Precisão comparativa da inteligência artificial versus interpretação manual na detecção de hipertensão pulmonar através das modalidades de imagem torácica: uma metanálise de acurácia do teste diagnóstico
PneumologiaO que aconteceu
A hipertensão pulmonar (HP) tem incidência de aproximadamente 6 casos por milhão de adultos, com prevalência global variando de 49 a 55 casos por milhão de adultos. Avanços recentes na inteligência artificial (IA) têm demonstrado melhorias promissoras na acurácia diagnóstica da imagem para HP, atingindo uma área sob a curva (AUC) de 0,94, em comparação com profissionais experientes. Sintetizar sistematicamente as evidências disponíveis sobre a acurácia comparativa da IA versus interpretação manual na detecção de HP em várias modalidades de imagem torácica, ou seja, radiografia de tórax, ecocardiografia, tomografia computadorizada e RM cardíaca. Seguindo as diretrizes da PRISMA, foi realizada uma busca abrangente em cinco bases de dados - PubMed, Embase, ScienceDirect, Scopus, e Cochrane Library - desde o início até março de 2025. A análise estatística foi realizada utilizando-se R (versão 2024.12.1 + 563) com dados de contingência 2 × 2. A sensibilidade, especificidade e odds ratio diagnóstico (DOR) foram agrupados usando um modelo bivariado de efeitos aleatórios (reitsma() do pacote mada), enquanto a AUC foi meta-analisada usando valores logit-transformados através da função metagen() do pacote meta.
O que encontraram
Esta meta-análise de 12 estudos, abrangendo 7.459 pacientes, demonstrou uma melhora estatisticamente significativa na acurácia diagnóstica da HP com integração de IA, evidenciada por uma diferença média logit na AUC de 0,43 (IC 95%: 0,23-0,64; p < 0,0001) e baixa heterogeneidade (I 2 = 21,0%, τ 2 < 0,0001, p = 0,2090), que foi consolidada pela AUC agrupada de 0,934 no modelo bivariado. A sensibilidade e especificidade agrupadas para modelos de IA foram 0,83 (IC 95%: 0,73-0,90) e 0,91 (IC 95%: 0,86-0,95), respectivamente, com heterogeneidade substancial para sensibilidade (I 2 = 83,8%, τ 2 = 0,4934, p < 0,0001) e moderada para especificidade (I 2 = 41,5%, τ 2 = 0,1015, p = 0,1146); a razão de chances diagnóstica foi 54,26 (IC 95%: 22,50-130,87) com heterogeneidade substancial (I 2 = 70,7%, τ 2 = 0,8451, p = 0,0023). A análise de sensibilidade mostrou estimativas estáveis e não reduziu a heterogeneidade entre os desfechos.
Por que isso importa
A imagem integrada com IA aumenta significativamente a acurácia diagnóstica para hipertensão pulmonar, com maior sensibilidade (0,83) e especificidade (0,91) em comparação com a interpretação manual através das modalidades de imagem torácica. No entanto, novos ensaios de alta qualidade com coortes validadas externamente podem ser necessários para confirmar esses achados e reduzir a variabilidade entre modelos de IA em diversos cenários clínicos.
Tradução automática do resumo original, publicado em Frontiers in artificial intelligence sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.
O estudo original
Comparative accuracy of artificial intelligence versus manual interpretation in detecting pulmonary hypertension across chest imaging modalities: a diagnostic test accuracy meta-analysis
Faizan Ahmed, Faseeh Haider, Ramsha Ali, Muhammad Arham, Yusra Junaid, Allah Dad, Kinza Bakht, Maryam Abbasi, Bareera Tanveer Malik, Abdul Mateen et al.