# Modelos de inteligência artificial são comparáveis a radiologistas na detecção de câncer de próstata clinicamente significativo em mpMRI?

> Em meta-análise com 2586 pacientes, sistemas de IA tiveram sensibilidade de 0,90 e especificidade de 0,69, enquanto radiologistas tiveram sensibilidade de 0,89 e especificidade de 0,60. A acurácia global foi semelhante, com AUC de 0,88 para IA e 0,85 para radiologistas, mas os intervalos de confiança se sobrepuseram.

Estudo citado: Andrade MA, Rodrigues H, Colhado CH, Godinho NJS, Dos Santos RD, de Andrade AL et al.. Artificial-intelligence models vs. radiologists in the detection of clinically significant prostate cancer on mpMRI: a meta-analysis. European radiology. 2026. DOI: https://doi.org/10.1007/s00330-026-12465-z. PubMed: https://pubmed.ncbi.nlm.nih.gov/41844851/

## Resposta

A interpretação da mpMRI para câncer de próstata clinicamente significativo apresenta variabilidade entre radiologistas, o que afeta a consistência diagnóstica. Nesse contexto, modelos de inteligência artificial baseados em redes neurais convolucionais e aprendizado profundo surgem como possível apoio à leitura de exames.

Esta meta-análise comparou diretamente sistemas de IA e radiologistas experientes na detecção de câncer de próstata clinicamente significativo em mpMRI. Foram incluídos apenas estudos que comparassem modelos de IA a radiologistas, com cálculo de sensibilidade, especificidade, razão de chances diagnóstica e área sob a curva ROC agrupadas.

Os resultados mostraram desempenho semelhante entre os dois grupos. A IA apresentou sensibilidade de 0,90 e especificidade de 0,69, enquanto os radiologistas tiveram sensibilidade de 0,89 e especificidade de 0,60. A razão de chances diagnóstica foi de 17,54 para IA e 12,35 para radiologistas, e a AUC foi de 0,88 versus 0,85, com sobreposição dos intervalos de confiança.

Os autores concluem que a IA tem potencial vantagem em especificidade, o que poderia contribuir para reduzir biópsias desnecessárias, mas ressaltam que a alta heterogeneidade e a natureza retrospectiva de todos os estudos incluídos limitam a confiabilidade dos achados. Validação prospectiva é necessária antes de incorporar esses modelos à rotina.

Para o médico, o estudo indica que a IA pode funcionar como adjuvante na diagnose do câncer de próstata, apoiando maior padronização das avaliações de imagem entre centros, desde que os modelos sejam refinados e validados em cenários prospectivos.

## O que o estudo mostrou

Trata-se de revisão sistemática e meta-análise de estudos não randomizados em inglês, com busca em PubMed, Embase e Cochrane até maio de 2025, que resultou em 855 estudos, dos quais foram incluídos os que comparavam modelos de IA a radiologistas, totalizando 2586 pacientes. A IA apresentou sensibilidade agrupada de 0,90 e especificidade de 0,69; os radiologistas, sensibilidade de 0,89 e especificidade de 0,60. A razão de chances diagnóstica foi de 17,54 para IA e 12,35 para radiologistas, com AUC de 0,88 versus 0,85.

## Limitações

O resumo informa alta heterogeneidade entre os estudos e natureza retrospectiva de todos os incluídos, o que limita a confiabilidade dos resultados. Os intervalos de confiança das estimativas de IA e de radiologistas se sobrepuseram. O resumo não informa detalhes sobre a população, os critérios de referência ou o risco de viés de cada estudo.

## Aplicação no consultório

Os achados apoiam considerar a IA como ferramenta adjuvante na interpretação da mpMRI, não como substituta do radiologista. Na prática e na gestão do consultório, isso significa avaliar a incorporação desses sistemas com cautela, priorizando validação local e protocolos de dupla leitura. O potencial de melhorar a especificidade pode reduzir biópsias desnecessárias, mas a decisão clínica deve permanecer integrada ao julgamento profissional e à discussão multidisciplinar.

## Perguntas para aprofundar

- Como a IA pode apoiar a padronização da leitura de mpMRI entre diferentes centros?
- Qual o impacto potencial da maior especificidade da IA na indicação de biópsia de próstata?
- Que tipo de validação prospectiva é necessária antes de adotar modelos de IA na rotina clínica?

Tema: Regulação e validação clínica de IA. Página: https://alphadoctor.com.br/ciencia/ia-regulacao-validacao/modelos-de-inteligencia-artificial-sao-comparaveis-a-radiologistas-na-deteccao/

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