IA em patologia digital

A inteligência artificial aplicada à ultrassonografia endoscópica melhora o diagnóstico de lesões subepiteliais gastrointestinais?

Resposta

A ultrassonografia endoscópica (EUS) é o método mais comum para diagnosticar lesões subepiteliais gastrointestinais (SELs), porém frequentemente necessita de confirmação histopatológica por métodos invasivos. A inteligência artificial (IA) tem avançado no diagnóstico por imagem, e esta revisão sistemática com meta-análise avaliou o desempenho da EUS assistida por IA no diagnóstico de SELs.

Foram incluídos oito estudos de 380 potencialmente relevantes. A sensibilidade combinada da EUS auxiliada por IA foi de 0,92 (IC 95%, 0,85-0,96), a especificidade de 0,80 (IC 95%, 0,70-0,87) e a razão de chances diagnóstica (DOR) de 46,27 (IC 95%, 19,36-110,59). A área sob a curva (AUC) foi de 0,92 (IC 95%, 0,90-0,94), indicando excelente desempenho diagnóstico.

Na diferenciação entre GIST e leiomioma, o modelo de IA apresentou AUC combinada de 0,95, sensibilidade de 0,93, especificidade de 0,88, razão de verossimilhança positiva (PLR) de 8,04 e negativa (NLR) de 0,08. O modelo de rede neural convolucional (CNN) mostrou sensibilidade de 0,93, especificidade de 0,81 e AUC de 0,94. A EUS auxiliada por IA usando imagens de modo B convencional teve sensibilidade de 0,92, especificidade de 0,79 e AUC de 0,92. A análise baseada em pacientes apresentou sensibilidade de 0,95, especificidade de 0,83 e AUC de 0,96.

A IA auxiliando a EUS foi superior aos especialistas em sensibilidade (0,93 vs. 0,71), especificidade (0,81 vs. 0,69) e AUC (0,94 vs. 0,75). Os autores concluem que a EUS assistida por IA é um método promissor e confiável para distinguir SELs, com excelente desempenho diagnóstico, e que mais estudos multicêntricos e prospectivos são esperados para desenvolver sistemas de diagnóstico em tempo real e validar a superioridade dos sistemas de IA.

O que o estudo mostrou

Revisão sistemática e meta-análise de oito estudos (de 380 identificados) que avaliou a EUS assistida por IA no diagnóstico de lesões subepiteliais gastrointestinais. A sensibilidade combinada foi 0,92, especificidade 0,80, DOR 46,27 e AUC 0,92. Para diferenciar GIST de leiomioma, a AUC foi 0,95. O modelo CNN teve AUC 0,94. A IA foi superior aos especialistas em sensibilidade (0,93 vs. 0,71), especificidade (0,81 vs. 0,69) e AUC (0,94 vs. 0,75).

Limitações

O resumo não informa as limitações dos estudos incluídos, como heterogeneidade, risco de viés ou características das amostras. Também não detalha o desenho dos estudos primários (retrospectivos ou prospectivos) nem a população exata. Os resultados são baseados em oito estudos, e os autores destacam a necessidade de mais estudos multicêntricos e prospectivos para validar a superioridade da IA e desenvolver sistemas em tempo real.

Aplicação no consultório

Os achados sugerem que a EUS assistida por IA pode aumentar a acurácia diagnóstica de lesões subepiteliais, auxiliando o gastroenterologista na diferenciação entre GIST e leiomioma e potencialmente reduzindo a necessidade de métodos invasivos. Na prática, isso pode agilizar a tomada de decisão e o encaminhamento cirúrgico. Para o consultório, implica considerar a incorporação de ferramentas de IA em serviços de endoscopia, com treinamento da equipe e avaliação de custo-benefício, além de acompanhar novas evidências antes de mudar protocolos.

Estudo citado

Application of artificial intelligence in the diagnosis of subepithelial lesions using endoscopic ultrasonography: a systematic review and meta-analysis. Frontiers in oncology, 2022.
Autores: Liu XY, Song W, Mao T, Zhang Q, Zhang C, Li XY.
DOI: 10.3389/fonc.2022.915481 · PubMed: PMID 36046054

Perguntas para aprofundar

• Qual o desempenho da IA na diferenciação entre GIST e leiomioma à ultrassonografia endoscópica?
• A IA supera especialistas na interpretação de imagens de EUS para lesões subepiteliais?
• Quais são as limitações dos estudos sobre IA aplicada à EUS no diagnóstico de SELs?

Mais sobre IA em patologia digital

• A inteligência artificial assistida na ultrassonografia endoscópica melhora a detecção e diferenciação de lesões pancreáticas ocupantes de espaço em comparação com a ultrassonografia endoscópica convencional?
• A inteligência artificial é precisa para diagnosticar esteatose hepática em exames de imagem e qual o impacto clínico?
• O aprendizado profundo é confiável para o diagnóstico precoce do câncer de pâncreas em comparação com a histopatologia?
• Modelos de aprendizado profundo são precisos para graduação histopatológica automática de meningiomas?
• Modelos de inteligência artificial baseados em radiômica conseguem predizer o índice Ki-67 em meningiomas com boa acurácia?

Todas as perguntas sobre IA em patologia digital · Todos os temas · Versão em markdown