Uso da inteligência artificial no rastreamento de câncer de mama: noções atuais e perspectivas futuras

Abstract

Introdução: O rastreio do câncer de mama foi revolucionado pela inteligência artificial (IA), que está impulsionando melhorias na detecção precoce e na precisão diagnóstica da doença. Algoritmos de aprendizado profundo, conhecidos como deep learning, reduzem as taxas de falsos negativos ao detectar padrões mínimos que poderiam passar despercebidos ao olho humano. Antes do desenvolvimento dessa ferramenta, sistemas de diagnóstico assistido por computador já auxiliavam na detecção, embora com restrições no que se refere a elevadas taxas de sensibilidade. A detecção precoce do câncer de mama é vital para diminuir a mortalidade, melhorar o prognóstico e a qualidade de vida da mulher após o tratamento. No entanto, a individualização da técnica ainda é desafiadora, uma vez que existem fatores como densidade mamária e histórico familiar que são de difícil incorporação à decisão diagnóstica. Além disso, os desafios éticos, como a proteção de dados e o acesso integrativo à tecnologia, também são questões a serem discutidas e enfrentadas. Apesar das delimitações, a IA é um mecanismo que propõe uma revolução na prática clínica no rastreamento do câncer de mama, de forma a combater as limitações diagnósticas. Objetivo: Avaliar os impactos do uso da IA no rastreio do câncer de mama, destacando a importância na detecção precoce, na precisão diagnóstica e nos desafios de implementação associados ao uso dessa tecnologia. Métodos: A pesquisa tem como base a revisão de literatura nas plataformas digitais Scientific Electronic Library Online (SciELO), United States National Library of Medicine (PubMed) e Google Scholar. Foram selecionados artigos de 2018 a 2024 em inglês e português. Utilizaram-se os descritores “inteligência artificial” e “rastreio de câncer de mama”. Resultados: Os artigos selecionados demonstram que a IA, por meio das tecnologias baseadas em deep learning, possui acurácia superior à de radiologistas experientes. A associação da IA aos sistemas de mamografia digital viabilizou a redução de falsos negativos, possibilitando maior efetividade na interpretação de imagens. No entanto, a capacidade atingida pela máquina sofre variabilidade, uma vez que enfrenta barreiras relacionadas ao custo, à informação, à infraestrutura e ao treinamento especializado. Assim, sua implementação plena ainda é distante, principalmente em regiões de baixa renda. Conclusão: A IA aumenta a eficácia diagnóstica e reduz o número de falsos negativos, representando um desenvolvimento importante no rastreamento do câncer de mama. Apesar da baixa especificidade, sua capacidade diagnóstica precoce apresenta extrema relevância na prática e cura médica. Desafios éticos, técnicos e de privacidade de dados precisam ser enfrentados para que a implementação da tecnologia seja efetivada. Nesse cenário, pesquisas são necessárias para a ampliação do conhecimento sobre o tema, a fim de construir uma melhor abordagem no rastreio, diagnóstico e tratamento da doença por meio do uso da IA.

Ähnliche Arbeiten