ChatGPT-4 na gastroenterologia: um novo horizonte na interpretação de imagens

Nos últimos anos, a inteligência artificial (IA) generativa tem atraído muito interesse, impulsionado pela chegada de modelos de linguagem grandes (LLMs, sua sigla em inglês para large language models) como o ChatGPT. Essas ferramentas conseguem interpretar dados textuais extensos e têm potencial para auxiliar em questões clínicas, diagnósticos, recomendações a pacientes e pesquisas.

A recente atualização do ChatGPT trouxe a capacidade de interpretar imagens, combinando dados textuais e visuais para previsões mais completas. Os LLMs podem ser uma solução para integrar a análise de texto e imagem, criando sistemas de apoio à decisão com base em dados e imagens do paciente. Apesar desse potencial, a interpretação de imagens ainda não apresenta resultados ideais.

Na gastroenterologia, o impacto dos LLMs começou a ser explorado recentemente, com foco na solução de questões clínicas e no fornecimento de informações sobre colonoscopias. A IA é particularmente importante na endoscopia gastrointestinal, onde algoritmos baseados em redes neurais convolucionais (CNNs) têm se mostrado eficazes na detecção e caracterização de lesões. A expectativa é que os LLMs melhorem a identificação de lesões e auxiliem nas decisões médicas.

Diante disso, Saraiva e colaboradores (2025) realizaram um estudo para avaliar como um LLM interpreta automaticamente imagens de procedimentos gastroenterológicos.

O estudo incluiu 740 imagens de cinco procedimentos de gastroenterologia: endoscopia por cápsula (EC), enteroscopia assistida por dispositivo (DAE), ultrassonografia endoscópica (EUS), colangioscopia digital de operador único (DSOC) e anuscopia de alta resolução (HRA). O ChatGPT-4 analisou essas imagens usando um prompt predefinido para cada procedimento, e suas predições foram comparadas com diagnósticos padrão-ouro. Análises estatísticas, incluindo acurácia, sensibilidade, especificidade, valor preditivo positivo (VPP) e valor preditivo negativo (VPN) foram realizadas.

O estudo avaliou a capacidade do ChatGPT-4 de analisar 260 imagens de 100 procedimentos EC de quatro regiões anatômicas: esôfago, estômago, intestino delgado e cólon. No primeiro, o LLM alcançou 50,0% de precisão diagnóstica geral, relatando todos os quadros como lesões (sensibilidade de 100%, especificidade de 0%). Para o estômago, o ChatGPT demonstrou 90,0% de sensibilidade, especificidade e precisão geral na detecção de lesões gástricas. Em relação ao intestino delgado, o LLM foi responsável por identificar lesões comuns, alcançando uma precisão geral média de 73,0%, com sensibilidade média de 64,9% e especificidade de 73,5%. Para lesões colônicas, o ChatGPT demonstrou uma precisão geral de 52,8%. O desempenho do modelo na detecção de lesões colônicas pleomórficas apresentou resultados semelhantes, com sensibilidade de 35,0%, especificidade de 67,5% e precisão geral de 56,7%.

Para DAE, das 200 imagens enviadas de 72 procedimentos, o modelo do transformador rotulou corretamente 134, o que corresponde a uma precisão geral de 67,0%. O modelo de IA demonstrou sensibilidade de 74,0% e especificidade de 60,0%.

O estudo incluiu 100 imagens de EUS, sendo 60 mostrando lesões mucinosas e as demais, sólidas. Em relação às primeiras, o desempenho do modelo incluiu uma sensibilidade de 75%, uma especificidade de 22,5% e uma acurácia geral de 40,0% para identificar lesões mucinosas e diferenciar lesões císticas pancreáticas mucinosas. Para lesões sólidas, o algoritmo foi encarregado de diferenciar quadros de EUS mostrando adenocarcinoma ductal pancreático (ADP) daqueles mostrando lesões de tumores neuroendócrinos pancreáticos. O LLM classificou com precisão 55,0% dos quadros, com sensibilidade e especificidade de 55,0%, de ADP.

Para DSOC, o estudo teve como objetivo avaliar a capacidade do ChatGPT em distinguir entre estenoses biliares malignas e benignas e identificar características morfológicas de malignidade biliar, como projeções papilares e vasos tumorais. Na análise de 40 imagens de estenoses biliares (20 malignas e 20 benignas), o modelo alcançou sensibilidade e especificidade de 55,0% para a detecção de estenoses malignas, rotulando corretamente 55,0% dos quadros. Para projeções papilares, o modelo identificou corretamente 25 de 39 quadros, com sensibilidade de 78,9% e especificidade de 50,0%. Ao detectar vasos tumorais em um conjunto de dados de 40 imagens, o LLM identificou corretamente 57,5% dos quadros, alcançando uma sensibilidade de 70,0% e uma especificidade de 45,0%.

O estudo avaliou o desempenho do ChatGPT-4 em 160 imagens de HRA, categorizadas por diferentes estágios do diagnóstico e tratamento de precursores de carcinoma espinocelular anal. Essas categorias incluíram imagens sem coloração, após coloração com ácido acético a 5%, após coloração com iodolugol e após procedimentos terapêuticos. Para as primeiras, o modelo rotulou corretamente 67,5% dos quadros, alcançando uma sensibilidade de 66,7% e uma especificidade de 68,4% para a identificação de lesões intraepiteliais escamosas de alto grau (HSIL). Após a coloração com ácido acético, o LLM identificou corretamente 11 das 20 imagens de HSIL (sensibilidade de 52,4%), com especificidade de 52,6% e precisão geral de 52,5%. Com a coloração com iodo lugol, o modelo rotulou corretamente 19 imagens (47,5% de precisão geral), alcançando 95,0% de sensibilidade, mas 0% de especificidade, visto que todas as imagens de lesão intraepitelial escamosa de baixo grau (LSIL) foram classificadas erroneamente como HSIL. Por fim, nas imagens de HRA após intervenções, o modelo classificou corretamente 20 imagens (50,0% de precisão geral), com sensibilidade e especificidade de 50,0% para detecção de HSIL.

Em conclusão, Saraiva e colaboradores (2025) avaliaram a capacidade do ChatGPT-4 de interpretar imagens médicas obtidas de técnicas diagnósticas na gastroenterologia. Apesar dos resultados reconhecíveis obtidos para análise de texto, os obtidos para análise de imagem permanecem abaixo do ideal. Refinamentos adicionais desses modelos são necessários antes que possam ser avaliados em um cenário clínico real.