# A inteligência artificial aplicada à neuroimagem é confiável para o diagnóstico e prognóstico de demência na prática clínica?

> A revisão sistemática identificou 255 estudos, a maioria baseada no conjunto de dados ADNI. Classificadores algorítmicos foram os métodos mais usados e modelos discriminativos tiveram melhor desempenho para diferenciar Alzheimer de controles. A acurácia variou com a coorte, modalidade de imagem e estratificadores. Poucos estudos validaram em coorte independente, e limitações metodológicas comprometem a aplicação clínica imediata.

Estudo citado: Borchert RJ, Azevedo T, Badhwar A, Bernal J, Betts M, Bruffaerts R et al.. Artificial intelligence for diagnostic and prognostic neuroimaging in dementia: A systematic review. Alzheimer's & dementia : the journal of the Alzheimer's Association. 2023. DOI: https://doi.org/10.1002/alz.13412. PubMed: https://pubmed.ncbi.nlm.nih.gov/37563912/

## Resposta

A inteligência artificial (IA) aplicada à neuroimagem tem sido proposta como ferramenta auxiliar no diagnóstico e prognóstico de doenças neurodegenerativas. Esta revisão sistemática buscou sumarizar a literatura sobre o tema, identificando 255 estudos que relatam o uso de IA para esses fins. O achado principal é que, apesar do volume crescente de publicações, ainda há lacunas metodológicas que dificultam a translação para a prática clínica.

A maioria dos estudos utilizou o Alzheimer's Disease Neuroimaging Initiative (ADNI) como fonte de dados, com nenhum outro conjunto individual usado mais de cinco vezes. Classificadores algorítmicos foram o método de IA mais comum (48%), e modelos discriminativos, como redes neurais, apresentaram melhor desempenho na classificação de Alzheimer versus controles saudáveis. A acurácia dos algoritmos variou conforme a coorte de pacientes, as modalidades de imagem e os estratificadores empregados.

Apenas uma minoria dos estudos realizou validação em coorte independente, o que limita a generalização dos resultados. Além disso, a literatura carece de descrições suficientes sobre o desenvolvimento dos algoritmos e de definições padronizadas. Os autores fazem recomendações para melhorar a validação dos modelos, incluindo abordar questões clínicas relevantes, fornecer descrição adequada dos métodos de IA e validar achados em conjuntos de dados independentes.

A colaboração entre especialistas em IA e medicina é apontada como caminho para alcançar o potencial promissor dessas ferramentas na prática. Para o médico, é importante reconhecer que os resultados atuais são promissores, mas ainda não estão prontos para uso clínico rotineiro sem validação adicional. A heterogeneidade dos estudos e a dependência de um único conjunto de dados reforçam a necessidade de cautela na interpretação dos achados.

## O que o estudo mostrou

Revisão sistemática que identificou 255 estudos sobre IA para neuroimagem no diagnóstico e prognóstico de demências. A maioria baseou-se no conjunto ADNI. Classificadores algorítmicos foram os mais usados (48%), e modelos discriminativos tiveram melhor desempenho para diferenciar Alzheimer de controles. A acurácia variou com coorte, modalidade de imagem e estratificadores. Poucos estudos validaram em coorte independente. O resumo não informa detalhes sobre amostra total de pacientes ou desenho específico dos estudos incluídos.

## Limitações

O resumo não informa o número total de pacientes, os critérios de inclusão dos estudos ou a qualidade metodológica individual. Destaca que a literatura tem limitações como falta de descrição suficiente do desenvolvimento dos algoritmos e de definições padronizadas, além de pouca validação em coortes independentes. A dependência do conjunto ADNI limita a generalização dos achados.

## Aplicação no consultório

Na prática clínica, os achados sugerem que ferramentas de IA para neuroimagem ainda não devem ser usadas como único critério diagnóstico ou prognóstico. O médico pode considerar essas tecnologias como auxiliares em contextos de pesquisa ou em serviços que disponham de validação local. Para a gestão do consultório, é prudente aguardar diretrizes validadas e evitar investimentos em soluções não testadas em populações independentes. A colaboração com especialistas em IA pode ajudar a interpretar resultados de forma crítica.

## Perguntas para aprofundar

- Quais são as principais limitações metodológicas dos estudos de IA em neuroimagem para demência?
- Como a validação em coortes independentes pode melhorar a confiabilidade dos modelos de IA?
- Qual o papel dos modelos discriminativos, como redes neurais, na classificação de Alzheimer versus controles?

Tema: IA em saúde mental. Página: https://alphadoctor.com.br/ciencia/ia-saude-mental/a-inteligencia-artificial-aplicada-a-neuroimagem-e-confiavel-para-o-diagnostico/

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