Ética, viés e explicabilidade da IA em saúde

Algoritmos de deep learning têm acurácia comparável à de especialistas para detectar fraturas de punho em radiografias simples?

Resposta

A revisão sistemática com meta-análise reuniu estudos que avaliaram a acurácia diagnóstica de algoritmos de deep learning, especificamente redes neurais convolucionais, na detecção de fraturas de punho em radiografias simples. O padrão de referência mínimo adotado foi o consenso de especialistas em saúde, e a busca abrangeu bases como Embase, Medline, PubMed, Scopus e Web of Science, no período de 1 Jan 2012 a 9 March 2023.

Foram incluídos 6 estudos únicos na meta-análise, totalizando 33,026 radiografias. O desempenho das redes neurais convolucionais, comparado aos padrões de referência dos artigos incluídos, resultou em sensibilidade resumida de 92% (95% CI: 80%-97%) e especificidade resumida de 93% (95% CI: 76%-98%). A estatística I-squared bivariada generalizada indicou heterogeneidade considerável entre os estudos (81.90%).

A conclusão dos autores é que a acurácia diagnóstica das redes neurais convolucionais foi comparável à de especialistas em saúde na avaliação de radiografias de punho para investigação de fraturas de punho. O estudo foi registrado no PROSPERO com ID CRD42023431398, e os estudos foram avaliados com uma versão modificada da ferramenta QUADAS-2.

Os autores apontam a necessidade de estudos com padrão de referência robusto, validação em conjuntos de dados externos e investigação do desempenho diagnóstico de especialistas em saúde auxiliados por redes neurais convolucionais. A relevância clínica declarada é que o deep learning acompanha os especialistas em saúde no diagnóstico de fraturas de punho, o que potencialmente beneficia o diagnóstico do paciente.

Para o médico, o achado sugere que essas ferramentas podem apoiar a triagem e a leitura de radiografias de punho, mas a heterogeneidade elevada e as preocupações de risco de viés limitam a extrapolação direta para qualquer serviço. O resumo não informa dados sobre custo, fluxo de trabalho ou impacto clínico da implementação.

O que o estudo mostrou

Trata-se de revisão sistemática com meta-análise de acurácia diagnóstica, com busca em Embase, Medline, PubMed, Scopus e Web of Science de 1 Jan 2012 a 9 March 2023. Foram incluídos 6 estudos únicos, com 33,026 radiografias. Redes neurais convolucionais mostraram sensibilidade resumida de 92% (95% CI: 80%-97%) e especificidade resumida de 93% (95% CI: 76%-98%), com heterogeneidade considerável (81.90%). Quatro estudos tinham um ou mais domínios com alto risco de viés e dois tinham preocupações quanto à aplicabilidade.

Limitações

O resumo relata heterogeneidade considerável entre os estudos (81.90%), alto risco de viés em quatro estudos e preocupações de aplicabilidade em dois. O padrão de referência foi o consenso de especialistas em saúde, e os autores pedem padrão de referência robusto e validação em conjuntos de dados externos. O resumo não informa detalhes sobre características dos pacientes ou dos serviços incluídos.

Aplicação no consultório

O médico pode considerar o deep learning como apoio à leitura de radiografias de punho, sem substituir o julgamento clínico, dado que a acurácia foi comparável à de especialistas. Na gestão do consultório, isso pode orientar decisões sobre incorporação de ferramentas de triagem e sobre a necessidade de validação local antes de adotá-las. O resumo não informa custos, tempo de laudo ou impacto no fluxo de atendimento, o que deve ser avaliado antes de qualquer mudança de processo.

Estudo citado

Deep learning performance compared to healthcare experts in detecting wrist fractures from radiographs: A systematic review and meta-analysis. European journal of radiology, 2024.
Autores: Hansen V, Jensen J, Kusk MW, Gerke O, Tromborg HB, Lysdahlgaard S.
DOI: 10.1016/j.ejrad.2024.111399 · PubMed: PMID 38428318

Perguntas para aprofundar

• Qual é o risco de viés dos estudos que comparam deep learning e especialistas na detecção de fraturas de punho?
• Como a heterogeneidade entre estudos afeta a confiança na acurácia das redes neurais convolucionais para fraturas de punho?
• Qual o desempenho diagnóstico de especialistas auxiliados por redes neurais convolucionais na avaliação de radiografias de punho?

Mais sobre Ética, viés e explicabilidade da IA em saúde

• Modelos de deep learning são tão precisos quanto especialistas humanos no diagnóstico clínico do câncer oral?
• Qual é a acurácia diagnóstica do aprendizado profundo na predição de osteoporose?
• Modelos de aprendizado profundo são precisos para detectar micro-hemorragias cerebrais em exames de ressonância magnética?
• A deep learning aplicada à TC sem contraste tem acurácia suficiente para detectar AVC isquêmico agudo em nível de paciente?
• Qual é a acurácia da inteligência artificial na previsão de extrações dentárias no planejamento ortodôntico?

Todas as perguntas sobre Ética, viés e explicabilidade da IA em saúde · Todos os temas · Versão em markdown