Modelos baseados em redes neurais convolucionais têm acurácia aceitável para detectar pólipos colorretais e câncer colorretal?
Resposta curta: Sim. A meta-análise mostrou que modelos de redes neurais convolucionais apresentam sensibilidade e especificidade que variam de 84,7% a 91,6% e de 86,0% a 93,8% para pólipos colorretais, e de 93,2% a 94,1% e de 94,6% a 97,7% para câncer colorretal, com acurácia global aceitável.
Resposta
A revisão sistemática e meta-análise reuniu 24 estudos primários para avaliar o desempenho de modelos de redes neurais convolucionais na detecção ou classificação de pólipos colorretais e câncer colorretal. A busca sistemática foi realizada em MEDLINE, SCOPUS, Web of Science e outras bases relacionadas, partindo de 3368 registros.
Para pólipos colorretais, a sensibilidade variou de 84,7% a 91,6% e a especificidade de 86,0% a 93,8%, considerando os cenários de pior e melhor acurácia. As razões de verossimilhança positiva e negativa ficaram entre 6,2 e 14,5 e entre 0,09 e 0,17, respectivamente. A odds ratio diagnóstica e as medidas de acurácia variaram de 36% a 162% e de 80,5% a 88,6%, e a área sob a curva ROC ficou entre 0,92 e 0,97.
Para câncer colorretal, a sensibilidade variou de 93,2% a 94,1% e a especificidade de 94,6% a 97,7%. As razões de verossimilhança positiva e negativa ficaram entre 17,1 e 41,2 e entre 0,07 e 0,06. A odds ratio diagnóstica e as medidas de acurácia variaram de 239,63% a 677,47% e de 88,2% a 96,4%, e a área sob a curva ROC entre 0,98 e 0,99.
Os autores concluíram que modelos baseados em redes neurais convolucionais mostraram acurácia aceitável na detecção de pólipos colorretais e câncer colorretal. O resumo não detalha características específicas dos estudos incluídos, como população ou ambiente clínico, nem informa limitações metodológicas.
A aplicação clínica desses achados sugere que a tecnologia pode auxiliar na detecção e classificação de lesões colorretais, mas a implementação requer validação local e consideração das limitações inerentes aos dados agregados.
O que o estudo mostrou
Revisão sistemática e meta-análise que incluiu 24 estudos primários, selecionados a partir de 3368 registros buscados em MEDLINE, SCOPUS, Web of Science e outras bases. Modelos de redes neurais convolucionais apresentaram, para pólipos colorretais, sensibilidade de 84,7% a 91,6% e especificidade de 86,0% a 93,8%; para câncer colorretal, sensibilidade de 93,2% a 94,1% e especificidade de 94,6% a 97,7%. A área sob a curva ROC variou de 0,92 a 0,97 para pólipos e de 0,98 a 0,99 para câncer. Os autores concluíram que a acurácia é aceitável.
Limitações
O resumo não informa as limitações do estudo, como heterogeneidade entre os estudos incluídos, qualidade metodológica, risco de viés ou características das populações e dos ambientes clínicos. Também não detalha os critérios de inclusão dos estudos primários nem possíveis fontes de variabilidade nos resultados.
Aplicação no consultório
Os achados podem orientar o médico na avaliação de tecnologias de apoio à detecção de lesões colorretais, considerando a acurácia relatada. Na gestão do consultório, é importante ponderar a incorporação dessas ferramentas com base em validação local e nos fluxos de atendimento, sem substituir o julgamento clínico. O resumo não fornece dados sobre custo-efetividade ou impacto na prática, o que limita decisões imediatas de implementação.
Estudo citado
A Systematic Review and Meta-analysis of Convolutional Neural Network in the Diagnosis of Colorectal Polyps and Cancer. The Turkish journal of gastroenterology : the official journal of Turkish Society of Gastroenterology, 2023.
Autores: Keshtkar K, Safarpour AR, Heshmat R, Sotoudehmanesh R, Keshtkar A.
DOI: 10.5152/tjg.2023.22491 · PubMed: PMID 37681266
Perguntas para aprofundar
- Qual é o desempenho de modelos de redes neurais convolucionais na detecção de pólipos colorretais em comparação com endoscopistas?
- Como a acurácia dos modelos de redes neurais convolucionais varia entre diferentes cenários clínicos?
- Quais são as limitações metodológicas dos estudos que avaliam redes neurais convolucionais na detecção de lesões colorretais?
Mais sobre IA em oncologia
- A inteligência artificial baseada em redes neurais convolucionais é precisa para diagnosticar câncer esofágico precoce em imagens endoscópicas?
- Assinaturas do microbioma intestinal para câncer colorretal são universais entre faixas etárias e métodos de sequenciamento?
- Qual é a acurácia diagnóstica da inteligência artificial no rastreamento do câncer de endométrio?
- Qual é a acurácia da inteligência artificial na detecção de metástases ósseas tumorais em exames de imagem?
- Modelos de machine learning com características multimodais são acurados para prever pneumonite actínica em câncer de pulmão?
Todas as perguntas sobre IA em oncologia · Todos os temas · Versão em markdown