OBJETIVO: Esta revisão sistemática e meta-análise teve como objetivo avaliar a precisão diagnóstica de modelos de inteligência artificial (IA) na detecção de fluido livre abdominal por ultrassonografia em ambientes de emergência e cuidados críticos. Dada a crescente demanda por avaliações rápidas e precisas em atendimentos de trauma, modelos baseados em IA podem melhorar a eficiência diagnóstica, especialmente em configurações de ponto de cuidado.
MÉTODOS: Foi realizada uma busca abrangente nas bases de dados PubMed, Cochrane Library e Embase até julho de 2024, seguindo as diretrizes PRISMA-DTA. Foram incluídos estudos observacionais e randomizados que relataram resultados de precisão diagnóstica (sensibilidade, especificidade) de modelos de IA para detecção de fluido livre abdominal usando ultrassonografia em casos de emergência. Dados chave extraídos incluíram características dos estudos, demografia dos pacientes, detalhes dos modelos de IA e resultados diagnósticos. A qualidade dos estudos foi avaliada com a ferramenta QUADAS-2. Meta-análises com modelos de efeitos aleatórios calcularam sensibilidade, especificidade e a curva SROC.
RESULTADOS: Seis estudos com mais de 2.000 participantes foram incluídos. Sensibilidade agrupada foi 0,916 (IC 95%: 0,784-0,970), especificidade foi 0,941 (IC 95%: 0,878-0,972), e a curva SROC teve AUC de 0,965 (IC 95%: 0,906-0,979). A análise leave-one-out confirmou a robustez dos resultados.
CONCLUSÃO: Modelos de IA demonstram alta precisão diagnóstica na detecção de fluido livre abdominal por ultrassonografia em ambientes de emergência, com potencial para aprimorar a precisão diagnóstica no atendimento de trauma e não-trauma.
Palavras-chave: Inteligência Artificial; Abdome; Avaliação Sonográfica Focada no Trauma; emergências.