IA na avaliação da osteoartrite

A osteoartrite (OA) afeta cerca de 4% da população global e é responsável por limitações funcionais significativas, especialmente em idosos. Embora tradicionalmente vista como uma doença degenerativa, estudos mostraram que a OA está associada a uma taxa elevada de mortalidade.

Estima-se que até 80% dos indivíduos acima de 65 anos apresentem sinais radiográficos de osteoartrite. Contudo, os sintomas clínicos costumam se manifestar antes que essas alterações sejam detectáveis por imagem, o que torna o diagnóstico precoce fundamental.

A classificação de Kellgren-Lawrence é amplamente utilizada para definir a gravidade da OA e orientar o tratamento. No entanto, a avaliação radiográfica manual é demorada e suscetível a erros. Nesse sentido, algoritmos de inteligência artificial (IA) têm se mostrado promissores na detecção e classificação da OA por meio de diferentes modalidades de imagem, atingindo altos níveis de acurácia e superando especialistas humanos em algumas tarefas diagnósticas.

Diante disso, Mohammadi e colaboradores (2024) realizaram uma revisão sistemática e meta-análise para avaliar o desempenho desses algoritmos em comparação com médicos especialistas e médicos assistidos por IA na detecção e classificação da OA.

Foi realizada uma busca sistemática nas bases PubMed e Scopus para identificar estudos publicados até abril de 2022. Foram também conduzidas análises de subgrupos com base na articulação envolvida, além de uma meta-regressão com múltiplos parâmetros, a fim de identificar possíveis fontes de heterogeneidade entre os estudos. O risco de viés foi avaliado por meio da ferramenta Prediction Model Study Risk of Bias Assessment Tool, conforme as diretrizes específicas de relato para estudos de modelos preditivos.

A revisão sistemática incluiu 61 estudos, com foco predominante em radiografias de membros inferiores, especialmente joelhos. Entre eles, 51 utilizaram radiografias, 11 usaram ressonância magnética (RM), 3 empregaram tomografia computadorizada (TC), e alguns combinaram mais de uma modalidade de imagem. Em termos de avaliação metodológica, a validação interna foi predominante, sendo a validação externa observada em apenas 9 estudos.

As métricas de desempenho mais utilizadas nos estudos incluídos foram sensibilidade, especificidade, acurácia, AUC, valores preditivos e F1-score. A meta-análise revelou que os algoritmos de IA apresentaram desempenho comparável ao de clínicos na validação interna (sensibilidade de 88% vs. 80%; especificidade de 81% vs. 79%). Na validação externa, a tecnologia demonstrou desempenho elevado em relação à interna (sensibilidade de 94%; especificidade de 91%). Entretanto, não foi possível realizar uma análise comparativa com os clínicos nesse cenário, pois apenas um estudo avaliou seu desempenho na validação externa, com acurácia de 97%, o que limitou conclusões sobre sua superioridade.

A meta-regressão mostrou que fatores como avaliação de membros inferiores, uso de grupo comparativo e localização da patologia aumentaram a sensibilidade, ao passo que o uso de transfer learning e data augmentation a reduziram.

A análise por subgrupos revelou que, em estudos focados no joelho, a IA obteve sensibilidade de 89% e especificidade de 76%; para quadril, 88% e 90%; e para articulação temporomandibular, 84% e 82%.

Apesar dos resultados promissores, os autores sugeriram que estudos futuros incluíssem amostras maiores, validação externa robusta e clínicos com experiência prática para avaliar com mais precisão o papel da IA na prática clínica. Além do desempenho diagnóstico, aspectos como interpretabilidade e estimativa de incerteza dos modelos de IA que também devem ser explorados.

Em resumo, os pesquisadores constataram que algoritmos de IA apresentam desempenho diagnóstico comparável ao de médicos na detecção e classificação da osteoartrite, com potencial superior em cenários de validação externa. Diante disso, a tecnologia deve ser considerada como uma ferramenta de apoio ao médico, atuando como leitor primário ou secundário. O julgamento clínico, fundamentado na experiência, capacidade de contextualização e individualização do tratamento, permanece insubstituível e central na tomada de decisões.