# A inteligência artificial é eficaz na detecção e classificação da leucemia em imagens de esfregaço de sangue periférico?

> Sim, segundo uma revisão sistemática com meta-análise que incluiu 190 estudos, os algoritmos de aprendizado de máquina apresentaram acurácia média de validação de 95,38% na detecção e classificação da leucemia. Técnicas modernas, especialmente redes neurais convolucionais, foram as mais usadas. No entanto, a maioria dos estudos utilizou apenas validação interna, limitando a generalização dos resultados.

Estudo citado: Aria M, Javanmard Z, Pishdad D, Jannesari V, Keshvari M, Arastonejad M et al.. Towards Diagnostic Intelligent Systems in Leukemia Detection and Classification: A Systematic Review and Meta-analysis. Journal of evidence-based medicine. 2025. DOI: https://doi.org/10.1111/jebm.70005. PubMed: https://pubmed.ncbi.nlm.nih.gov/40013326/

## Resposta

A leucemia é um câncer que se origina na medula óssea e leva ao aumento de glóbulos brancos anormais. O diagnóstico precoce é crucial, e a automação com inteligência artificial (IA) e aprendizado de máquina (ML) pode auxiliar nesse processo. Uma revisão sistemática com meta-análise publicada no Journal of Evidence-Based Medicine avaliou o desempenho dessas abordagens na detecção e classificação da leucemia a partir de imagens de esfregaço de sangue periférico.

Os autores realizaram uma busca sistemática em quatro bases de dados (Web of Science, PubMed, Scopus e IEEE Xplore) de janeiro de 2015 a março de 2023. Foram incluídos artigos originais e trabalhos de conferência que usaram algoritmos de ML para detecção e classificação de leucemia. A qualidade dos estudos foi avaliada com a ferramenta Qiao Quality Assessment. De 1325 artigos identificados, 190 foram elegíveis para a revisão.

Os resultados mostraram que a acurácia média de validação dos métodos de ML foi de 95,38%. As técnicas modernas foram as mais utilizadas (60,53% dos estudos), com predominância do aprendizado supervisionado (79%). As metodologias comuns incluíram pré-processamento, extração de características, seleção de características e classificação. Redes neurais convolucionais destacaram-se entre os algoritmos modernos. A maioria dos estudos (87%) utilizou validação interna, principalmente validação cruzada k-fold e divisão treino/teste.

A conclusão dos autores é que os algoritmos de IA são amplamente usados na detecção e classificação da leucemia com desempenho notável. No entanto, ressaltam que estudos futuros devem priorizar a validação externa rigorosa para avaliar a generalização dos modelos. O resumo não informa detalhes sobre a heterogeneidade entre os estudos ou possíveis vieses de publicação.

Para o médico, esses achados indicam que a IA pode ser uma ferramenta promissora no apoio ao diagnóstico de leucemia, mas a implementação clínica requer cautela devido à falta de validação externa. A aplicação no consultório ainda é incipiente e depende de mais evidências robustas.

## O que o estudo mostrou

Revisão sistemática com meta-análise que incluiu 190 estudos originais e de conferência publicados entre janeiro de 2015 e março de 2023, identificados em quatro bases de dados. A acurácia média de validação dos métodos de aprendizado de máquina foi de 95,38%. Técnicas modernas foram usadas em 60,53% dos estudos, com predomínio de aprendizado supervisionado (79%). Redes neurais convolucionais foram os algoritmos modernos mais empregados. A maioria dos estudos (87%) utilizou validação interna, principalmente validação cruzada k-fold e divisão treino/teste.

## Limitações

O resumo não informa detalhes sobre a heterogeneidade entre os estudos, possíveis vieses de publicação ou a qualidade metodológica individual. A predominância de validação interna (87%) limita a generalização dos resultados. O resumo também não descreve as características das amostras ou dos conjuntos de dados utilizados, nem se os estudos incluíram diferentes subtipos de leucemia ou faixas etárias.

## Aplicação no consultório

Os achados sugerem que sistemas de IA podem auxiliar na triagem e classificação de leucemia, mas a implementação clínica exige cautela devido à falta de validação externa. No consultório, o médico deve considerar que a tecnologia ainda não substitui a avaliação clínica e laboratorial padrão. Para gestão, investimentos em ferramentas de IA devem aguardar evidências mais robustas de generalização. A educação continuada sobre essas tecnologias pode preparar a equipe para futuras integrações.

## Perguntas para aprofundar

- Qual é o desempenho de algoritmos de aprendizado profundo na classificação de subtipos de leucemia?
- Como a validação externa de modelos de IA para leucemia pode ser realizada em diferentes populações?
- Quais são os desafios para implementar sistemas de diagnóstico por IA na prática clínica brasileira?

Tema: IA em oncologia. Página: https://alphadoctor.com.br/ciencia/ia-oncologia/a-inteligencia-artificial-e-eficaz-na-deteccao-e-classificacao-da-leucemia-em/

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