Um algoritmo de inteligência artificial já autorizado pela FDA encontrou 55 aneurismas intracranianos verdadeiros que os radiologistas não haviam relatado em 3.856 angiotomografias de crânio — um aumento relativo de 39% na detecção. O número vem de um estudo prospectivo do Northwell Health publicado em 15 de setembro no Journal of the American College of Radiology (JACR), e chega acompanhado da contrapartida que raramente sobrevive à manchete: o mesmo algoritmo disparou 46 alertas falsos e deixou passar 30 aneurismas que o médico viu.
Os números, sem arredondamento
O desenho é o que dá peso ao trabalho. Foi uma avaliação prospectiva em modo sombra: o algoritmo da Aidoc processou os exames em paralelo à rotina assistencial, mas o resultado não chegava a ninguém e não influenciou nenhuma conduta durante o período do estudo. Os radiologistas laudaram todas as 3.856 angio-TC no fluxo normal do serviço, sem acesso à saída da IA. Quando as duas leituras discordavam, neurorradiologistas independentes revisavam as imagens para estabelecer qual era o achado correto.
No agregado, humano e máquina disseram a mesma coisa em mais de 96% dos exames. A briga toda mora nos 4% restantes. A IA levantou sozinha 101 achados que o laudo não trazia: 55 se confirmaram como aneurismas e 46 eram falsos positivos. No sentido contrário, os radiologistas identificaram 30 aneurismas verdadeiros que o algoritmo não marcou. O saldo de detecções incrementais superou o de alertas falsos, o que os autores descrevem como uma relação benefício-ônus favorável.
Nas métricas clássicas, a IA foi mais sensível (84,6% contra 71,8% dos radiologistas), enquanto o radiologista teve valor preditivo positivo maior (92,7% contra 78,2%). Especificidade e valor preditivo negativo ficaram parecidos entre os dois. “Aneurismas intracranianos podem permanecer clinicamente silenciosos até a ruptura, com consequências devastadoras”, afirmou a autora sênior Pina C. Sanelli, professora de radiologia e vice-chair de pesquisa da Zucker School of Medicine at Hofstra/Northwell e diretora do PRIME Center, do Harvey L. Neiman Health Policy Institute.
Sensibilidade e VPP não medem a mesma coisa
Vale desmontar as duas palavras, porque elas descrevem erros opostos. Sensibilidade responde: entre todos os pacientes que realmente tinham aneurisma, qual fração foi apontada? Valor preditivo positivo responde outra pergunta: entre todos os apontamentos feitos, qual fração era verdadeira? A primeira mede o que escapa; a segunda mede o quanto se pode confiar em cada alerta.
Traduzido para o plantão: a cada 100 marcações que o algoritmo fez por conta própria, cerca de 78 correspondiam a um aneurisma de fato. A cada 100 aneurismas relatados pelo radiologista, cerca de 93 se confirmaram. O médico é mais cauteloso e, por isso, mais confiável quando fala; a máquina é mais agressiva e, por isso, encontra mais — e grita mais. Não existe ajuste que suba as duas métricas ao mesmo tempo num mesmo detector: baixar o limiar de alerta aumenta a sensibilidade e derruba o VPP, subir o limiar faz o inverso. A escolha do ponto de corte é uma decisão clínica, não técnica.
Um detalhe estatístico explica por que especificidade e VPN saíram tão próximas: a esmagadora maioria dos 3.856 exames era negativa. Em prevalência baixa, quase qualquer detector acerta os negativos e as duas métricas colam no teto — motivo pelo qual olhar só para elas mascara a diferença real entre os leitores. É o mesmo padrão que apareceu quando a mesma casa de algoritmos foi medida em detecção de tromboembolismo pulmonar em angio-TC no mundo real: ganho incremental sólido, acompanhado de um custo de alertas que o serviço precisa absorver.
Por que 39% a mais de detecção não é 39% a mais de pacientes ajudados
Aqui está a parte que o comunicado de imprensa não enfatiza. Sanelli registrou que “muitos dos aneurismas adicionais identificados pela IA estavam entre as menores lesões”. Essa frase muda a leitura do resultado inteiro, porque tamanho é a variável que mais pesa na história natural de um aneurisma não roto.
Aneurisma intracraniano não roto é comum: a meta-análise de referência de Vlak e colaboradores, publicada na Lancet Neurology em 2011, estimou prevalência de cerca de 3,2% na população adulta sem comorbidade. A imensa maioria nunca rompe. Justamente por isso a decisão de tratar não se toma pelo achado, e sim por escores de risco: o PHASES (população, hipertensão, idade, tamanho, hemorragia subaracnóidea prévia por outro aneurisma e sítio) estima risco de ruptura em cinco anos; o UIATS (Unruptured Intracranial Aneurysm Treatment Score) pondera fatores a favor do tratamento contra fatores a favor da observação; o ELAPSS projeta crescimento. Lesões pequenas, em sítios de baixo risco, em pacientes sem fatores agravantes, tipicamente caem no braço da vigilância — não no da clipagem ou da embolização.
Ou seja: os 55 achados extras são reais e não são irrelevantes, mas eles se convertem majoritariamente em seguimento por imagem e controle de fatores de risco (pressão arterial, tabagismo), não em 55 hemorragias evitadas. Some-se a isso que os próprios escores têm desempenho discriminativo imperfeito — séries recentes mostram PHASES e UIATS separando mal aneurismas rotos de não rotos — e fica claro que o ganho diagnóstico entra num terreno onde a conduta ainda é decidida caso a caso.
Onde o alerta vale a pena — e o problema do incidentaloma no Brasil
O estudo trouxe um achado operacional que deveria pesar mais do que os percentuais globais: o desempenho da IA variou bastante conforme o cenário de atendimento. No paciente internado, o algoritmo somou 18 aneurismas adicionais gerando apenas 7 alertas falsos — o melhor resultado em todas as métricas. No pronto-socorro, o balanço também foi favorável. Já no ambulatório, contribuiu com apenas quatro detecções extras e produziu mais falsos positivos do que verdadeiros.
“Uma explicação provável é que cenários de maior acuidade envolvem exames clinicamente mais complexos, criando mais oportunidades para a IA agregar valor”, avaliou Matthew Barish, professor de radiologia da mesma escola e CMIO dos serviços compartilhados do Northwell Health. A leitura prática é direta: ligar o algoritmo indiscriminadamente em todo o parque de exames desperdiça o ganho e importa o ruído.
No Brasil, a angio-TC de crânio para cefaleia súbita e suspeita de hemorragia subaracnóidea já é rotina em emergência — exatamente o cenário em que o estudo mostra melhor retorno. O gargalo não é detectar, é o que vem depois. Um aneurisma pequeno achado numa madrugada de plantão gera uma pergunta que o serviço brasileiro costuma não ter respondida no papel: quem comunica o paciente, quem agenda o seguimento, com que intervalo e em qual método — angiorressonância sem contraste ou nova angio-TC com dose adicional de radiação e iodo? Sem esse fluxo definido, aumentar detecção em 39% aumenta ansiedade e retorno ambulatorial na mesma proporção. E, como já se viu no caso de um pneumotórax marcado pela IA que não existia no raio-X, o alerta falso também consome tempo, exame confirmatório e credibilidade.
O que o modo sombra não responde
A principal limitação está embutida no desenho. Modo sombra mede o que o algoritmo teria encontrado, não o que acontece quando o resultado aparece de fato na estação de laudo. Nada aqui informa sobre viés de automação (o radiologista que passa a confiar demais na marcação), sobre o tempo adicional de leitura, nem sobre com que frequência o médico rejeitaria um alerta correto. Também não há desfecho de paciente: o trabalho não acompanha ruptura, tratamento ou mortalidade.
Há ainda os limites usuais de escopo — um único sistema de saúde integrado, um fornecedor, uma versão de modelo. Foi exatamente esse o ponto levantado por Elizabeth Rula, diretora executiva do Neiman Health Policy Institute e coautora: organizações deveriam avaliar IA pelo quanto ela melhora o desempenho do médico no uso real, e não apenas pelos resultados obtidos no ambiente original de teste — o que torna o monitoramento contínuo após a implantação parte do trabalho, não um extra. É uma exigência que ganha peso à medida que o volume de produtos liberados cresce: a radiologia já concentra 76% de todas as autorizações de dispositivos com IA da FDA, e a mesma Aidoc vem acumulando marcos regulatórios, como o selo de dispositivo inovador para IA que rascunha laudo. Autorizar é o começo; medir no serviço é o que falta.
Fonte: ITN Online
