Eficácia Comparativa de Diferentes Sistemas de IA para Detecção de Polip pelo Tamanho Durante a Colonoscopia: Revisão Sistemática e Meta-Análise de Rede

Revisão sistemáticaNível 1 · Evidência consolidadaJournal of medical Internet research9 set 20260 citações

O que aconteceu

O câncer colorretal continua sendo uma das principais causas de morte, apesar de ser amplamente evitável através da polipectomia. Sistemas de IA projetados para melhorar a detecção de pólipos durante a colonoscopia têm mostrado promessa, mas a medida em que eles melhoram a detecção de pólipos de diferentes tamanhos ainda não está clara. Este estudo comparou a eficácia estratificada de tamanho da colonoscopia assistida por IA vs colonoscopia padrão utilizando o método Hartung-Knapp-Sidik-Jonkman (HKSJ), e gerou rankings exploratórios, embora reconhecendo que todas as comparações entre plataformas são indiretas. Esta revisão sistemática e metanálise de rede (NMA) buscou PubMed, Embase, Cochrane CENTRAL e Web of Science do início ao 25 de julho de 2026, complementados por busca de citações. Foram incluídos ensaios clínicos randomizados controlados (TCCs) comparando a colonoscopia assistida por IA vs padrão em adultos (≥18 anos de idade), relatando contagens médias de detecção de pólipos estratificadas por tamanho (≤5 mm, 6-9 mm e ≥10 mm). Dois revisores analisaram estudos, extraíram dados e avaliaram o risco de viés utilizando o Cochrane Risk of Bias 2.0. Realizamos a AMN frequente utilizando o método HKSJ com estimativa de máxima verossimilhança restrita, calculamos intervalos de predição de 95% (PIs) e avaliamos a heterogeneidade utilizando I2 e τ2. A certeza de provas foi avaliada utilizando o quadro GRADE (Grading of Recommendations Assessment, Development, and Evaluation). Prospero International Register of Systematic Reviews CRD420251266932; https://www.crd.york.ac.uk/PROSPERO/view/CRD420251266932.

O que encontraram

Um total de 13 ECR (4156 participantes) comparou 8 sistemas de IA à colonoscopia padrão, formando uma rede sem comparações diretas de IA. Para pólipos diminutos (≤5 mm), a IA apresentou uma vantagem modesta (diferença média padronizada [DME] 0,21, IC 95% 0,07 a 0,35, IP 95% -1,12 a 1,54), mas heterogeneidade substancial (I2=86,6%) e PI amplo cruzando o nulo indicaram alta incerteza. EndoScreener mostrou a evidência mais consistente (SMD 0,36, IC 95% 0,18-0,54). Para pólipos pequenos e grandes, os efeitos foram mínimos (SMD 0,02, IC 95% -0,02 a 0,06, IP 95% -0,03 a 0,07; SMD 0,01, IC 95% 0,00-0,02, IP 95% -0,01 a 0,03). A certeza do GRADE foi muito baixa para pólipos diminutos e baixa para pólipos pequenos e grandes. A análise de sensibilidade excluindo Tianjin YuJin não alterou materialmente os resultados.

Por que isso importa

A IA pode aumentar modestamente a detecção de pólipos diminutos, mas os efeitos em pólipos pequenos e grandes são mínimos, sem superioridade de plataforma. Dada a muito baixa a baixa certeza, os achados são geradores de hipóteses. Este NMA exploratório fornece comparações estratificadas de tamanho que podem informar o futuro design de teste. Ao contrário de revisões anteriores que agregam todos os tamanhos de pólipos, mostramos que o benefício global da IA é impulsionado pela detecção diminutiva de pólipos, fornecendo um framework para IA direcionada para implantação-prioritizante para triagem diminutiva de pólipos, com valor limitado para lesões maiores. São urgentemente necessários testes cabeça-a-cabeça.

Tradução automática do resumo original, publicado em Journal of medical Internet research sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.