Pílula 31 · Módulo 1

Valor preditivo (VPP e VPN)

Valor preditivo é a chance de o resultado de um teste ou de uma IA estar certo: VPP para o positivo, VPN para o negativo. Ele muda com a prevalência.

Xdiag
Xdiag® Tecnologias
Módulo 1 · 2026
Pílula de Conhecimento
Valor preditivo
VPP e VPN · a chance de o resultado estar certo
O número do folder só vale para o seu paciente se a prevalência for parecida.
Definição
Valor preditivo é a chance de o resultado de um teste ou de uma IA estar certo: VPP para o positivo, VPN para o negativo. Ele muda com a prevalência.
O medidor de prevalência — toque numa posição
A sensibilidade (93,3%) e a especificidade (92,4%) abaixo são as do comunicado do fabricante de uma IA para nódulo pulmonar (15/10/2026). As contas são um exercício desta pílula, feitas com a fórmula apresentada por Altman e Bland (BMJ, 1994), e não o desempenho medido da ferramenta em nenhum serviço. Elas supõem que a sensibilidade e a especificidade não mudam de um grupo para outro.
28
verdadeiros positivos
2
cânceres perdidos
74
falsos positivos
896
negativos corretos
VPP
27,5%
VPN
99,8%
Em 1.000 pessoas. Pouco mais de 1 em cada 4 positivos é câncer.
IA na Medicina — ICS & Xdiag®xdiag.com.br
Xdiag
Xdiag® Tecnologias
Pílula de Conhecimento — Módulo 1
Valor preditivo:
o 99,9% vale no seu paciente?
Sensibilidade e especificidade dizem como a ferramenta se comporta em quem tem e em quem não tem a doença. Na consulta, a pergunta é a inversa: o resultado deu positivo (ou negativo), qual a chance de estar certo? Isso é o valor preditivo, e ele depende de quantos doentes há no grupo testado. Por isso, Altman e Bland escrevem que o valor preditivo observado num estudo não vale universalmente. Quando um anúncio traz um VPN alto, ele convida a dispensar o seguimento.
A analogia
Imagine o mesmo exame físico feito em dois lugares: no pronto-socorro de referência em cardiologia e na triagem de uma feira de saúde. O sopro que você ausculta é o mesmo, com o mesmo estetoscópio, mas a chance de ele significar doença é muito maior no primeiro lugar, porque lá há mais doentes. A IA funciona igual: o que ela “acerta” num positivo depende de quem chegou até ela.
Os quatro números
Sensibilidade
Dos que têm a doença, quantos a IA marca como positivos.
Especificidade
Dos que não têm, quantos a IA marca como negativos.
VPP
Valor preditivo positivo: dos que deram positivo, quantos têm a doença.
VPN
Valor preditivo negativo: dos que deram negativo, quantos não têm.
Os dois primeiros olham a partir da doença; os dois últimos, a partir do resultado, que é o que o médico tem nas mãos. A prevalência, a proporção de doentes no grupo testado, é a probabilidade antes do teste; o VPP e o VPN são a probabilidade depois dele.
Como resumem Altman e Bland (BMJ, 1994)
Quanto mais rara a doença, mais se pode confiar que um negativo indica ausência de doença, e menos que um positivo indica doença. No exemplo deles, uma cintilografia de fígado tinha VPP de 0,88 num estudo em que 75% dos pacientes tinham a alteração; usada num grupo com 25% de alteração, o VPP cairia para 0,45 e o VPN subiria para 0,95. Quando a doença é muito rara, dizem eles, o VPP fica longe de 1 mesmo com sensibilidade e especificidade altas; por isso, no rastreio da população geral, é inevitável que muitos positivos sejam falsos.
Sensibilidade e especificidade descrevem a ferramenta. VPP e VPN descrevem a ferramenta aplicada a um grupo.
O caso da semana
Em 15/10/2026, a eyonis Inc., subsidiária americana da Median Technologies, anunciou que vai apresentar no congresso CHEST 2026 (18 a 21/10/2026) o estudo que sustenta os números de desempenho do eyonis® LCS, IA que detecta e classifica nódulos pulmonares na tomografia de baixa dose e que recebeu 510(k) da FDA em 06/02/2026. O comunicado fala em 93,3% de sensibilidade, 92,4% de especificidade e 99,9% de VPN, numa coorte de 2.163 pacientes que a empresa descreve como representativa de uma população de rastreio.
De onde vêm esses números:
Teste de desenvolvimento
Os mesmos números (2.163 pacientes, AUC de 0,977, 93,3% e 92,4%) aparecem numa apresentação da empresa de 07/11/2024, como o teste de “valores do fabricante”, de maio de 2024: 136 cânceres e 2.027 casos benignos (6,3% de câncer), com dados das mesmas bases públicas (NLST e LIDC/IDRI) usadas no treino. A apresentação põe esse teste na fase de desenvolvimento do modelo e não diz se algum paciente do teste esteve no treino. A sensibilidade e a especificidade foram medidas no ponto de corte que melhor separa os dois grupos naquela coorte (o máximo do índice de Youden).
Median Technologies, apresentação de 07/11/2024
Verificação
Na mesma apresentação, a empresa mostra um teste de verificação em outra coorte, de 273 pacientes (91 cânceres), com o mesmo tipo de ponto de corte: 93,4% de sensibilidade e 87,4% de especificidade.
Median Technologies, apresentação de 07/11/2024
510(k)
O resumo do 510(k), escrito pela empresa e publicado pela FDA, descreve o teste da ferramenta sozinha numa coorte de 1.147 pacientes (342 cânceres, 805 sem câncer) de 7 bases de dados da Europa e dos Estados Unidos, enriquecida de propósito com câncer e com nódulos escolhidos por tamanho e espiculação, em pessoas de 50 a 80 anos com história de tabagismo. No ponto de corte definido antes do estudo, entre as categorias 3 e 4 do escore: 84,5% de sensibilidade e 80,3% de especificidade.
FDA, 510(k) K251474
A prevalência comparada
Na apresentação de 2024, a empresa compara a proporção de câncer dessa coorte de 1.147 pacientes (30%) com a da vida real (3%), sem dar a fonte dos 3%. A coorte de 2.163, chamada de representativa do rastreio, tem 6,3%.
Median Technologies, apresentação de 07/11/2024
O comunicado não diz como os 99,9% de VPN foram calculados. Com 93,3% de sensibilidade, 92,4% de especificidade e 6,3% de câncer, a fórmula apresentada por Altman e Bland dá um VPN perto de 99,5%. A diferença pode vir de outro ponto de corte: a apresentação traz, para a mesma coorte, um ponto de corte de detecção com 99,2% de sensibilidade e 73,9% de especificidade, e com ele a conta dá 99,9%. O comunicado não diz que foi assim.
O que esses números mostram é que “o desempenho” de uma IA não é um número só: muda com a coorte, com o ponto de corte e, no caso do valor preditivo, com a prevalência. A Pílula 25, Validação externa trata da diferença entre testar o modelo nos dados de onde ele veio e em dados novos.
Fazendo a conta (exercício da pílula)
Com os números do comunicado, 93,3% e 92,4%, em 1.000 pessoas:
27,5%
VPP com 3% de câncer, a proporção que o fabricante atribui à vida real: 28 verdadeiros positivos, 2 cânceres perdidos, 74 falsos positivos. Pouco mais de 1 em cada 4 positivos é câncer.
84%
VPP com 30% de câncer, como na coorte enriquecida: 280 verdadeiros positivos, 20 cânceres perdidos, 53 falsos positivos.
99,8% → 97%
VPN: de 3% para 30% de câncer, o negativo perde peso.
A conta supõe a mesma sensibilidade e a mesma especificidade nos dois grupos, o que nem sempre acontece: numa população diferente, elas também podem mudar.
Por que importa na clínica
Sensibilidade e especificidade dizem como a ferramenta se comporta em quem tem e em quem não tem a doença. Na consulta, a pergunta é a inversa: o resultado deu positivo (ou negativo), qual a chance de estar certo? Isso é o valor preditivo, e ele depende de quantos doentes há no grupo testado. Por isso, Altman e Bland escrevem que o valor preditivo observado num estudo não vale universalmente. Quando um anúncio traz um VPN alto, como o deste caso, ele convida a dispensar o seguimento.
Valor preditivo, caso a caso
Quatro situações de consultório. Escolha a resposta certa em cada uma.
Situação 1 de 40 acertos
O anúncio diz "99,9% de VPN". Um representante apresenta a IA de nódulo pulmonar dizendo que, com resultado negativo, dá para ficar tranquilo. Que informação falta para saber se esse número vale para os seus pacientes?
Checklist
Antes de confiar num valor preditivo
1Diante de VPP ou VPN, pergunte qual era a prevalência da coorte.
2Compare essa prevalência com a dos seus pacientes: rastreio, ambulatório especializado e pronto-socorro são populações diferentes.
3Pergunte em que ponto de corte a sensibilidade e a especificidade foram medidas, e se ele foi definido antes ou depois do estudo.
4Dê mais peso ao positivo onde há mais doença e ao negativo onde há menos.
5Não use um negativo da IA para dispensar o seguimento que o protocolo pede.
A ferramenta citada recebeu 510(k) da FDA, uma liberação por equivalência a um dispositivo já no mercado, e não uma aprovação: a Pílula 23, Software como dispositivo médico (SaMD) trata dessa regulação.
“A IA pode ser a mesma no rastreio e no ambulatório; o que muda é quem chega até ela, e com isso muda o quanto vale o resultado.”
— ICS & Xdiag® · IA na Medicina · Módulo 1 · 2026
Material educativo, não parecer jurídico. As contas do medidor e do exercício acima são feitas com a fórmula apresentada por Altman e Bland, e não o desempenho medido da ferramenta citada em nenhum serviço. Os números do fabricante vêm de comunicado, de apresentação e do resumo do 510(k), todos escritos pela empresa, e não de estudo revisado por pares. A FDA revisou a submissão antes de liberar, mas essa revisão não é revisão por pares nem repetição do teste. A FDA não “aprovou” a ferramenta: ela recebeu 510(k), para uso pelo radiologista junto com a leitura, na população de rastreio, e não para substituir o julgamento dele. Não há confirmação de que o treino e o teste tiveram pacientes em comum, nem fonte para a prevalência de 3% citada pela empresa como “vida real”, nem para a prevalência de câncer no rastreio no Brasil. Esta pílula não afirma que a ferramenta é ruim ou boa: usa o caso para ensinar a ler valor preditivo, e não para avaliar o produto.
Referências
1. Altman DG, Bland JM. Statistics Notes: Diagnostic tests 2: predictive values. BMJ 1994;309:102.
2. eyonis Inc. (Median Technologies). eyonis Inc., a Median Technologies Company, to Present Study Results Supporting eyonis® LCS Performance Claims at CHEST 2026. Comunicado (Business Wire, via BioSpace), 15/10/2026.
3. FDA. 510(k) K251474, eyonis® LCS 1.1: carta de decisão (06/02/2026) e 510(k) Summary, escrito pela Median Technologies.
4. Median Technologies. eyonis LCS pivotal REALITY data (apresentação, KOL webinar), 07/11/2024.
5. ICS & Xdiag Tecnologias. Medicina com IA: O Método Prático para o Médico Moderno — Módulo 1. 2026.
IA na Medicina — ICS & Xdiag®xdiag.com.br