IA em patologia digital

Modelos de inteligência artificial são eficazes para detectar e prever o potencial maligno de lesões orais?

Resposta

Esta umbrella review reuniu revisões sistemáticas sobre o uso de inteligência artificial na avaliação do risco de malignidade de lesões orais. A pergunta central foi se os modelos de IA são eficazes para detectar e prever o potencial maligno dessas lesões, tema relevante porque o exame histopatológico, padrão de referência, consome tempo e nem sempre está acessível em locais com poucos recursos.

Os resultados apontam que modelos de IA e de aprendizado profundo, em especial redes neurais convolucionais e arquiteturas híbridas, apresentaram excelente desempenho diagnóstico para carcinoma espinocelular oral e desordens potencialmente malignas orais. Os modelos baseados em histopatologia alcançaram o melhor desempenho, com sensibilidades de até 98%, especificidades de até 95% e razões de chances diagnósticas de até 460.83.

Fotografia clínica e tomografia de coerência óptica também mostraram alta acurácia diagnóstica, com sensibilidades de aproximadamente 91% e de 88-90%, respectivamente, enquanto a imagem por autofluorescência teve desempenho comparativamente inferior. Os modelos de IA atingiram sensibilidade diagnóstica comparável à de clínicos experientes e superior à de profissionais menos experientes.

Os autores concluem que, apesar das limitações metodológicas da maioria das revisões incluídas, os modelos de IA, particularmente redes neurais convolucionais aplicadas à histopatologia e à fotografia clínica, mostram resultados iniciais promissores e potencial para se aproximar da sensibilidade de especialistas em ambientes controlados. A heterogeneidade de conjuntos de dados, modalidades de imagem e metodologias limitou comparações diretas entre os estudos.

O que o estudo mostrou

Trata-se de uma umbrella review com busca na Cochrane Library, PubMed, Scopus e Web of Science, usando os termos "artificial intelligence", "oral lesion" e "systematic review". A qualidade metodológica foi avaliada pelo checklist do Joanna Briggs Institute e pela ferramenta AMSTAR 2, com extração de dados por dois revisores independentes. Modelos de IA e aprendizado profundo, sobretudo redes neurais convolucionais e arquiteturas híbridas, mostraram excelente desempenho diagnóstico para carcinoma espinocelular oral e desordens potencialmente malignas orais, com sensibilidades de até 98%, especificidades de até 95% e razões de chances diagnósticas de até 460.83 nos modelos baseados em histopatologia.

Limitações

O resumo relata heterogeneidade em conjuntos de dados, modalidades de imagem e metodologias dos estudos, o que limitou comparações diretas. Também menciona limitações metodológicas na maioria das revisões incluídas. O resumo não informa o número de revisões incluídas nem detalhes sobre tamanhos de amostra ou desenho dos estudos primários.

Aplicação no consultório

Os achados sugerem que ferramentas de IA aplicadas a histopatologia e fotografia clínica podem apoiar a triagem e a avaliação do risco de malignidade de lesões orais, especialmente onde o acesso ao exame histopatológico é limitado. Para a gestão do consultório, isso implica considerar a incorporação criteriosa dessas tecnologias como apoio à decisão, sem substituir a avaliação clínica e o padrão histopatológico, e acompanhar a validação dos modelos antes de adotá-los na rotina.

Estudo citado

Artificial intelligence in malignant risk assessment of oral lesions: an umbrella review. BMC cancer, 2026.
Autores: Monem Moharrer S, Musaie F, Kiani K, Salighehrad M.
DOI: 10.1186/s12885-026-16666-z · PubMed: PMID 42958143

Perguntas para aprofundar

• Qual o desempenho diagnóstico das redes neurais convolucionais aplicadas à histopatologia de lesões orais?
• Como a fotografia clínica se compara à autofluorescência na detecção de lesões orais malignas por IA?
• Quais limitações metodológicas ainda impedem a comparação direta entre estudos de IA em lesões orais?

Mais sobre IA em patologia digital

• Qual é a acurácia dos sistemas assistidos por inteligência artificial na detecção do carcinoma espinocelular oral?
• Modelos de deep learning em histopatologia digital são confiáveis para detectar carcinoma de células escamosas oral?
• A inteligência artificial pode melhorar o diagnóstico precoce e o tratamento de precisão do câncer de mama?
• A segmentação automática de tumores e cistos renais por redes neurais convolucionais em imagens radiológicas já é confiável para uso clínico?
• Como a inteligência artificial está transformando a avaliação histológica no diagnóstico e tratamento personalizado do câncer?

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