# A inteligência artificial pode prever com precisão o risco de expansão de hematoma na hemorragia intracerebral?

> Sim, modelos de IA mostraram boa capacidade preditiva para expansão de hematoma, com sensibilidade agrupada de 0,82 e especificidade de 0,83. A AUC agrupada foi 0,89, indicando desempenho potencialmente útil. No entanto, a alta heterogeneidade entre os estudos limita a robustez dos achados, e validação externa rigorosa é necessária antes da implementação clínica.

Estudo citado: Mohammadzadeh I, Hajikarimloo B, Mohammadzadeh S, Niaei AM, Pirayvatloo PS, Habibi MA et al.. Can artificial intelligence accurately predict the risk of hematoma expansion in intracerebral hemorrhage? A systematic review and Meta-analysis of 7,665 patients. Neurosurgical review. 2025. DOI: https://doi.org/10.1007/s10143-025-03901-7. PubMed: https://pubmed.ncbi.nlm.nih.gov/41276709/

## Resposta

A expansão de hematoma (EH) na hemorragia intracerebral (HIC) é um evento crítico que influencia o prognóstico e as decisões terapêuticas. A predição precoce permite intervenções oportunas e melhor desfecho clínico. Neste contexto, modelos de inteligência artificial (IA), incluindo aprendizado de máquina e aprendizado profundo, têm sido investigados como ferramentas auxiliares.

Esta revisão sistemática e meta-análise avaliou o desempenho desses modelos na predição de EH. Foram incluídos 14 estudos, totalizando 7.665 pacientes. As métricas agrupadas revelaram sensibilidade de 0,82 e especificidade de 0,83, com razão de verossimilhança positiva de 4,91 e negativa de 0,21. A AUC agrupada foi 0,89, sugerindo boa discriminação.

A análise de subgrupo mostrou melhor desempenho em pacientes com HIC espontânea em comparação à HIC relacionada a trauma craniano, com AUC de 0,90 versus 0,87, sensibilidade de 0,85 versus 0,76 e razão de chances diagnóstica de 28 versus 16. Esses achados indicam que a IA pode ser particularmente útil em contextos específicos.

Apesar dos resultados promissores, a alta heterogeneidade entre os estudos limita a robustez das estimativas. A variabilidade pode decorrer de diferenças nos protocolos de imagem, nas populações e nos algoritmos utilizados. Portanto, os achados devem ser interpretados com cautela.

Para a prática clínica, a implementação desses modelos requer validação externa rigorosa e padronização dos protocolos de imagem. A IA pode vir a apoiar decisões, mas não substitui o julgamento clínico. São necessários estudos prospectivos que confirmem a utilidade e a segurança antes da adoção rotineira.

## O que o estudo mostrou

Revisão sistemática e meta-análise que incluiu 14 estudos, com 7.665 pacientes, avaliando modelos de IA na predição de expansão de hematoma. A sensibilidade agrupada foi 0,82 (IC 95%: 0,74-0,88) e a especificidade 0,83 (IC 95%: 0,78-0,87). A AUC agrupada foi 0,89. A razão de verossimilhança positiva foi 4,91 e a negativa 0,21. A razão de chances diagnóstica foi 23,01. Em subgrupo, HIC espontânea teve melhor desempenho que HIC por trauma.

## Limitações

O resumo não informa detalhes sobre o desenho dos estudos incluídos, as características das populações ou os algoritmos utilizados. A alta heterogeneidade entre os estudos limita a robustez dos achados. O resumo não menciona análise de viés de publicação ou qualidade metodológica. Os resultados devem ser interpretados com cautela e necessitam de validação externa com protocolos de imagem padronizados.

## Aplicação no consultório

Os achados sugerem que modelos de IA podem auxiliar na estratificação de risco de expansão de hematoma, especialmente em HIC espontânea. No entanto, a heterogeneidade e a falta de validação externa impedem a adoção imediata na rotina. O médico deve considerar essas ferramentas como apoio à decisão, não como substitutas do julgamento clínico. A gestão do consultório pode se beneficiar da incorporação criteriosa dessas tecnologias, desde que haja padronização de protocolos e treinamento adequado.

## Perguntas para aprofundar

- Qual é o desempenho de modelos de aprendizado de máquina na predição de expansão de hematoma em comparação com escores clínicos tradicionais?
- Quais fatores contribuem para a alta heterogeneidade entre os estudos de IA na predição de expansão de hematoma?
- Como validar externamente modelos de IA para predição de expansão de hematoma antes da implementação clínica?

Tema: Regulação e validação clínica de IA. Página: https://alphadoctor.com.br/ciencia/ia-regulacao-validacao/a-inteligencia-artificial-pode-prever-com-precisao-o-risco-de-expansao-de/

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