Uma ferramenta de inteligência artificial (IA) desenvolvida por um consórcio internacional de 46 centros de pesquisa passou a demonstrar alto grau de precisão ao calcular a probabilidade de uma mulher desenvolver câncer de mama nos cinco anos seguintes, utilizando apenas imagens de mamografia. O algoritmo, treinado com centenas de milhares de exames realizados na América do Norte, América do Sul e Europa, reavalia cada mamografia em poucos segundos e indica quais pacientes precisam de acompanhamento complementar, como a ressonância magnética.
A responsável pela liderança científica do estudo é a médica radiologista Christiane Kuhl, da Universidade Técnica da Renânia do Norte-Vestfália, em Aachen, Alemanha. Segundo ela, o método traz uma alternativa promissora para identificar tumores agressivos que, frequentemente, não aparecem na mamografia convencional — justamente os que respondem por maior mortalidade.
Como o sistema funciona
A aplicação recebe a imagem digital da mamografia e, a partir de modelos treinados por machine learning, avalia dois parâmetros essenciais: a quantidade de tecido glandular presente e a textura desse tecido, fatores já associados ao risco de câncer de mama. Diferentemente de outros sistemas de predição, a nova IA não necessita de dados sobre histórico familiar, hábitos de vida ou informações clínicas adicionais. Toda a análise é baseada exclusivamente nos pixels da mamografia.
Com essa abordagem, o algoritmo classifica cada exame em níveis de risco. Mulheres apontadas como alto risco apresentaram, no acompanhamento de cinco anos, probabilidade significativamente maior de desenvolver a doença em relação às que foram classificadas como risco normal. Os resultados, publicados pelos pesquisadores do Consórcio Clairity, demonstram que o recurso consegue detectar vulnerabilidades mesmo quando o exame inicial não sugere qualquer anormalidade visível.
Impacto sobre a rotina de exames
No Brasil, o câncer de mama representa a principal causa de morte oncológica feminina, com 66,54 novos casos a cada 100 mil mulheres, conforme o Ministério da Saúde. As recomendações atuais indicam que mulheres de 50 a 74 anos façam mamografia bienal, mas os especialistas reconhecem que essa faixa etária não cobre todas as situações de risco.
Exames de ressonância magnética (RM) oferecem sensibilidade maior do que a mamografia, porém são caros e, em geral, reservados a pacientes com densidade mamária extremamente alta ou com histórico familiar expressivo. A ferramenta de IA surge como triagem adicional, ajudando a direcionar o uso de RM para quem realmente necessita, inclusive mulheres mais jovens cujo tecido mamário ainda não apresenta densidade crítica. “A decisão sobre encaminhar ou não para a ressonância pode ser tomada em segundos, com base apenas na imagem”, afirmou Kuhl.
Desafios do diagnóstico tradicional
Tumores que crescem rapidamente, denominados de alto grau, costumam escapar ao rastreamento de rotina por se desenvolverem no intervalo entre dois exames. Ao mesmo tempo, são esses cânceres os principais responsáveis pela mortalidade precoce. A análise computadorizada procura justamente prever esse cenário antes que o tumor se torne detectável. Com isso, o tempo de resposta clínica pode ser antecipado, aumentando as chances de tratamento bem-sucedido.
Outro ponto crítico é a densidade mamária. Em mulheres jovens, o tecido é menos denso, dificultando a visualização de alterações suspeitas na mamografia, o que pode atrasar o diagnóstico. Como a IA avalia textura e quantidade de tecido granular, ela auxilia a identificar quem permanece em zona de risco mesmo sem apresentar densidade elevada.
Desenvolvimento e validação
O consórcio responsável — que reúne instituições dos Estados Unidos, Canadá, Brasil, Argentina, Alemanha e outros países — alimentou o sistema com exames de rotina coletados ao longo de anos. Cada mamografia foi associada a dados clínicos sobre evolução dos pacientes, permitindo aos cientistas atribuir rótulos de “desenvolveu câncer” ou “não desenvolveu câncer” no período subsequente. O volume de dados assegurou a robustez estatística necessária para treinar a rede neural do software.
Os pesquisadores destacam que o estudo contemplou populações de diferentes etnias e padrões corporais, ampliando a validade dos resultados. A precisão obtida foi suficiente para diferenciar de forma clara o grupo de alto risco do grupo de risco normal, mesmo na ausência de sintomas ou lesões visíveis.
Aplicação clínica imediata
Em hospitais e clínicas com equipamentos digitais, a integração da IA pode ocorrer sem mudanças significativas na infraestrutura. Após a realização da mamografia, a imagem é enviada ao sistema, que devolve o laudo de risco quase instantaneamente. Com o relatório em mãos, o médico decide se há necessidade de solicitar nova imagem, como ultrassonografia ou ressonância, ou se o acompanhamento habitual é suficiente.
Imagem: Dikushin Dmitry
Para os serviços públicos de saúde, a triagem automática promete racionalizar recursos, evitando ressonâncias desnecessárias e, ao mesmo tempo, não deixando de investigar casos que exigem atenção imediata. Profissionais do consórcio argumentam que, ao reduzir exames superfluos, é possível redirecionar verbas para aumentar a cobertura de rastreamento.
Limitações e próximos passos
Embora os resultados sejam animadores, os criadores do sistema ressaltam que a IA é complementar, não substitutiva. A avaliação médica final permanece imprescindível para confirmar qualquer suspeita. Estudos adicionais também serão necessários para acompanhar o desempenho da ferramenta em populações fora dos centros de pesquisa e em equipamentos de diferentes fabricantes.
Outro foco de investigação envolve analisar se o algoritmo pode ser adaptado a outras modalidades de imagem, como tomossíntese mamária ou mamografia tridimensional, hoje cada vez mais presentes nas clínicas. Caso funcione, a abrangência do software se ampliará, elevando a sensibilidade na detecção precoce.
Perspectiva para a saúde feminina
A incorporação de inteligência artificial no rastreamento do câncer de mama ilustra uma tendência mais ampla de personalização da atenção médica. Ferramentas que avaliam risco individualizado abrem caminho para protocolos de triagem ajustados a cada paciente, substituindo abordagens padronizadas e, por vezes, ineficazes para determinados perfis.
Para a população feminina, especialmente nas regiões onde o acesso a exames complementares é limitado, a disponibilidade de um recurso capaz de adiantar suspeitas de tumores agressivos representa avanço significativo. Caso adotado em larga escala, o algoritmo tem potencial para reduzir a mortalidade decorrente da doença ao permitir intervenção antes do aparecimento dos sintomas.
O Consórcio Clairity informou que continuará a coletar mamografias e dados clínicos para aprimorar o modelo, com atualizações periódicas que incorporem novas informações e melhorem o desempenho. A expectativa dos pesquisadores é que, em breve, a tecnologia possa ser oferecida como serviço integrado aos sistemas de gestão de imagens de hospitais e clínicas, dando suporte à decisão clínica em tempo real.
Até lá, a recomendação de radiologistas e oncologistas permanece a mesma: manter as consultas preventivas e seguir o cronograma oficial de mamografia, complementando com ressonância magnética quando indicado. A IA, ao que tudo indica, chega para tornar esse processo mais assertivo, beneficiando pacientes e profissionais.
Com informações de Olhar Digital