IA no diagnóstico da SII: por que 99% de acurácia não é suficiente

Segundo relatos, a IA consegue diagnosticar a síndrome do intestino irritável (SII) com uma precisão próxima de 99%. Isso parece um avanço clínico. As evidências publicadas dizem algo mais restrito: seis estudos heterogêneos de caso-controle, 1.366 participantes no total e nenhuma validação externa em uma coorte prospectiva independente.

Uma revisão sistemática de 2025 de Bhagavathula et al. examinou 18.053 registros e encontrou apenas seis estudos que atenderam a seus critérios para diagnóstico de SII assistido por IA. Esses estudos usaram dados do microbioma fecal, compostos voláteis medidos por cromatografia gasosa, neuroimagem ou atividade de protease. Seu desempenho relatado variou de moderado a muito alto, com modelos de floresta aleatória baseados no microbioma fecal relatando a maior área sob a curva (AUC), de até 0,98 a 0,99.

Esses números descrevem experimentos iniciais de desenvolvimento de modelos, não um teste diagnóstico pronto para uma clínica de gastroenterologia. A distinção não é preciosismo. Ela determina se um modelo ajuda um paciente ou o classifica com confiança na categoria errada.

O que a cifra de 99% realmente mede

Todos os seis estudos sobre SII usaram delineamentos de caso-controle. Os pesquisadores selecionaram pessoas já classificadas como tendo SII e as compararam com controles; depois, treinaram e testaram modelos em dados extraídos dessa população de origem. Isso pode responder a uma questão técnica interessante: um algoritmo consegue encontrar padrões que separam esses dois grupos neste conjunto de dados? Não pode estabelecer que o modelo funcionará para um novo paciente com dor abdominal, uso de medicamentos, mudanças na dieta, condições sobrepostas e diagnóstico incerto.

A revisão encontrou variação suficiente nos biomarcadores, nas arquiteturas dos modelos, nos métodos e na qualidade dos relatos para que os resultados não pudessem ser combinados em uma metanálise. Uma floresta aleatória treinada com características do microbioma não é diretamente comparável a uma máquina de vetores de suporte treinada com dados de neuroimagem ou a uma rede neural artificial treinada com compostos voláteis. As avaliações de qualidade da revisão, usando os referenciais QUADAS-2, PROBAST-AI e TRIPOD-AI, identificaram variabilidade metodológica substancial e pediram protocolos de validação padronizados e estudos prospectivos multicêntricos.

Uma AUC de 0,99 em uma parte reservada de um conjunto de dados de origem não significa que um teste tenha 99% de precisão diagnóstica no mundo real.

Mais importante ainda, nenhum dos seis estudos usou validação externa: testar um modelo concluído em uma coorte de pacientes coletada separadamente. Essa é a verificação básica para saber se um modelo aprendeu um sinal relacionado à SII, em vez dos hábitos, métodos laboratoriais, população local ou particularidades acidentais de seu conjunto de dados original.

Pequenos conjuntos de dados encontram uma biologia de alta dimensionalidade

Os seis estudos incluíram 1.366 participantes em conjunto, ou cerca de 228 por estudo, em média. Essa é uma base frágil para modelos treinados com dados de biomarcadores de alta dimensionalidade. O sequenciamento do microbioma pode produzir centenas ou milhares de características microbianas candidatas. Um modelo com muito mais entradas potenciais do que pacientes pode ajustar-se ao ruído, especialmente quando os pesquisadores ajustam repetidamente o modelo em um pequeno conjunto de dados.

Florestas aleatórias podem ser ferramentas úteis, mas não transformam uma amostra limitada em uma grande. Sem validação independente, um resultado interno marcante pode refletir parcialmente sobreajuste: o modelo aprendeu os padrões microbianos de uma coorte, incluindo características não relacionadas a uma assinatura estável de SII.

A geografia acrescenta outro problema. Os estudos vieram do Reino Unido, da China e do Japão. A composição do microbioma difere entre populações e dietas habituais, portanto um modelo desenvolvido em um contexto pode não se generalizar bem para outro. Nenhum estudo desta base de evidências testou diretamente essa questão.

O problema da dieta baixa em FODMAPs

Os estudos sobre microbioma sustentam os números de precisão das manchetes, mas o microbioma também responde fortemente ao tratamento. Uma revisão sistemática e metanálise de 2025 de Chu et al. incluiu 10 ensaios clínicos randomizados com 590 participantes e constatou que uma dieta baixa em FODMAPs alterou medidas da microbiota intestinal em comparação com dietas habituais. A revisão relatou alterações envolvendo Bifidobacterium e Akkermansia e menor riqueza microbiana geral.

Isso importa porque uma dieta baixa em FODMAPs é uma intervenção dietética comumente usada para SII. Se pessoas com SII mudaram o que comem antes de fornecer uma amostra de fezes, um algoritmo pode aprender padrões de exposição à dieta ou de resposta ao tratamento juntamente com — em vez de separadamente de — o status de SII. Os estudos disponíveis de IA para SII não padronizaram nem controlaram o estado dietético no momento da coleta de amostras.

Isso não prova que os modelos de microbioma tenham apenas detectado dietas baixas em FODMAPs. Identifica um importante fator de confusão ainda não resolvido. Um estudo prospectivo poderia abordá-lo registrando cuidadosamente a dieta, incluindo participantes sem tratamento prévio quando apropriado e testando o modelo em populações independentes. Nenhum dos estudos publicados fez isso.

Por que a prevalência muda a questão clínica

Conjuntos de dados de caso-controle frequentemente contêm números aproximadamente equilibrados de casos e controles. As clínicas não. A revisão descreve uma prevalência de SII de cerca de 10% a 15% no contexto clínico relevante. Quando a prevalência da doença cai, o valor preditivo positivo também cai, mesmo que a sensibilidade e a especificidade permaneçam inalteradas.

Considere um teste hipotético com 95% de sensibilidade e 95% de especificidade usado entre 1.000 pessoas, das quais 10% têm SII. Ele identificaria 95 das 100 pessoas com SII, mas também sinalizaria incorretamente 45 das 900 pessoas sem SII. Cerca de um terço dos resultados positivos seria falso-positivo. Esse cálculo não descreve nenhum modelo específico de IA para SII; ele mostra por que a precisão em conjuntos de dados equilibrados não pode substituir uma validação clinicamente relevante.

Uma revisão de 2023 de Palmieri et al. sobre aplicações de IA e big data na medicina de transplantes discute a lacuna mais ampla entre contextos controlados de desenvolvimento e desempenho no mundo real. A lição se aplica com cautela, mas diretamente: um modelo requer validação no contexto em que os clínicos pretendem usá-lo, com a prevalência, a composição de casos e o fluxo de trabalho desse contexto.

A SII também não tem um padrão de referência biológico claro

A SII continua sendo um diagnóstico definido por sintomas. Os estudos de IA classificaram os casos usando os critérios de Roma, o mesmo referencial clínico que os modelos teoricamente complementariam ou substituiriam. Isso cria um problema de circularidade. Um modelo pode se tornar muito bom em reproduzir um rótulo baseado em Roma sem provar que encontrou um diagnóstico biológico mais preciso.

A questão é conhecida em outros campos de diagnóstico por IA. Uma revisão sistemática de 2023 sobre IA para seleção de embriões encontrou desempenho comparativo promissor, mas concluiu que o uso clínico requer validação adicional. Uma revisão de 2022 sobre aprendizado de máquina para transtorno bipolar encontrou heterogeneidade substancial entre modelos biológicos, clínicos e neuropsicológicos. Essas condições diferem da SII, mas ambos os exemplos ilustram a dificuldade de converter métricas impressionantes de desenvolvimento em decisões clínicas confiáveis quando o diagnóstico-alvo não tem um único biomarcador definitivo.

A IA tem desempenho especialmente bom quando a tarefa possui um alvo estável e bem definido, além de dados grandes e representativos. Por exemplo, o sistema de tuberculose baseado em TC de Yan et al. abordou um problema estruturado de imagem. A SII é diferente: é uma síndrome definida por sintomas, seus biomarcadores candidatos variam com a dieta e a geografia, e seu padrão de referência é clínico.

O que tornaria crível um teste de IA para SII?

Um estudo útil incluiria pacientes consecutivos que se apresentassem com sintomas relevantes, registraria a dieta e o estado do tratamento, pré-especificaria o modelo e o validaria prospectivamente em locais e populações independentes. Relataria sensibilidade, especificidade, valores preditivos positivo e negativo, calibração e as consequências de resultados falso-positivos e falso-negativos em uma prevalência realista. Também precisaria mostrar que o modelo melhora uma decisão importante para o paciente além de uma avaliação cuidadosa pelos critérios de Roma e de investigação apropriada de sinais de alarme.

Por enquanto, o diagnóstico de SII baseado em IA é um tema de pesquisa, não uma ferramenta clínica. Pessoas com suspeita de SII devem buscar uma avaliação clínica padrão, com os critérios de Roma usados no contexto e investigação adicional quando os sintomas ou sinais de alerta a justificarem. Um teste estruturado de dieta baixa em FODMAPs pode ajudar alguns pacientes, mas também deve tornar os pesquisadores mais cautelosos ao tratar o microbioma fecal como uma impressão digital fixa da doença. A literatura atual contém seis conjuntos de dados-piloto, não a prova de que um algoritmo consegue diagnosticar SII no mundo real.