# A acurácia diagnóstica de modelos de aprendizado profundo em imagens médicas é equivalente à de profissionais de saúde?

> Segundo esta revisão sistemática com meta-análise, a acurácia diagnóstica de modelos de aprendizado profundo foi equivalente à de profissionais de saúde. Porém, poucos estudos fizeram validação externa ou compararam modelos e profissionais na mesma amostra, e a qualidade dos relatos é limitada, o que restringe a confiança nos resultados.

Estudo citado: Liu X, Faes L, Kale AU, Wagner SK, Fu DJ, Bruynseels A et al.. A comparison of deep learning performance against health-care professionals in detecting diseases from medical imaging: a systematic review and meta-analysis. The Lancet. Digital health. 2019. DOI: https://doi.org/10.1016/S2589-7500(19)30123-2. PubMed: https://pubmed.ncbi.nlm.nih.gov/33323251/

## Resposta

A revisão sistemática e meta-análise comparou o desempenho diagnóstico de algoritmos de aprendizado profundo com o de profissionais de saúde na classificação de doenças a partir de imagens médicas. Foram incluídos 82 estudos, descrevendo 147 coortes de pacientes, publicados entre 2012 e 2019. A sensibilidade dos modelos variou de 9·7% a 100·0% (média 79·1%) e a especificidade de 38·9% a 100·0% (média 88·3%).

Na meta-análise restrita a 14 estudos que compararam modelos e profissionais na mesma amostra e que realizaram validação externa fora da amostra, a sensibilidade agrupada foi de 87·0% (IC 95% 83·0-90·2) para os modelos de aprendizado profundo e 86·4% (IC 95% 79·9-91·0) para os profissionais de saúde. A especificidade agrupada foi de 92·5% (IC 95% 85·1-96·4) para os modelos e 90·5% (IC 95% 80·6-95·7) para os profissionais.

Os autores concluem que o desempenho diagnóstico dos modelos de aprendizado profundo foi equivalente ao dos profissionais de saúde. No entanto, destacam que poucos estudos apresentaram resultados com validação externa ou compararam modelos e profissionais usando a mesma amostra, o que limita a generalização dos achados.

Além disso, a revisão aponta que a má qualidade dos relatos é prevalente nos estudos de aprendizado profundo, o que limita a interpretação confiável da acurácia diagnóstica relatada. Novos padrões de relato que abordem os desafios específicos do aprendizado profundo poderiam melhorar estudos futuros e aumentar a confiança nos resultados.

Para o médico, esses achados sugerem que a tecnologia tem potencial, mas ainda são necessárias evidências mais robustas, com validação externa e comparação direta em amostras clínicas, antes de incorporá-la rotineiramente. O resumo não informa a população específica, os tipos de imagem ou as doenças incluídas.

## O que o estudo mostrou

Revisão sistemática e meta-análise que identificou 31 587 estudos, dos quais 82 (147 coortes) foram incluídos. Em 69 estudos, a sensibilidade variou de 9·7% a 100·0% (média 79·1%) e a especificidade de 38·9% a 100·0% (média 88·3%). Na meta-análise de 14 estudos com validação externa e comparação na mesma amostra, a sensibilidade agrupada foi 87·0% para modelos e 86·4% para profissionais; a especificidade foi 92·5% e 90·5%, respectivamente.

## Limitações

O resumo não informa o número total de pacientes ou imagens incluídas. Poucos estudos realizaram validação externa ou compararam modelos e profissionais na mesma amostra. A qualidade dos relatos é limitada, o que compromete a interpretação da acurácia. O resumo não detalha as doenças, modalidades de imagem ou características das populações estudadas.

## Aplicação no consultório

Os achados indicam que a acurácia de modelos de aprendizado profundo pode ser equivalente à de profissionais, mas a evidência ainda é limitada por falhas metodológicas e de relato. Na prática clínica, isso sugere cautela antes de adotar essas ferramentas como substitutas do julgamento médico. Para a gestão do consultório, investir em tecnologias com validação externa robusta e comparação direta com especialistas é essencial para garantir segurança e qualidade no atendimento.

## Perguntas para aprofundar

- Quais são as limitações metodológicas dos estudos que comparam aprendizado profundo e profissionais de saúde em imagens médicas?
- Como a validação externa influencia a confiança nos resultados de modelos de aprendizado profundo para diagnóstico?
- Quais padrões de relato poderiam melhorar a qualidade das pesquisas em aprendizado profundo na medicina?

Tema: IA em diagnóstico por imagem e radiologia. Página: https://alphadoctor.com.br/ciencia/ia-radiologia/a-acuracia-diagnostica-de-modelos-de-aprendizado-profundo-em-imagens-medicas-e/

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