Desempenho diagnóstico da inteligência artificial na detecção de disseminação peritoneal e do intestino delgado no câncer epitelial de ovário usando TC com contraste pré-operatória

Por que identificar a disseminação oculta importa

Para mulheres com câncer de ovário, o que os médicos conseguem ver no abdome antes da cirurgia pode ser a diferença entre uma operação curativa e um procedimento extenso que ainda deixa tumor residual. Depósitos minúsculos de câncer que revestem o peritônio e a superfície do intestino delgado são especialmente problemáticos. Eles são difíceis de detectar em exames de rotina e podem impedir que os cirurgiões removam toda a doença com segurança. Este estudo investiga se a inteligência artificial (IA) pode interpretar tomografias computadorizadas com contraste padrão de forma mais eficaz que o olho humano para encontrar essa disseminação oculta e orientar planos de tratamento mais seguros e inteligentes.

Como o câncer de ovário se espalha silenciosamente

O câncer epitelial de ovário frequentemente passa despercebido até que tenha semeado o abdome com pequenas placas tumorais. Esses depósitos podem cobrir o revestimento interno da cavidade abdominal e as superfícies dos órgãos, incluindo as delicadas alças do intestino delgado. Quando a carga tumoral é muito alta ou envolve áreas críticas, os cirurgiões podem não conseguir remover toda a doença visível, mesmo com operações extensas. Ainda assim, a sobrevida é melhor quando nenhum tumor é deixado para trás. Hoje, os médicos dependem da TC para estimar até onde o câncer se espalhou, mas detectar pequenas lesões — especialmente no intestino delgado, que se move e é dobrado — é difícil. Em alguns casos, os cirurgiões precisam realizar uma operação exploratória apenas para decidir se a ressecção completa do tumor é possível.

Ensinando computadores a ler os exames

A equipe de pesquisa reuniu tomografias computadorizadas com contraste de 227 mulheres tratadas por câncer de ovário, trompa ou peritônio primário em dois hospitais, totalizando 254 conjuntos de exames. Para cada paciente, sabiam-se, a partir da cirurgia, se havia disseminação no peritônio e no intestino delgado. Usando esses resultados do mundo real como “gabarito”, os autores treinaram dois sistemas de deep learning. Um, o P-Model, aprendeu a julgar se as superfícies peritoneais em geral apresentavam depósitos tumorais. O outro, o SB-Model, focou especificamente na disseminação envolvendo o intestino delgado. Ambos os sistemas foram construídos sobre um projeto de rede neural compacto, adequado para imagens médicas, e foram treinados e testados repetidamente em diferentes agrupamentos de pacientes para verificar a estabilidade de seu desempenho.

Quão bem a IA realmente se saiu

Quando testada em exames não vistos, a IA mostrou precisão promissora. Para disseminação peritoneal global, o P-Model identificou corretamente os casos em cerca de três quartos das vezes, com sensibilidade em torno de dois terços e especificidade acima de quatro quintos. Em termos práticos, ele deixou passar alguns casos positivos, mas gerou relativamente poucos alarmes falsos. O sistema do intestino delgado teve desempenho ainda melhor: o SB-Model classificou corretamente mais de quatro em cada cinco pacientes, detectando cerca de 86% daqueles com envolvimento do intestino delgado enquanto ainda tranquilizava corretamente cerca de 77% dos que não tinham. Esse nível de sensibilidade supera claramente o desempenho modesto relatado para a leitura padrão da TC em estudos anteriores, nos quais pequenos depósitos intestinais frequentemente passavam despercebidos.

Quando o computador teve dificuldades

Os pesquisadores também examinaram situações em que a IA teve desempenho ruim, definido como estar correta em no máximo um quarto de suas decisões para um dado paciente. Curiosamente, radiologistas humanos também tiveram dificuldade em muitos desses mesmos casos, sugerindo que alguns padrões nos exames são inerentemente difíceis de interpretar. A equipe constatou que a IA tendia a superestimar a disseminação quando grandes volumes de líquido preenchiam o abdome e os marcadores tumorais no sangue eram muito altos, e às vezes subestimava a doença quando a carga tumoral e o volume de líquido eram baixos. Esse padrão indica que o sistema pode ter aprendido a depender fortemente de pistas visuais, como líquido ao redor dos intestinos, que nem sempre correspondem de forma direta à quantidade real de tumor presente.

O que isso pode significar para o cuidado das pacientes

Apesar de suas limitações, o estudo mostra que um assistente de IA lendo tomografias comuns pode melhorar de forma significativa a detecção de disseminação tumoral sutil, particularmente no intestino delgado, onde os radiologistas atualmente têm menos confiança. Se testadas e refinadas adicionalmente, essas ferramentas poderiam ajudar os médicos a decidir com mais precisão quem provavelmente se beneficiará de uma cirurgia agressiva inicial e quem pode se sair melhor com quimioterapia antes da operação. Os autores enfatizam que a IA não substituirá o julgamento de especialistas nem a cirurgia exploratória em todos os casos, mas pode tornar-se um poderoso conjunto de olhos adicionais, transformando exames existentes em um mapa mais confiável para cirurgias complexas de câncer.

Citação: Kim, R., Seki, T., Noda, K. et al. Diagnostic performance of artificial intelligence for detecting peritoneal and small bowel dissemination in epithelial ovarian cancer using preoperative contrast-enhanced CT imaging. Sci Rep 16, 8739 (2026). https://doi.org/10.1038/s41598-026-41728-4

Palavras-chave: câncer de ovário, inteligência artificial, imagens de TC, metástase peritoneal, disseminação do intestino delgado