Algoritmos de inteligência artificial baseados em patologia digital já podem prever alterações moleculares no câncer de próstata na prática clínica?
Resposta curta: A revisão sistemática indica que os algoritmos de inteligência artificial baseados em imagens conseguem prever alterações moleculares no câncer de próstata, com área sob a curva média de 0,78 entre os nove algoritmos avaliados. Ainda assim, permanecem em fase de desenvolvimento, pois faltam dados de imagem com teste molecular e validação externa adequada.
Resposta
A revisão sistemática avaliou o avanço de algoritmos de inteligência artificial baseados em imagens de patologia para prever alterações moleculares no câncer de próstata. O ponto de partida é a relevância clínica das deficiências de reparo homólogo e de reparo de incompatibilidade, alvos de inibidores de poli ADP-ribose e de inibição de checkpoint imune no cenário metastático.
Os autores destacam que o diagnóstico molecular é pouco usado no câncer de próstata por ser complexo e caro, somado à baixa incidência das alterações moleculares relevantes. Diante disso, algoritmos de inteligência artificial baseados em imagens foram desenvolvidos para prever alterações moleculares a partir de lâminas de hematoxilina e eosina, indo além da detecção visual do patologista.
Após triagem de 4121 artigos, 20 foram identificados e avaliados pelos critérios QUADAS-2. Nove algoritmos voltados a alterações moleculares específicas alcançaram área sob a curva média de 0,78, com variação de 0,67 a 0,91. Quando o foco foram as alterações molecularmente relevantes, os algoritmos para BRCA, deficiência de reparo homólogo e deficiência de reparo de incompatibilidade atingiram área sob a curva de 0,79, 0,84 e 0,72 na validação interna, respectivamente.
A revisão conclui que esses algoritmos podem funcionar como ferramenta de pré-triagem do diagnóstico molecular, sobretudo com o deslocamento recente para alterações molecularmente mais relevantes. Contudo, os algoritmos permanecem em estágio de desenvolvimento, em razão da disponibilidade limitada de dados de patologia com teste molecular necessários para validação externa adequada.
Para o médico, o recado é de cautela e acompanhamento: trata-se de tecnologia promissora como apoio à seleção de casos para teste molecular, mas ainda não validada de forma externa suficiente para substituir o diagnóstico molecular estabelecido.
O que o estudo mostrou
Trata-se de revisão sistemática que triou 4121 artigos e identificou 20, avaliados pelos critérios QUADAS-2. Nove algoritmos voltados a alterações moleculares específicas alcançaram área sob a curva média de 0,78 (variação de 0,67 a 0,91). Para BRCA, deficiência de reparo homólogo e deficiência de reparo de incompatibilidade, a área sob a curva na validação interna foi de 0,79, 0,84 e 0,72, respectivamente. A maioria dos estudos (17/20) usou The Cancer Genome Atlas, e apenas cinco realizaram validação externa.
Limitações
O resumo informa que a falta de dados de imagem com teste molecular levou a maioria dos estudos a usar The Cancer Genome Atlas, e apenas cinco realizaram validação externa. Os algoritmos permanecem em estágio de desenvolvimento. O resumo não detalha amostras por estudo nem outras limitações metodológicas específicas.
Aplicação no consultório
A previsão por inteligência artificial pode, no futuro, apoiar a pré-triagem de pacientes candidatos a teste molecular, o que ajudaria a racionalizar custos e complexidade do diagnóstico molecular no consultório. No entanto, como a validação externa é limitada, a conduta atual deve seguir o diagnóstico molecular estabelecido, e a ferramenta deve ser vista como promissora, mas ainda não pronta para decisões clínicas rotineiras.
Estudo citado
AI-based prediction of molecular aberrations in prostate cancer using digital pathology: A systematic review. Critical reviews in oncology/hematology, 2026.
Autores: van Hees JE, Vlaming M, Flach RN, Stathonikos N, Suelmann BBM, Meijer RP, Willemse PM, van Diest PJ.
DOI: 10.1016/j.critrevonc.2025.105011 · PubMed: PMID 41223979
Perguntas para aprofundar
- Como os algoritmos de inteligência artificial em patologia digital podem apoiar a seleção de pacientes para teste molecular no câncer de próstata?
- Qual é o desempenho dos algoritmos que predizem BRCA, deficiência de reparo homólogo e deficiência de reparo de incompatibilidade no câncer de próstata?
- Por que a validação externa limitada impede o uso clínico rotineiro desses algoritmos de inteligência artificial?
Mais sobre IA em patologia digital
- Algoritmos de inteligência artificial podem ser usados com confiança para o diagnóstico de câncer de próstata na prática patológica?
- A inteligência artificial já pode substituir o patologista na detecção do câncer de próstata e na classificação de Gleason?
- Como a inteligência artificial está sendo aplicada na patologia oncológica e quais são as perspectivas futuras?
- A inteligência artificial é confiável para auxiliar na avaliação imuno-histoquímica do HER2 no câncer de mama?
- A aplicação de imagem digital e inteligência artificial na patologia da placenta pode melhorar o reconhecimento de características prognósticas e reduzir a variabilidade interobservador?
Todas as perguntas sobre IA em patologia digital · Todos os temas · Versão em markdown