Modelos de inteligência artificial baseados em radiômica conseguem predizer o índice Ki-67 em meningiomas com boa acurácia?
Resposta curta: Segundo esta revisão sistemática com meta-análise de 6 estudos, modelos de inteligência artificial baseados em radiômica mostraram desempenho promissor na predição do índice Ki-67 em meningiomas, com sensibilidade agrupada de 87,5%, especificidade de 86,9% e área sob a curva de 0,931. Os autores concluem que esses modelos podem otimizar a estratégia de tratamento.
Resposta
O índice Ki-67 é um marcador histopatológico descrito como fator relevante no comportamento biológico e no prognóstico dos meningiomas. Diversos estudos têm desenvolvido modelos de inteligência artificial (IA) para predizer o Ki-67 a partir de radiômica. Esta revisão sistemática com meta-análise reuniu a evidência disponível sobre o desempenho desses modelos, com o objetivo de sintetizar sensibilidade, especificidade e acurácia diagnóstica.
A busca foi realizada em abril de 2024 nas bases PubMed, Embase, Scopus e Web of Science, sem filtros, e os registros foram triados conforme critérios de elegibilidade. A qualidade dos estudos incluídos foi avaliada com a ferramenta QUADAS-2. A meta-análise, a análise de sensibilidade e a meta-regressão foram conduzidas em R. O estudo incluiu 6 estudos, e a média do Ki-67 variou de 2,7 ± 2,97 a 4,8 ± 40,3.
Entre os 6 estudos, 5 utilizaram métodos de aprendizado de máquina, sendo o mais frequente o operador de seleção e encolhimento absoluto mínimo (LASSO). A área sob a curva e a acurácia variaram, respectivamente, de 0,83 a 0,99 e de 0,81 a 0,95. Na síntese quantitativa, os modelos de IA apresentaram sensibilidade agrupada de 87,5% (IC 95%: 75,2%, 94,2%), especificidade de 86,9% (IC 95%: 75,8%, 93,4%) e razão de chances diagnóstica de 40,02 (IC 95%: 13,5, 156,4).
A curva ROC sumária indicou área sob a curva de 0,931 para a predição do status do índice Ki-67 em meningiomas intracranianos. Os autores concluem que os modelos de IA demonstraram desempenho promissor para predizer o índice Ki-67 em meningiomas e podem otimizar a estratégia de tratamento. Trata-se de evidência de síntese, que não substitui validação prospectiva antes da incorporação à rotina.
O que o estudo mostrou
Revisão sistemática com meta-análise de 6 estudos, com busca em abril de 2024 em PubMed, Embase, Scopus e Web of Science, sem filtros, e avaliação de qualidade pelo QUADAS-2. Cinco estudos usaram aprendizado de máquina, predominantemente o LASSO. A área sob a curva variou de 0,83 a 0,99 e a acurácia de 0,81 a 0,95. A sensibilidade agrupada foi de 87,5%, a especificidade de 86,9% e a área sob a curva sumária de 0,931.
Limitações
O resumo não informa o desenho individual dos estudos incluídos, o tamanho amostral total, a origem geográfica dos dados nem os critérios de validação dos modelos. O número de estudos incluídos é pequeno, e a heterogeneidade entre eles não é detalhada no resumo. Os resultados refletem apenas o que foi sintetizado, sem demonstrar impacto clínico prospectivo.
Aplicação no consultório
Os achados apoiam a expectativa de que modelos de IA radiômicos possam apoiar a estimativa pré-operatória do índice Ki-67 em meningiomas, auxiliando a discussão de estratégia terapêutica. Na prática, o médico deve tratar esses modelos como ferramenta complementar, não substituta da histopatologia. Para a gestão do consultório, vale acompanhar a validação externa e a disponibilidade dessas ferramentas antes de incorporá-las ao fluxo de decisão.
Estudo citado
Application of Artificial Intelligence in Prediction of Ki-67 Index in Meningiomas: A Systematic Review and Meta-Analysis. World neurosurgery, 2025.
Autores: Hajikarimloo B, Tos SM, Sabbagh Alvani M, Rafiei MA, Akbarzadeh D, ShahirEftekhar M, Akhlaghpasand M, Habibi MA.
DOI: 10.1016/j.wneu.2024.10.089 · PubMed: PMID 39481846
Perguntas para aprofundar
- Qual é o desempenho diagnóstico dos modelos de IA radiômicos para predizer o índice Ki-67 em meningiomas intracranianos?
- O método LASSO é o mais utilizado entre os modelos de IA que predizem o Ki-67 em meningiomas?
- Como a predição do índice Ki-67 por IA pode modificar a estratégia de tratamento dos meningiomas?
Mais sobre IA em patologia digital
- A inteligência artificial é precisa para diagnosticar esteatose hepática em exames de imagem e qual o impacto clínico?
- Modelos de inteligência artificial aplicados a imagens de lâminas inteiras são acurados para prever mutações de EGFR em câncer de pulmão?
- A inteligência artificial é confiável para auxiliar na avaliação imuno-histoquímica do HER2 no câncer de mama?
- Como a harmonização de imagens pode melhorar o desempenho de modelos de IA em estudos multicêntricos e multi-dispositivo?
- A inteligência artificial já permite prever quais pacientes se beneficiam de inibidores de checkpoint imune na prática clínica?
Todas as perguntas sobre IA em patologia digital · Todos os temas · Versão em markdown