modelos de inteligência artificial, redes neurais artificiais e aprendizado de máquina em medidas de resultado relatadas pelo paciente (PROM), sobrevida global e custo-efetividade em adultos com câncer de pulmão não pequenas células (NSCLC) histologicamente confirmado, em comparação com metodologias convencionais e abordagens padrão de cuidado.
Foram incluídos dez estudos após triagem de 509 artigos, seguindo as diretrizes PRISMA e síntese sem meta-análise (SWiM) devido à heterogeneidade. Os modelos baseados em IA demonstraram melhorias na precisão diagnóstica, otimização de tratamento e acurácia preditiva para desfechos de sobrevida, superando modelos estatísticos convencionais na predição prognóstica e alocação de recursos.
No entanto, a conclusão principal é que as evidências atuais apoiam apenas associações exploratórias entre modelos de IA e estratificação prognóstica para sobrevida global. Não há evidência avaliável sobre PROM ou custo-efetividade no NSCLC. Os autores destacam que heterogeneidade dos dados, generalização dos modelos e transparência algorítmica permanecem desafios significativos.
A revisão ressalta a necessidade de estudos prospectivos futuros que incorporem PROM validadas e avaliação econômica formal juntamente com desfechos clínicos. Apesar do potencial revolucionário da IA para melhorar acurácia diagnóstica e desfechos de tratamento, são necessárias mais pesquisas para validar a aplicabilidade clínica no mundo real e abordar vieses, implicações éticas e disparidades em saúde.
Para o médico brasileiro, os achados indicam que a IA pode auxiliar na estratificação prognóstica, mas ainda não há dados suficientes para incorporá-la como ferramenta de decisão compartilhada baseada em PROM ou custo-efetividade. A implementação clínica deve considerar as limitações de generalização e a necessidade de validação local.
O que o estudo mostrou
Revisão sistemática com síntese qualitativa (SWiM) de dez estudos selecionados entre 509 artigos. Modelos de IA, redes neurais e aprendizado de máquina mostraram melhorias na precisão diagnóstica, otimização de tratamento e predição de sobrevida em pacientes com NSCLC. Houve desempenho superior aos modelos estatísticos convencionais para prognóstico e alocação de recursos. Contudo, não foram encontradas evidências avaliáveis sobre PROM ou custo-efetividade. O resumo não informa características detalhadas da amostra nem desenho específico dos estudos incluídos.
Limitações
O resumo não informa o número total de pacientes nem as características dos estudos incluídos. A heterogeneidade dos desenhos e métodos estatísticos impediu meta-análise. Os achados são exploratórios e limitados por falta de dados sobre PROM e custo-efetividade, além de questões de generalização e transparência algorítmica. Não há informação sobre viés de publicação ou qualidade metodológica dos estudos.
Aplicação no consultório
Na prática clínica, a IA pode ser considerada como ferramenta auxiliar na estratificação prognóstica de pacientes com NSCLC, mas não substitui julgamento clínico. Para gestão do consultório, a incorporação de sistemas de IA requer validação local e atenção a custos não comprovados. A ausência de evidências sobre PROM e custo-efetividade limita a recomendação ampla. Médicos devem aguardar estudos prospectivos com desfechos centrados no paciente antes de adotar essas tecnologias rotineiramente.
Estudo citado
Artificial intelligence in NSCLC management for revolutionizing diagnosis, prognosis, and treatment optimization: A systematic review. Critical reviews in oncology/hematology, 2025.
Autores: Bonci EA, Bandura A, Dooley A, Erjan A, Gebreslase HW, Hategan M, Khanduja D, Lai E, Lescaie A, Nitescu GV, Ramalho S, Thiha A, Bertolaccini L.
DOI: 10.1016/j.critrevonc.2025.104929 · PubMed: PMID 40967442
Perguntas para aprofundar
- Quais são os principais desafios para a implementação clínica de modelos de IA no manejo do NSCLC?
- Como a heterogeneidade dos estudos de IA em NSCLC afeta a generalização dos resultados?
- Quais desfechos centrados no paciente devem ser incluídos em futuras pesquisas sobre IA em NSCLC?
Mais sobre Ética, viés e explicabilidade da IA em saúde
- Modelos de inteligência artificial são eficazes no diagnóstico e prognóstico de apendicite aguda em adultos?
- A inteligência artificial já pode ser usada na avaliação e tratamento de fraturas osteoporóticas e por fragilidade na prática clínica?
- Como a inteligência artificial e o aprendizado de máquina estão sendo aplicados ao longo da cirurgia bariátrica, e o que a evidência atual permite concluir?
- Qual é o papel atual da inteligência artificial no manejo da hiperplasia prostática benigna, segundo uma revisão sistemática?
- A inteligência artificial já pode apoiar o diagnóstico de depressão na prática clínica, e quais são os limites metodológicos e éticos?
Todas as perguntas sobre Ética, viés e explicabilidade da IA em saúde · Todos os temas · Versão em markdown