# Modelos de deep learning são tão precisos quanto médicos para diagnosticar pneumotórax em exames de imagem?

> Uma revisão sistemática com meta-análise mostrou que modelos de deep learning tiveram desempenho diagnóstico semelhante ao dos médicos para pneumotórax, com AUC de 0,97 para ambos. A sensibilidade agrupada foi 84% para deep learning e 85% para médicos; a especificidade foi 96% e 98%, respectivamente. A maioria dos estudos tinha alto risco de viés.

Estudo citado: Sugibayashi T, Walston SL, Matsumoto T, Mitsuyama Y, Miki Y, Ueda D. Deep learning for pneumothorax diagnosis: a systematic review and meta-analysis. European respiratory review : an official journal of the European Respiratory Society. 2023. DOI: https://doi.org/10.1183/16000617.0259-2022. PubMed: https://pubmed.ncbi.nlm.nih.gov/37286217/

## Resposta

A revisão sistemática com meta-análise avaliou o desempenho de modelos de deep learning no diagnóstico de pneumotórax em exames de imagem e comparou com o desempenho de médicos. A busca abrangeu múltiplas bases de dados até setembro de 2022, incluindo estudos que aplicaram deep learning para esse fim. A maioria dos estudos primários utilizou radiografia de tórax.

Os resultados mostraram que a área sob a curva (AUC) total foi de 0,97 (IC 95% 0,96-0,98) tanto para deep learning quanto para médicos. A sensibilidade agrupada foi de 84% (IC 95% 79-89%) para deep learning e 85% (IC 95% 73-92%) para médicos. A especificidade agrupada foi de 96% (IC 95% 94-98%) para deep learning e 98% (IC 95% 95-99%) para médicos.

Apesar do desempenho semelhante, mais da metade dos estudos originais (57%) apresentou alto risco de viés, segundo ferramenta modificada de avaliação de risco de viés para estudos de modelo de predição. Isso sugere que os resultados devem ser interpretados com cautela.

Os autores concluem que o desempenho diagnóstico dos modelos de deep learning foi similar ao dos médicos, mas reforçam a necessidade de mais pesquisas em inteligência artificial para pneumotórax, especialmente com menor risco de viés.

Para o médico, esses achados indicam que a inteligência artificial pode ser uma ferramenta auxiliar promissora, mas ainda não substitui a avaliação clínica e radiológica. A implementação na prática requer validação adicional e consideração dos riscos de viés.

## O que o estudo mostrou

Revisão sistemática com meta-análise de 63 estudos primários, dos quais 56 identificaram pneumotórax em radiografia de tórax. A AUC total foi 0,97 (IC 95% 0,96-0,98) para deep learning e médicos. A sensibilidade agrupada foi 84% (IC 95% 79-89%) para deep learning e 85% (IC 95% 73-92%) para médicos; a especificidade foi 96% (IC 95% 94-98%) e 98% (IC 95% 95-99%), respectivamente. Mais da metade dos estudos (57%) tinha alto risco de viés.

## Limitações

O resumo não informa detalhes sobre a amostra total de pacientes ou exames, nem sobre heterogeneidade entre estudos. A principal limitação apontada é que 57% dos estudos primários apresentaram alto risco de viés, o que pode comprometer a validade dos resultados agrupados. O resumo também não descreve análise de subgrupos ou comparações por tipo de imagem.

## Aplicação no consultório

Os achados sugerem que sistemas de deep learning podem auxiliar na triagem de pneumotórax em radiografias, com desempenho comparável ao de médicos. No consultório, isso pode agilizar a identificação de casos suspeitos, especialmente em ambientes com grande volume de exames. No entanto, devido ao alto risco de viés nos estudos, a ferramenta deve ser usada como apoio, não como substituta da avaliação clínica. Gestores devem considerar a necessidade de validação local antes da implementação.

## Perguntas para aprofundar

- Qual é o desempenho de modelos de deep learning na detecção de pneumotórax em radiografias de tórax em comparação com radiologistas?
- Quais são as limitações metodológicas dos estudos que avaliam inteligência artificial para diagnóstico de pneumotórax?
- Como integrar ferramentas de deep learning na rotina de diagnóstico por imagem sem comprometer a segurança do paciente?

Tema: IA em diagnóstico por imagem e radiologia. Página: https://alphadoctor.com.br/ciencia/ia-radiologia/modelos-de-deep-learning-sao-tao-precisos-quanto-medicos-para-diagnosticar/

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