Sensibilidade e Especificiadade

Nenhum exame é perfeito. Qualquer método usado para chegar a um diagnóstico pode ter um resultado falso. Quem está doente pode receber um resultado Falso Negativo, e quem não é doente pode receber um resultado Falso Positivo.

Antes de começar a usar qualquer método para diagnóstico, seja um exame de laboratório, uma técnica de imagem ou mesmo um simples algoritmo semiológico, é preciso realizar uma pesquisa para estudar suas características, quantas vezes acerta e quantas vezes erra.

Isso é feito aplicando o exame em pessoas com a doença e sem a doença. Para os fins da pesquisa, a determinação de quem é doente ou não é feita usando algum outro exame, o melhor disponível, que costuma ser chamado padrão ouro (às vezes é uma biópsia, uma necropsia ou cultura.... Algo que defina a doença ou que seja muito confiável).

Os resultados são colocados em uma tabela como esta, que divide o grupo de doentes e o grupo de não doentes:

A probabilidade de dar positivo em quem é doente, é chamada de Sensibilidade. Ter alta sensibilidade quer dizer que quase todos os doentes são identificados. O exame é muito sensível à doença, captando qualquer sinal dela, então poucos doentes recebem um falso negativo, existem poucos falsos negativos! E, se existem poucos falsos negativos, quer dizer que um resultado negativo é muito confiável, então um exame muito sensível é ótimo para descartar uma doença.

A probabilidade de o resultado ser negativo em quem não é doente, é chamada de Especificidade. Uma alta especificidade significa que quase todos sem a doença recebem seu resultado negativo. O exame é muito específico para a doença, só fica positivo quando ela está presente, poucos não doentes recebem um resultado falso positivo, existem poucos falsos positivos! E se existem poucos falsos positivos, quer dizer que um resultado positivo é muito confiável, por isso um exame muito específico é excelente para confirmar uma doença.

Agora vamos visualizar essa mesma informação de outra forma.

Se o resultado desse exame for um valor numérico, podemos usar um histograma para visualizar a distribuição dos resultados do grupo de doentes e de não doentes. O pico da curva de cada grupo concentrando a maior frequência dos resultados, com uma frequência menor ao longo das caudas.

Nesse caso, percebo que a maioria do grupo dos doentes tem um resultado superior que a maior parte dos não doentes. Então podemos estabelecer um ponto de conte, a baixo desse valor considerar o resultado como negativo, e acima como positivo. Mas vão existir alguns doentes abaixo do limite, e alguns não doentes acima. Esse gráfico representa a mesma ideia que a tabela anterior, temos os verdadeiros positivos, os falsos negativos, os falsos positivos e os verdadeiros negativos.

O interessante de visualizar dessa forma é que aqui podemos ajustar o ponto de corte. Jogando para um lado, aumentamos o número de positivos (verdadeiros e falsos), quer dizer que isso vai aumentar a sensibilidade e diminuir a especificidade. Ajustando o corte para o outro lado, aumenta-se o número de negativos (verdadeiros e falsos), então ocorre o oposto, diminui a sensibilidade e aumenta a especificidade. Não é possível aumentar ambos dessa forma.

Para cada valor de sensibilidade, existe um de especificidade correspondente, então porque não fazer um gráfico com eles? Esse novo gráfico se chama Curva ROC (ou curva COR – Característica de Operação do Receptor). No eixo vertical temos a sensibilidade, e no horizontal a especificidade (1-especificidade na verdade...), de forma que o ponto que representa a máxima sensibilidade e especificidade (100% em cada) fica no canto superior esquerdo.

Curva ROC

Sempre que se segue a curva aumentando a sensibilidade, a especificidade diminui, e vice-versa, ilustrando exatamente o que aconteceu no histograma ao mudar o ponto de corte. Cada método diagnóstico diferente vai ter sua própria curva, seu próprio conjunto de valores de sensibilidade e especificidade correspondentes. O exame com a curva que ocupa uma área maior, mais próxima do pondo superior esquerdo, vai ter maiores valores de sensibilidade e especificidade, e por isso é considerado mais confiável. A Curva ROC é ótima para comparar os métodos diagnósticos!

Mas isso quer dizer que esse método é ‘melhor’ que os demais? Não exatamente... embora ele seja mais confiável, existem outros fatores a serem levados em consideração, como o custo ($), recursos necessários e disponíveis, se é invasivo, se necessita a infusão de alguma medicação ou contraste, se usa radiação... O melhor exame não é apenas o mais confiável, o padrão ouro, mas aquele que também se adequa às condições e necessidades do paciente.

Associando todos esses fatores, você pode escolher por exemplo, se deseja um exame rápido, barato e sensível para triar e descartar uma doença, ou um exame complexo e específico para confirmar o diagnóstico.

A sensibilidade e especificidade representam a probabilidade de receber um resultado de acordo com a condição inicial, elas te ajudam bastante na hora de escolher qual exame realizar, mas não devem ser usados diretamente para interpretar seus resultados. Para tanto, é preciso saber a probabilidade de ter a condição após o resultado, e o que lhe diz isso são os Valores Preditivos Positivo e Negativo. Mas isso é assunto para outro vídeo.

Obrigado, e até mais.