A inteligência artificial é capaz de detectar cálculos urinários com precisão em exames de imagem?
Resposta curta: Sim, segundo esta revisão sistemática, redes de aprendizado de máquina alcançaram sensibilidade, especificidade e acurácia variando de 58,7% a 100%, 68,5% a 100% e 63% a 99,95%, respectivamente. A correlação entre volume manual e automatizado foi alta (r = 0,95). Porém, apenas um estudo realizou validação externa.
Resposta
A revisão sistemática teve como objetivo avaliar o desempenho da inteligência artificial (IA) na detecção de cálculos urinários. Foram incluídos doze estudos, sendo três multicêntricos e nove retrospectivos de centro único. Todos utilizaram aprendizado de máquina para detecção de cálculos renais, ureterais ou urinários em tomografia computadorizada sem contraste (NCCT), e parte deles também visava automatizar a medição do volume dos cálculos.
Os resultados mostraram que as redes treinadas alcançaram detecção com sensibilidade entre 58,7% e 100%, especificidade entre 68,5% e 100% e acurácia entre 63% e 99,95%. A pontuação Dice para detecção variou de 83% a 97%, e houve alta correlação entre o volume manual e o automatizado (r = 0,95). A diferenciação entre cálculos ureterais distais e flebólitos mostrou-se viável em alguns estudos.
A avaliação de risco de viés mostrou que apenas um estudo apresentou alto risco, e a maioria completou pelo menos 50% dos itens do checklist CLAIM. No entanto, a validação externa foi realizada em apenas um estudo, o que limita a generalização dos achados. Além disso, a maioria dos estudos era retrospectiva e de centro único, e poucos abordaram a distinção de calcificações vasculares.
Os autores concluem que a IA pode automatizar a detecção de cálculos urinários em NCCT, mas destacam a necessidade de mais estudos com validação externa, que incluam a distinção de flebólitos e casos de anormalidades anatômicas e corpos estranhos urológicos, como cateteres ureterais e tubos de nefrostomia.
Para o médico, esses achados indicam que ferramentas de IA podem auxiliar na identificação e mensuração de cálculos, mas ainda carecem de validação robusta antes da incorporação na prática clínica rotineira. A aplicação clínica deve considerar as limitações metodológicas e a necessidade de supervisão especializada.
O que o estudo mostrou
Revisão sistemática com registro PROSPERO (CRD473152) que selecionou doze estudos originais sobre detecção ou mensuração de cálculos por IA. Três eram multicêntricos e nove retrospectivos de centro único. Todos visavam detectar cálculos renais (5/12), ureterais (2/12) ou urinários (5/12) em tomografia sem contraste; 42% também objetivavam automatizar a medição. As redes alcançaram sensibilidade de 58,7% a 100%, especificidade de 68,5% a 100% e acurácia de 63% a 99,95%. A pontuação Dice variou de 83% a 97%, e a correlação entre volume manual e automatizado foi r = 0,95. A distinção entre cálculos ureterais distais e flebólitos pareceu viável.
Limitações
O resumo não informa o número total de pacientes ou exames incluídos. A maioria dos estudos era retrospectiva e de centro único, e apenas um realizou validação externa. A distinção de flebólitos e calcificações vasculares foi abordada em poucos estudos. Não há informações sobre heterogeneidade entre os estudos ou meta-análise. Os resultados podem não ser generalizáveis para diferentes populações e equipamentos.
Aplicação no consultório
Os achados sugerem que a IA pode, no futuro, auxiliar na detecção e mensuração automatizada de cálculos em tomografia, potencialmente agilizando laudos e aumentando a eficiência do consultório. No entanto, a ausência de validação externa robusta e a heterogeneidade dos estudos indicam que a ferramenta ainda não está pronta para uso clínico rotineiro sem supervisão médica. Gestores devem aguardar estudos com validação externa e que incluam situações complexas, como cateteres e anormalidades anatômicas, antes de investir na incorporação dessas tecnologias.
Estudo citado
Can Artificial Intelligence Accurately Detect Urinary Stones? A Systematic Review. Journal of endourology, 2024.
Autores: Panthier F, Melchionna A, Crawford-Smith H, Phillipou Y, Choong S, Arumuham V, Allen S, Allen C, Smith D.
DOI: 10.1089/end.2023.0717 · PubMed: PMID 38666692
Perguntas para aprofundar
- Qual é o desempenho da inteligência artificial na diferenciação entre cálculos ureterais e flebólitos?
- Quais são as limitações da validação externa dos modelos de IA para detecção de cálculos urinários?
- Como a IA pode auxiliar na medição automatizada do volume de cálculos urinários?
Mais sobre IA em diagnóstico por imagem e radiologia
- Modelos de inteligência artificial têm bom desempenho diagnóstico na detecção de fraturas faciais em tomografia e radiografias?
- A detecção automatizada de lesões ósseas por TC e RM com inteligência artificial já tem validação clínica suficiente para uso na prática?
- A inteligência artificial aplicada à neuroimagem melhora o diagnóstico de transtornos mentais e neurológicos na prática clínica?
- Como a inteligência artificial tem sido aplicada em imagens médicas na Itália e quais as tendências?
- A segmentação automática por inteligência artificial em exames de imagem maxilofacial é precisa o suficiente para uso clínico?
Todas as perguntas sobre IA em diagnóstico por imagem e radiologia · Todos os temas · Versão em markdown