A IA pode aprimorar o rastreamento de câncer de mama

O rastreamento através da mamografia é uma das estratégias mais consolidadas para reduzir a mortalidade por câncer de mama em mulheres. No entanto, a acurácia diagnóstica desse exame depende fortemente da qualidade de sua interpretação, por humanos, estando ela sujeita à fadiga, variação entre observadores e disponibilidade limitada de radiologistas especializados. Nesse sentido, a inteligência artificial (IA) surge como uma promissora aliada, potencialmente capaz de aumentar a sensibilidade do rastreio e otimizar recursos. Um estudo publicado na revista The Lancet Digital Health, em agosto de 2025, investigou exatamente essa questão, avaliando qual seria o impacto do uso de IA como segundo leitor independente na detecção de cânceres de mama clinicamente relevantes dentro do programa de rastreamento populacional realizado nos Países Baixos. 

O estudo, de coorte retrospectiva, incluiu 42.236 mamografias bidimensionais obtidas entre setembro de 2016 e agosto de 2018, correspondendo a 42.100 mulheres participantes do programa nacional de rastreamento de câncer de mama dos Países Baixos. As imagens foram analisadas por um sistema de detecção chamado Transpara, baseado em redes neurais e treinado em mais de 200 mil mamografias normais e 10 mil contendo tumores malignos. O desfecho principal considerado foi a detecção de câncer posteriormente confirmados pelo sistema nacional holandês de registro de câncer após seguimento médio de 4 anos, incluindo tumores detectados na triagem, cânceres diagnosticados entre duas rodadas de mamografias e cânceres detectados em exames futuros. Os autores compararam quatro estratégias: leitura humana única, dupla leitura humana – que é o padrão europeu, leitura isolada por IA e leitura combinada humano + IA. 

Após o seguimento, 579 mulheres foram diagnosticadas com câncer de mama (291 detectados no rastreamento, 102 intervalares e 187 em rodadas futuras). A dupla leitura humana apresentou sensibilidade de 51,7% e especificidade de 97,7%, enquanto a leitura isolada pela IA obteve sensibilidade semelhante (48,6%) e especificidade levemente superior (97,8%). Entretanto, a estratégia combinada – radiologista único apoiado pela IA – elevou a sensibilidade para 60,2% (IC95% 56,1-64,2; p < 0,0001), com um aumento no “recall” de 2,9% para 5,0%. Esse resultado representa um ganho relativo de 16,4% na detecção de cânceres, independentemente da densidade mamária.  

Leia mais: Ministério da Saúde recomenda mamografia a partir dos 40 anos e amplia tratamentos

Um aspecto particularmente relevante foi o perfil biológico dos tumores detectados apenas pela IA e perdidos pelos leitores humanos. Esses casos corresponderam, em sua maioria, a neoplasias invasivas (93,4%), frequentemente maiores que 20 mm (27,9%) e com maior proporção de linfonodos positivos (23,0%), quando comparadas às lesões detectadas por radiologistas (66,7% invasivas, 11,3% >20 mm, 16,5% linfonodos positivos). Ou seja, os tumores que a IA identificou precocemente tenderiam, se não reconhecidos, a evoluir para estágios mais avançados e clinicamente relevantes, reforçando o potencial benefício prognóstico do uso dessa tecnologia. 

O estudo também analisou o impacto do uso da IA sobre a carga logístico-operacional do programa de rastreamento. Embora a leitura combinada aumente a taxa de recall, ou seja, o número de pacientes encaminhadas para avaliação complementar, os autores sugerem que a implementação prática poderia ser otimizada por processos de arbitragem, como observado em experiências de outros estudos, nos quais casos de baixo risco foram lidos apenas por um radiologista, enquanto casos de alto risco receberam dupla leitura. Tal modelo preserva a segurança diagnóstica e reduz o volume de trabalho sem comprometer a detecção. 

A interpretação desses resultados deve considerar algumas limitações: o uso de apenas um algoritmo comercial, a ausência de dados clínicos detalhados (como idade e status menopausa), e a natureza retrospectiva da análise. Ainda assim, o grande número de casos, a longa duração do seguimento (até 52 meses) e a verificação cruzada com registros nacionais conferem boa solidez aos achados. O estudo demonstra que, embora a IA não substitua a leitura humana, ela é capaz de complementar de forma significativa o processo diagnóstico, podendo detectar casos que escapam à observação humana e que, por sua evolução biológica, representam cânceres potencialmente evitáveis através de uma identificação precoce. 

Assim, a incorporação de tecnologias de IA como segundo leitor em programas populacionais se mostra promissora, podendo ser capaz de aumentar a sensibilidade do rastreamento sem comprometer a segurança, desde que acompanhada por protocolos de arbitragem adequados. Essa integração pode ser especialmente importante em contextos de escassez de radiologistas e sobrecarga de trabalho, como é o caso no Brasil.  

Conclusão 

Portanto, ao ser capaz de reduzir mortalidade, aumentando a detecção de cânceres clinicamente relevantes, sem perda substancial de especificidade, o uso de IA como segunda leitora de mamografias mostra-se uma estratégia com boas perspectivas. Sua adoção, contudo, requer planejamento para equilibrar o impacto sobre o sistema de saúde pelo aumento de carga diagnóstica. A experiência holandesa oferece evidências relevantes de que o futuro do rastreamento mamográfico poderá ser híbrido, combinando o julgamento clínico humano à precisão algorítmica da inteligência artificial.