INTRODUÇÃO: Os macroadenomas hipofisários representam a maioria das lesões selares e, embora usualmente benignos, podem causar importante morbidade por compressão de estruturas adjacentes e por alterações hormonais. O sucesso terapêutico cirúrgico, sobretudo na via transesfenoidal, depende em grande parte da consistência tumoral, que influencia diretamente a facilidade de ressecção, o risco de complicações e a necessidade de abordagens complementares. Entretanto, a avaliação pré-operatória da consistência permanece um desafio clínico, uma vez que métodos tradicionais de imagem não apresentam acurácia suficiente para predizê-la de forma consistente. O coeficiente de difusão aparente (ADC), derivado de sequências ponderadas em difusão (DWI) na ressonância magnética, é um parâmetro quantitativo promissor para inferir características microestruturais associadas à consistência tumoral. No entanto, estudos prévios demonstram resultados heterogêneos quando o ADC é analisado isoladamente. OBJETIVOS: verificar a utilidade das medidas quantitativas do coeficiente de difusão aparente (ADC) na predição da consistência de macroadenomas hipofisários na avaliação pré-cirúrgica. METODOLOGIA: estudo retrospectivo, conduzido em hospital terciário de referência, com análise de 70 pacientes submetidos à ressonância magnética do encéfalo com protocolo padronizado e posterior ressecção cirúrgica transesfenoidal. Foram extraídos dados clínicos (idade e sexo), medidas de tamanho tumoral e valores quantitativos de ADC. A consistência foi classificada pelo neurocirurgião como amolecida, intermediária/fibroelástica ou fibrosa. Diferentes modelos de aprendizado supervisionado foram treinados e comparados, incluindo árvore de decisão, KNN, SVM e modelos ensemble. A performance foi avaliada por meio de métricas robustas (ROC AUC, AP AUC, sensibilidade, especificidade, F1 e MCC), além de análise de significância com testes de permutação e validação cruzada. RESULTADOS: A integração das variáveis clínicas e radiológicas produziu desempenho superior em comparação com qualquer parâmetro isolado. Entre os modelos avaliados, o algoritmo SVM apresentou o melhor desempenho, com ROC AUC de 83,3 [IC 95 : 65,8–97,6], demonstrando alta especificidade e bom equilíbrio entre sensibilidade e precisão. A análise de importância das variáveis revelou que o ADC, o diâmetro máximo tumoral e fatores clínicos, como sexo masculino e idade ≤ 42 anos, contribuíram significativamente para a predição, reforçando que a consistência não é explicada por um único marcador, mas pela interação de múltiplos fatores. CONCLUSÃO: O modelo desenvolvido demonstrou que a consistência de macroadenomas pode ser predita com maior confiança quando se combinam dados clínicos simples, medidas anatômicas do tumor e valores quantitativos de ADC por meio de aprendizado de máquina. Essa abordagem pode aprimorar o planejamento cirúrgico, permitir antecipação de maior complexidade técnica e reduzir potenciais complicações. O estudo destaca o valor de integrar dados convencionais a modelos computacionais interpretáveis como ferramenta complementar para o planejamento neurocirúrgico.
