Precisão diagnóstica da interpretação médica assistida por IA versus independente para fraturas ósseas: revisão sistemática e meta-análise

MetanáliseNível 1 · Evidência consolidadaEuropean radiology experimental17 set 20260 citações

O que aconteceu

Avaliamos sistematicamente o desempenho diagnóstico da interpretação assistida pela inteligência artificial (IA) versus avaliação médica independente para detecção de fraturas. Seguindo as diretrizes PRISMA-DTA, buscamos PubMed e Web of Science para estudos originais publicados até 17 de setembro de 2025. A qualidade foi avaliada utilizando o quadro QUADAS-3. Um modelo bivariado de efeitos aleatórios agrupava métricas diagnósticas. A precisão foi avaliada por meio de curvas de característica de operação do receptor sumário (SROC) e sua área sob a curva (AUC). A meta-regressão mista explorou a heterogeneidade. Pergunta A interpretação precisa da fratura continua a ser um desafio significativo para os não especialistas. Este estudo quantifica como a colaboração homem-máquina efetivamente mitiga lacunas na experiência clínica e melhora o diagnóstico radiológico. Achados AI assistência aumentou significativamente a sensibilidade diagnóstica global agrupada de 73% para 87% sem comprometer a especificidade, proporcionando o maior benefício diagnóstico absoluto para os clínicos juniores. Declaração de Relevância Integrar IA em fluxos de trabalho de alta pressão reduz substancialmente as fraturas perdidas e liga com segurança o gap de experiência para clínicos juniores, otimizando a triagem do paciente e a eficiência operacional.

O que encontraram

Dos 450 registros recuperados, após a exclusão de 118 duplicatas, os restantes 332 registros foram rastreados por título/abstrato, identificando 38 candidatos. Após avaliação de texto completo, 28 estudos preencheram os critérios de inclusão, sendo 17 deles adequados para metanálise. Em comparação com o diagnóstico não assistido, a IA melhorou significativamente a sensibilidade agrupada (87%, intervalo de confiança de 95% [IC]: 84-89%, versus 73%, IC 95%: 69-78%) e manteve alta especificidade (95%, IC 95%: 92-97%, versus 94%, IC 95%: 89-96%). O SROC-AUC aumentou de 0,849 para 0,929. A análise dos subgrupos revelou que os clínicos juniores obtiveram o maior benefício, apresentando um aumento absoluto de 21% da sensibilidade. A meta-regressão multivariada, explicando 52,2% de heterogeneidade, identificou a condição bidimensional da radiografia e do médico júnior (p ≤ 0,005) como preditores independentes de um teto diagnóstico assistido por IA absoluto inferior.

Por que isso importa

A assistência em IA é um auxiliar diagnóstico eficaz, melhorando substancialmente a sensibilidade e mitigando a lacuna de experiência para os clínicos juniores. No entanto, evidências multivariadas confirmam que a IA não pode substituir totalmente o teto diagnóstico absoluto ditado pela experiência clínica fundamental e as limitações físicas da radiografia bidimensional. Os fluxos de trabalho futuros devem otimizar a colaboração humano-AI, mantendo um limiar baixo para imagens transversais.

Tradução automática do resumo original, publicado em European radiology experimental sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.