Modelos de tomografia computadorizada baseados em inteligência artificial para a distinção entre tumores de Wilms e não-Wilms: revisão sistemática e meta-análise

Resumo Objetivo: Realizar revisão sistemática e meta-análise para avaliar a eficácia de modelos de inteligência artificial (IA) destinados a identificar tumores de Wilms em tomografias computadorizadas (TC). Métodos: Realizou-se uma busca nas bases de dados MEDLINE, Embase, Web of Science e Cochrane, conforme as diretrizes PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) 2020. Foram incluídos estudos diagnósticos utilizando TC baseada em IA para diagnosticar tumores de Wilms, desde que relatassem sensibilidade, especificidade e AUC. Estudos com dados incompletos ou ausência de texto completo foram excluídos. A análise estatística foi realizada no R (v4.3.3) utilizando modelo de efeitos aleatórios, com transformação logit para análise univariada e construção de curva SROC para análise bivariada. A heterogeneidade (I2 ≥ 40%) foi avaliada e explorada por análise de sensibilidade. Resultados: Foram incluídos quatro estudos (três da China e um da Turquia) com 177 pacientes com tumores de Wilms e 62 sem tumores de Wilms. A análise combinada de todos os modelos demonstrou sensibilidade de 63,9% (IC95%: 0,533–0,734), especificidade de 82,8% (IC95%: 0,716–0,902) e área sob a curva (AUC) de 0,831 (IC95%: 0,607–0,883). Conclusão: Este estudo demonstrou que modelos de IA exibem sensibilidade moderada e alta especificidade para identificar tumores de Wilms na TC, com uma AUC geral de 0,831. Esses resultados ressaltam o potencial promissor da IA como ferramenta de apoio no diagnóstico por imagem, embora o número limitado de estudos e a notável heterogeneidade metodológica justifiquem uma interpretação cautelosa e reforcem a necessidade de validação em populações maiores e mais representativas.