Revisão sistemática reúne evidências de 22 estudos e aponta que algoritmos já conseguem automatizar segmentação tumoral, otimizar planos de Gamma Knife e prever resposta ao tratamento com desempenho próximo ao de especialistas

A inteligência artificial começa a consolidar um novo papel na radiocirurgia estereotáxica dos schwannomas vestibulares. Uma revisão sistemática publicada no Asian Journal of Neurosurgery reuniu evidências de 22 estudos e concluiu que algoritmos de aprendizado de máquina e aprendizado profundo já demonstram capacidade para automatizar etapas críticas do tratamento, desde a identificação e segmentação do tumor até o planejamento da radiocirurgia e a previsão da resposta clínica após o procedimento.

Os autores analisaram pesquisas envolvendo diferentes aplicações da inteligência artificial na radiocirurgia com Gamma Knife e CyberKnife. Segundo a revisão, os resultados mostram ganhos consistentes em precisão, padronização dos planos terapêuticos e redução da carga de trabalho dos especialistas, embora a adoção clínica em larga escala ainda dependa de estudos prospectivos multicêntricos e validação regulatória.

Algoritmos alcançam desempenho semelhante ao de especialistas

Grande parte das pesquisas concentrou-se na segmentação automática dos schwannomas vestibulares em exames de ressonância magnética. Redes neurais convolucionais conseguiram delimitar os tumores com desempenho comparável ao das marcações realizadas manualmente por neurocirurgiões e neurorradiologistas, reduzindo significativamente o tempo necessário para essa etapa do planejamento.

Em um dos estudos analisados, a segmentação semiautomática reduziu o tempo médio de processamento de aproximadamente 479 para 167 segundos, mantendo níveis semelhantes de precisão. Outros trabalhos utilizaram aprendizado federado, estratégia que permite treinar modelos entre diferentes instituições sem compartilhar diretamente os dados dos pacientes, preservando a privacidade das informações clínicas.

Modelos antecipam resposta ao tratamento

Além do planejamento terapêutico, a inteligência artificial mostrou capacidade para prever a evolução dos tumores após a radiocirurgia. Modelos baseados em radiômica, que extraem centenas de características quantitativas das imagens de ressonância magnética, alcançaram acurácia de 88,4% na previsão do comportamento tumoral em longo prazo e de 85% na identificação de pseudoprogressão, fenômeno caracterizado pelo aumento transitório do volume tumoral após o tratamento, sem representar falha terapêutica.

A revisão também identificou estudos nos quais ferramentas de aprendizado de máquina conseguiram estimar, antes da radiocirurgia, quais pacientes apresentariam maior probabilidade de aumento temporário do tumor, informação considerada relevante para evitar intervenções desnecessárias durante o acompanhamento.

IA também participa do planejamento dosimétrico

Outro campo de avanço envolve o próprio planejamento da radiocirurgia. Algoritmos de aprendizado por reforço produziram planos dosimétricos para Gamma Knife com qualidade semelhante à elaborada por especialistas experientes. Segundo os autores, a tecnologia pode reduzir a variabilidade entre planejadores, otimizar a distribuição da dose de radiação e permitir que profissionais concentrem esforços em casos de maior complexidade.

Ferramentas também vêm sendo empregadas para corrigir distorções geométricas das imagens de ressonância magnética antes do planejamento, aumentando a precisão da definição dos alvos terapêuticos.

“A inteligência artificial mostrou potencial significativo para aprimorar diferentes aspectos do cuidado radiocirúrgico dos schwannomas vestibulares, desde o diagnóstico e o planejamento até o monitoramento longitudinal dos pacientes”, afirmam os autores.

O que limita a incorporação clínica?

Apesar dos resultados considerados promissores, os pesquisadores destacam que a implementação rotineira dessas tecnologias ainda enfrenta limitações importantes. Entre elas estão a necessidade de grandes bases de dados padronizadas, validação externa dos algoritmos, maior transparência nos modelos de decisão e integração segura aos fluxos clínicos.

A revisão conclui que a inteligência artificial não deve substituir o julgamento do neurocirurgião, mas atuar como ferramenta de suporte à decisão. “Com aperfeiçoamento contínuo e validação adequada, a IA tende a ampliar as capacidades dos radiosurgiões e melhorar os resultados para pacientes com schwannoma vestibular.”