Inteligência artificial baseada em imagens para diferenciação pré-operatória do câncer pancreatite: revisão sistemática e meta-análise
MedicinaO que aconteceu
O câncer pancreático (PC) e a pancreatite, que englobam quadros agudos, crônicos, autoimunes e outras condições inflamatórias pancreáticas, apresentam, muitas vezes, características clínicas e de imagem sobrepostas, mas requerem estratégias terapêuticas fundamentalmente diferentes. Essa semelhança frequentemente leva à incerteza diagnóstica na prática clínica de rotina. Inteligência artificial baseada em imagens (IA) emergiu como uma ferramenta promissora para aumentar a precisão diagnóstica. Essa meta-análise avalia sistematicamente o desempenho diagnóstico de algoritmos de IA na diferenciação da PC da pancreatite. Foi realizada uma busca sistemática na literatura das bases de dados PubMed, Embase e Cochrane Library para estudos publicados até 30 de junho de 2025. Foram selecionados estudos elegíveis que relatassem métricas de desempenho diagnóstico de IA. O rigor metodológico foi avaliado utilizando o instrumento modificado Quality Assessment of Diagnostic Accuracy Studies (QUADAS-2). As curvas de sensibilidade agrupada (SEN), especificidade (PES), razão de verossimilhança positiva/negativa (+LR/-LR), razão de chances diagnósticas (DOR) e característica de operação do receptor sumário (SROC) foram obtidas utilizando o software Stata 17.0. https://www.crd.york.ac.uk/prospero/, identificador CRD42024529580.
O que encontraram
Vinte e cinco estudos elegíveis (3279 pacientes) foram finalmente elegíveis para extração de dados, dos quais sessenta e oito tabelas foram incluídas nesta meta-análise. O SEN agrupado foi de 89% (IC 95%: 87-90%), o SPE foi de 88% (IC 95%: 86-90%) e a AUC foi de 0,94 (IC 95%: 0,92-0,96) em 28 estudos incluídos com 76 tabelas de contingência, no entanto, foi observada heterogeneidade substancial entre os estudos incluídos, com I2 = 77,14% no SEN e I2 = 75,61% no SPE. O SEN e o SPE agrupados foram de 91% (IC 95%: 88-93%) e 90% (IC 95%: 87-93%), com uma AUC de 0,96 (IC 95%: 0,94-0,97) em 28 estudos com 28 melhores tabelas de desempenho diagnóstico. A análise para diferentes algoritmos revelou um SEN agrupado de 89% (IC95%: 86-90%) e SPE de 88% (IC95%: 86-90%) para aprendizado de máquina, e um SEN agrupado de 89% (IC95%: 82-93%) e SPE de 85% (IC95%: 76-91%) para aprendizagem de profundidade. A análise de subgrupos subsequentes sugeriu que parte da heterogeneidade poderia ser explicada por diferenças no Algoritmo, Modalidade de Imagem, Publicação Geográfica e Ano de publicação.
Por que isso importa
A análise de imagem baseada em IA demonstra forte desempenho diagnóstico na distinção da PC da pancreatite, superando os limiares normalmente alcançados com a imagem convencional isoladamente. Esses achados corroboram a potencial integração da IA em fluxos de trabalho de decisão clínica para melhorar a avaliação pré-operatória das lesões pancreáticas.
Tradução automática do resumo original, publicado em Frontiers in oncology sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.
O estudo original
Image-based artificial intelligence for preoperative differentiation of pancreatic cancer from pancreatitis: a systematic review and meta-analysis
Juan Lu, Haiyi Zhang, Zhengzhen Yuan, Jiajun Yue, Qi Yao, Yong Liu, Pingping Jie, Min Fan, Jie Zhao