IA detecta bipolar disorder em prontuários de pacientes com diagnósticos afetivos com AUC 0.93
Preprint de acurácia diagnóstica no medRxiv: modelo em prontuários com AUC 0.93, sensibilidade 96.4% e especificidade 84.4%.
IA detecta bipolar disorder em prontuários de pacientes com diagnósticos afetivos com AUC 0.93
Original title: Artificial intelligence for detecting bipolar disorder in electronic health records of patients with affective diagnoses: a diagnostic accuracy study
Authors: Eugenio Ferro, Natalia Castaño-Villegas, Manuel F. Esteban Cárdenas, María Gómez Puentes, Carlos Torres-Delgado, Laura Ortiz Calderon, Katherine Monsalve, José Zea
Venue: medRxiv preprint — manuscript ID 2026.05.07.26352679v1
Status: Preprint, under journal review
Headline metrics: n=500 EHRs; validation subset n=100; AUC 0.93; sensitivity 96.4% (95% CI: 87.7–99.0); specificity 84.4% (95% CI: 71.2–92.3); domain-level concordance 91.3% (95% CI: 89.9–92.6); 36.4% of 387 patients without prior bipolar diagnosis newly classified as at risk
Este estudo de acurácia diagnóstica avaliou inteligência artificial para detectar bipolar disorder em prontuários eletrônicos de pacientes com diagnósticos afetivos. O conjunto relatado incluiu n=500 prontuários e um subconjunto de validação de n=100, seguindo STARD 2015 e TRIPOD-AI.
As métricas principais incluem AUC 0.93, sensibilidade 96.4% (IC 95%: 87.7–99.0), especificidade 84.4% (IC 95%: 71.2–92.3) e concordância por domínio 91.3% (IC 95%: 89.9–92.6). Entre 387 pacientes sem diagnóstico bipolar prévio, 36.4% foram recém-classificados como em risco.
Source
https://www.medrxiv.org/content/10.64898/2026.05.07.26352679v1