Sistema de IA Detecta 15 Cânceres de Fígado Não Diagnosticados em Ensaio Clínico com 10.000 Pacientes

Malignidades hepáticas, incluindo carcinoma hepatocelular e doença metastática, são predominantemente doenças do envelhecimento e frequentemente avaliadas por tomografia computadorizada com contraste (CE-CT). Diagnósticos perdidos ou tardios acarretam consequências graves para a sobrevida, tornando as redes de segurança diagnóstica escaláveis uma necessidade crítica não atendida em oncologia e medicina da longevidade.

Pesquisadores desenvolveram o LiON (Liver DiagnOsis Network), um sistema de IA projetado para processar exames de CE-CT com entrada multifásica flexível, integrar dados clínicos e se encaixar perfeitamente nos fluxos de trabalho radiológicos existentes. O LiON foi treinado em 6.443 pacientes e validado retrospectivamente em uma coorte combinada de 22.251 pacientes provenientes de ambientes multicêntricos e do mundo real, incluindo populações com esteatose hepática e cirrose — duas condições hepáticas comuns relacionadas ao envelhecimento que complicam o diagnóstico.

Na validação retrospectiva, o LiON alcançou uma AUC de 0,975 (IC 95%: 0,971–0,979) para o diagnóstico de malignidade. O desempenho manteve-se robusto no subgrupo com esteatose (AUC 0,971) e no subgrupo com cirrose (AUC 0,924), ambos contextos clinicamente desafiadores nos quais leitores humanos frequentemente encontram dificuldades.

A equipe então conduziu um ensaio clínico prospectivo de braço único envolvendo 10.333 pacientes na prática clínica de rotina. O LiON foi implantado como um leitor de IA adicional ao lado dos radiologistas. O ensaio atingiu seu desfecho primário com uma AUC de 0,952 (IC 95%: 0,942–0,961). Notavelmente, a colaboração humano-IA identificou 51 lesões anteriormente negligenciadas, das quais 15 foram confirmadas como malignas. Isso resultou em 37 laudos radiológicos revisados, 22 escalações para equipes multidisciplinares e mudanças diretas no manejo clínico em um subgrupo de pacientes.

Esses resultados sugerem que a radiologia aumentada por IA pode reduzir materialmente as falhas diagnósticas no câncer de fígado — uma doença em que a detecção precoce se traduz diretamente em mais opções de tratamento e melhor sobrevida. As ressalvas incluem o desenho de braço único, a predominância de dados de hospitais chineses que limita a generalizabilidade global e a ausência de um braço de controle randomizado para quantificar o impacto na sobrevida. O resumo é baseado apenas no abstract.