Commercial AI for Opportunistic Detection of Vertebral Compression Fractures on Routine CT: A Systematic Review of Diagnostic Performance and Clinical Yield

Resumo Técnico: IA Comercial para Detecção Oportunista de Fraturas de Compressão Vertebral em TC de Rotina

Definição do Problema
As fraturas de compressão vertebral (FVV) são as fraturas osteoporóticas mais comuns globalmente, acarretando riscos significativos de aumento da mortalidade e de fraturas subsequentes. Apesar disso, as tomografias computadorizadas (TC) de rotina realizadas por outras indicações clínicas (ex: pulmonares, abdominais ou oncológicas) frequentemente falham em relatar FVV de moderadas a graves. A literatura indica que 38–63% dessas fraturas passam despercebidas porque a atenção do radiologista é direcionada à indicação clínica primária, e não à coluna vertebral. Embora softwares de Inteligência Artificial (IA) comercialmente disponíveis tenham surgido para abordar essa "lacuna de detecção" via triagem oportunística, as evidências sobre o desempenho diagnóstico e o rendimento no mundo real desses produtos permanecem fragmentadas entre diferentes produtos, populações e contextos de estudo. Há uma carência de dados sintetizados sobre se essas ferramentas com aprovação regulatória detectam de forma confiável fraturas incidentais e se sua implementação se traduz em ação clínica.

Metodologia
Este estudo é uma revisão sistemática conduzida de acordo com as diretrizes PRISMA 2020 e registrada no PROSPERO (CRD420261423256).

• Estratégia de Busca: Uma busca abrangente foi realizada nas bases PubMed, Scopus e Web of Science (1º de janeiro de 2020 – 31 de maio de 2026) por publicações originais revisadas por pares.
• Critérios de Inclusão: Os estudos devem avaliar softwares de IA comercialmente disponíveis e com aprovação regulatória (FDA/CE) para detecção de FVV em TC de rotina em pacientes adultos. Os estudos exigiam um padrão de referência válido (consenso de radiologistas especialistas ou graduação padronizada) e métricas diagnósticas quantitativas.
• Critérios de Exclusão: Algoritmos não comerciais, ferramentas exclusivas de pesquisa, modalidades de RM/Raio-X/DXA, resumos de conferências sem dados e estudos sem métricas de acurácia diagnóstica foram excluídos.
• Síntese de Dados: Oito estudos atenderam aos critérios de inclusão, abrangendo 6.182 pacientes ou exames de TC. Devido à substancial heterogeneidade no desenho dos estudos, populações de pacientes, plataformas de IA e métricas de desfecho, uma meta-análise formal não foi realizada. Em vez disso, foi realizada uma síntese narrativa estruturada.
• Avaliação de Viés: O risco de viés foi avaliado utilizando a ferramenta QUADAS-2, focando na seleção de pacientes, teste índice, padrão de referência e fluxo/tempo.

Principais Contribuições

• Avaliação de Plataformas: A revisão avalia quatro plataformas específicas de IA comercial: Nanox HealthVCF (anteriormente Zebra HealthVCF), IB Lab FLAMINGO, Avicenna.AI CINA-VCF e Nanox HealthOST.
• Quantificação da Lacuna de Detecção: A revisão quantifica sistematicamente a discrepância entre os laudos radiológicos de rotina e a detecção por IA, confirmando que os laudos clínicos perdem uma proporção substancial de fraturas.
• Estratificação de Desempenho: A análise diferencia o desempenho com base na gravidade da fratura (grades de Genant), limiares de detecção e a unidade de análise (nível do paciente vs. nível do exame vs. nível da vértebra).
• Identificação de Lacunas de Evidência: A revisão destaca que, embora o desempenho de detecção diagnóstica esteja documentado, nenhum estudo incluído avaliou os desfechos dos pacientes (ex: início de tratamento, mortalidade) como um desfecho primário, limitando as alegações quanto ao benefício clínico.

Resultados

• Desempenho Diagnóstico:
  • Sensibilidade: A sensibilidade ao nível do paciente para fraturas clinicamente acionáveis (Grau de Genant ≥ 2) variou de 65% a 95% entre as plataformas. O desempenho foi geralmente maior para deformidades graves (Grau 3 de Genant) e mais variável para fraturas moderadas.
  • Especificidade e VPP Negativo: A especificidade foi consistentemente alta (87%–99%), e os Valores Preditivos Negativos (VPN) variaram de 89% a 98%, sugerindo uma baixa taxa de fraturas perdidas quando a IA retorna um resultado negativo.
  • Variabilidade do VPP: Os Valores Preditivos Positivos (VPP) variaram significativamente (44%–98%), impulsionados principalmente pela prevalência de fraturas específica da coorte, e não pelo desempenho do algoritmo.
• Taxas de Erro do Radiologista: Em estudos comparando a IA com laudos de rotina, os laudos radiológicos clínicos perderam entre um terço e dois terços das fraturas moderadas a graves. A IA identificou consistentemente a maioria desses casos perdidos. Por exemplo, em um estudo, os laudos de rotina documentaram apenas 36,7% das fraturas confirmadas, enquanto a IA recuperou 88,2% dos casos não detectados.
• Dependência da Gravidade: A sensibilidade melhorou conforme a gravidade da fratura aumentava. Por exemplo, um estudo mostrou a sensibilidade subindo de 89,7% para fraturas de Grau 2 para 99,0% para Grau 3.
• Risco de Viés: O domínio "Teste Índice" foi classificado como baixo risco em todos os estudos. No entanto, houve preocupações em "Seleção de Pacientes" (enriquecimento de coorte), "Padrão de Referência" (verificação não independente em alguns estudos) e "Fluxo e Tempo" (designs retrospectivos, exclusões de falha de algoritmo). Um estudo (Behanova 2026) foi classificado como alto risco porque seu padrão de referência inicial (laudos de rotina) falhou em identificar fraturas verdadeiras que foram posteriormente confirmadas por reavaliação de especialistas.

Significância e Alegações
O artigo conclui que as ferramentas de IA comercialmente disponíveis para detecção oportunista de FVV em TC de rotina identificam com sucesso fraturas sistematicamente perdidas nos laudos de rotina, demonstrando alta especificidade e valores preditivos negativos. No entanto, os autores enfatizam várias limitações críticas:

1. Natureza Retrospectiva: Todas as avaliações incluídas foram retrospectivas; nenhum estudo estabeleceu se a implementação da IA melhora os desfechos dos pacientes (ex: taxas de tratamento ou mortalidade).
2. Variabilidade de Fraturas Moderadas: O desempenho é mais forte para deformidades graves, mas mais variável para fraturas moderadas, que são as mais contestadas clinicamente em relação às decisões de tratamento.
3. Modelo de Implementação: As evidências apoiam um modelo de "auxílio de triagem supervisionada", onde a IA sinaliza resultados para revisão do radiologista antes da ação clínica, em vez de uma ferramenta diagnóstica autônoma.
4. Contexto Regulatório: Embora as plataformas avaliadas possuíssem aprovação regulatória no momento do estudo, os autores observam que o status de aprovação e as indicações aprovadas devem ser verificados localmente antes da implementação.

O artigo afirma que essas ferramentas podem ser integradas em vias estruturadas de cuidado à osteoporose para fechar a lacuna de detecção, mas estudos de desfecho prospectivos com relatórios padronizados são necessários antes que a adoção clínica ampla possa ser recomendada.