# Modelos de aprendizado de máquina e aprendizado profundo são acurados para prever metástase linfonodal no câncer colorretal T1?

> Uma revisão sistemática com meta-análise de sete estudos retrospectivos, incluindo 33.199 pacientes com câncer colorretal T1, mostrou que modelos de aprendizado de máquina e profundo apresentaram sensibilidade de 0,944 e especificidade de 0,877 para prever metástase linfonodal. A heterogeneidade entre os estudos foi significativa, e os autores recomendam algoritmos mais confiáveis antes da aplicação clínica.

Estudo citado: Cheong C, Kim NW, Lee HS, Kang J. Application of machine learning for predicting lymph node metastasis in T1 colorectal cancer: a systematic review and meta-analysis. Langenbeck's archives of surgery. 2024. DOI: https://doi.org/10.1007/s00423-024-03476-9. PubMed: https://pubmed.ncbi.nlm.nih.gov/39311932/

## Resposta

A predição de metástase linfonodal em pacientes com câncer colorretal T1 é relevante para a decisão sobre cirurgia radical, e as diretrizes cirúrgicas atuais têm limitações. Nesse contexto, modelos baseados em aprendizado de máquina e aprendizado profundo foram avaliados como ferramentas diagnósticas para estimar esse risco antes da cirurgia.

A revisão sistemática e meta-análise reuniu sete estudos retrospectivos, totalizando 33.199 pacientes com câncer colorretal T1. A metástase linfonodal foi observada em 3.173 pacientes, o que corresponde a 9,6% da amostra. Os modelos foram comparados com achados histopatológicos, e não com aspectos radiológicos.

Os resultados agrupados indicaram sensibilidade de 0,944 e especificidade de 0,877 para a predição de metástase linfonodal. Foram utilizados seis tipos diferentes de modelos de aprendizado de máquina e profundo entre os estudos incluídos, o que contribuiu para uma heterogeneidade significativa entre as análises.

Os autores concluem que os modelos ofereceram alta sensibilidade e especificidade, sugerindo potencial como ferramentas diagnósticas. No entanto, ressaltam que algoritmos mais confiáveis precisam ser desenvolvidos para a predição de metástase linfonodal antes da cirurgia em pacientes com câncer colorretal T1.

Para o médico, o estudo indica que essas ferramentas podem apoiar a estratificação de risco, mas a heterogeneidade e a necessidade de validação adicional limitam a incorporação imediata na rotina. A decisão clínica deve considerar o contexto individual e as limitações metodológicas descritas.

## O que o estudo mostrou

Revisão sistemática e meta-análise de sete estudos retrospectivos, incluindo 33.199 pacientes com câncer colorretal T1. A metástase linfonodal foi observada em 3.173 pacientes (9,6%). Modelos de aprendizado de máquina e profundo apresentaram sensibilidade de 0,944 e especificidade de 0,877 para predição de metástase linfonodal. Seis tipos diferentes de modelos foram usados, com alta heterogeneidade entre os estudos.

## Limitações

O resumo não informa detalhes sobre o risco de viés dos estudos incluídos nem sobre a qualidade metodológica individual. A heterogeneidade significativa entre os estudos, decorrente do uso de seis tipos diferentes de modelos, limita a generalização dos resultados agrupados. O resumo também não descreve validação externa ou aplicabilidade clínica direta.

## Aplicação no consultório

Os achados sugerem que modelos de aprendizado de máquina e profundo podem auxiliar na estimativa de risco de metástase linfonodal em câncer colorretal T1, mas a heterogeneidade e a ausência de algoritmos validados impedem uso rotineiro. Na prática, o médico deve manter a avaliação histopatológica e as diretrizes como base da decisão cirúrgica, acompanhando a evolução dessas ferramentas antes de incorporá-las ao fluxo de atendimento.

## Perguntas para aprofundar

- Qual é o desempenho diagnóstico dos modelos de aprendizado de máquina para metástase linfonodal em câncer colorretal T1?
- Quais fatores explicam a heterogeneidade entre os estudos de aprendizado de máquina na predição de metástase linfonodal?
- Como validar algoritmos de aprendizado de máquina antes de aplicá-los na decisão cirúrgica do câncer colorretal T1?

Tema: IA em patologia digital. Página: https://alphadoctor.com.br/ciencia/ia-patologia-digital/modelos-de-aprendizado-de-maquina-e-aprendizado-profundo-sao-acurados-para/

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