Modelos baseados em aprendizado de máquina para predição pré-operatória da consistência do adenoma hipofisário: revisão sistemática e meta-análise
OncologiaO que aconteceu
A consistência do adenoma hipofisário (AP) impacta significativamente a dificuldade cirúrgica e a extensão da ressecção. Aprendizado de máquina (ML) e radiomics surgiram como ferramentas quantitativas para prever a firmeza do tumor a partir de características derivadas da RM. Esta revisão sistemática e meta-análise teve como objetivo sintetizar o desempenho diagnóstico de modelos baseados em ML para predição pré-operatória da consistência da AF. PubMed, Embase, Scopus e Web of Science foram pesquisados até setembro de 2025. Foram incluídos estudos que desenvolveram ou validaram modelos de ML ou aprendizagem profunda (DL) para predizer a consistência da AF. Estimativas agrupadas de área sob a curva (AUC), acurácia (ACC), sensibilidade (SEN), especificidade (SPE) e odds ratio diagnóstico (DOR) foram calculadas com intervalos de confiança de 95% (ICs).
O que encontraram
Foram analisados nove estudos com 1.621 pacientes. Algoritmos incluídos Extra Trees (ET), Random Forest (RF), Support Vector Machine (SVM), k-Nighbors (kNN), Logistic Regression (LR), Artificial Neural Network (ANN), e arquiteturas híbridas DL. A AUC agrupada foi de 0,92 (IC 95%: 0,86-0,98), ACC 0,86 (IC 95%: 0,79-0,92), SEN 0,80 (IC 95%: 0,71-0,87), SPE 0,85 (IC 95%: 0,80-0,89) e DOR 19,27 (IC 95%: 10,27-36,17). Análises de abandono confirmaram robustez, e os testes de Egger não indicaram viés de publicação significativo.
Por que isso importa
Modelos baseados em ML demonstram excelente precisão diagnóstica combinada na predição da consistência da AF no pré-operatório, ressaltando seu valor para planejamento cirúrgico individualizado. Futuros estudos multicêntricos com imagem padronizada e validação externa são necessários para otimizar a tradução clínica.
Tradução automática do resumo original, publicado em Acta neurochirurgica sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.
O estudo original
Machine learning-based models for preoperative prediction of pituitary adenoma consistency: a systematic review and meta-analysis
Bardia Hajikarimloo, Ibrahim Mohammadzadeh, Salem M Tos, Ali Mortezaei, Mohammad Amin Habibi
Descritores MeSH
- Machine Learning
- Adenoma
- Pituitary Neoplasms
- Humans
- Magnetic Resonance Imaging
- Preoperative Care