# A inteligência artificial já pode substituir o patologista na detecção do câncer de próstata e na classificação de Gleason?

> Não. A revisão sistemática mostra que a inteligência artificial ainda não substitui o patologista. Algoritmos de aprendizado de máquina têm maior acurácia em tarefas binárias do que em multiclasses, como a graduação de Gleason. A implementação clínica de algoritmo que atribua grau de Gleason a lâminas digitalizadas permanece difícil. A tecnologia pode servir como salvaguarda contra erros de diagnóstico.

Estudo citado: Frewing A, Gibson AB, Robertson R, Urie PM, Corte DD. Don't Fear the Artificial Intelligence: A Systematic Review of Machine Learning for Prostate Cancer Detection in Pathology. Archives of pathology & laboratory medicine. 2024. DOI: https://doi.org/10.5858/arpa.2022-0460-RA. PubMed: https://pubmed.ncbi.nlm.nih.gov/37594900/

## Resposta

A revisão sistemática analisou o desenvolvimento de algoritmos de aprendizado de máquina para detecção de câncer de próstata e classificação de Gleason em patologia. Os autores buscaram na literatura estudos que relatassem acurácia, área sob a curva (AUC) ou valores de κ, e sumarizaram os resultados visualmente para mostrar tendências de acurácia entre diferentes habilidades de classificação.

Os achados indicam que é mais difícil alcançar métricas elevadas de acurácia em tarefas de multiclassificação do que em tarefas binárias. Ou seja, os algoritmos têm melhor desempenho quando precisam apenas distinguir câncer de tecido não neoplásico, mas encontram mais dificuldade para atribuir corretamente o grau de Gleason, que envolve múltiplas categorias.

A implementação clínica de um algoritmo capaz de atribuir grau de Gleason a imagens de lâminas inteiras digitalizadas (WSIs) permanece elusiva. Isso significa que, apesar do avanço tecnológico, ainda não há uma ferramenta validada e disponível para uso rotineiro nessa tarefa específica.

Os autores concluem que a tecnologia de aprendizado de máquina atualmente não é capaz de substituir os patologistas. No entanto, ela pode servir como uma importante salvaguarda contra erros de diagnóstico, atuando como uma segunda opinião ou sistema de alerta para casos duvidosos.

A revisão também discute os desafios para a aplicação clínica desses algoritmos, mas não detalha quais são esses desafios no resumo. O texto reforça que a substituição dos patologistas por algoritmos é uma especulação, e não uma realidade presente.

## O que o estudo mostrou

Trata-se de uma revisão sistemática que avaliou algoritmos de aprendizado de máquina para detecção de câncer de próstata e classificação de Gleason. Os estudos foram categorizados em métodos de classificação binária ou multiclasse, e dados de acurácia, AUC ou κ foram extraídos. Os resultados mostraram que tarefas de multiclassificação apresentam maior dificuldade para atingir alta acurácia em comparação às binárias. A implementação clínica de um algoritmo que atribua grau de Gleason a lâminas inteiras digitalizadas ainda não foi alcançada. A tecnologia não substitui o patologista, mas pode auxiliar como salvaguarda contra erros de diagnóstico.

## Limitações

O resumo não informa o número de estudos incluídos, a qualidade metodológica dos mesmos, nem os valores exatos de acurácia, AUC ou κ encontrados. Também não detalha as limitações específicas dos algoritmos avaliados ou dos conjuntos de dados utilizados. Portanto, não é possível generalizar os resultados para todos os contextos clínicos ou para diferentes populações de pacientes.

## Aplicação no consultório

Para o patologista e para a gestão do consultório, a revisão reforça que a inteligência artificial não deve ser vista como substituta do diagnóstico humano, mas como ferramenta auxiliar. Investir em sistemas de apoio à decisão pode ajudar a reduzir erros de diagnóstico, especialmente em tarefas binárias. No entanto, a implementação de algoritmos para graduação de Gleason ainda não está pronta para a rotina. O médico deve manter o julgamento clínico e considerar a tecnologia como uma segunda opinião, não como fonte única de decisão.

## Perguntas para aprofundar

- Qual é o desempenho atual dos algoritmos de aprendizado de máquina na classificação binária de câncer de próstata em patologia digital?
- Quais são os principais desafios para a implementação clínica de algoritmos de aprendizado de máquina na graduação de Gleason?
- Como a inteligência artificial pode auxiliar o patologista a evitar erros de diagnóstico no câncer de próstata?

Tema: IA em patologia digital. Página: https://alphadoctor.com.br/ciencia/ia-patologia-digital/a-inteligencia-artificial-ja-pode-substituir-o-patologista-na-deteccao-do/

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