Inteligência artificial prevê risco de câncer de mama até cinco anos antes, aponta estudo

câncer de mama é a principal causa de morte oncológica entre mulheres no Brasil e, segundo dados oficiais, afeta 66,54 a cada 100 000 brasileiras. Frente a esse cenário, um consórcio internacional de 46 instituições apresentou uma ferramenta de inteligência artificial capaz de reavaliar mamografias e prever, com até cinco anos de antecedência, a probabilidade de desenvolvimento da doença.

A dimensão do câncer de mama no Brasil

Com taxa de incidência superior a qualquer outro tumor feminino, o câncer de mama impõe desafios ao sistema de saúde. O protocolo de rastreamento padrão recomenda mamografia bienal para mulheres de 50 a 74 anos. Contudo, nem todos os tumores aparecem nesse intervalo; aqueles de crescimento rápido podem evoluir no período entre exames, escapando à detecção precoce. Além disso, a densidade do tecido mamário — especialmente em mulheres mais jovens — dificulta a visualização de anormalidades, reduzindo a sensibilidade da mamografia.

O impacto dessas limitações reflete-se nos números de mortalidade. Tumores agressivos, que proliferam rapidamente, são justamente os responsáveis pelas maiores taxas de óbito. Consequentemente, qualquer avanço que permita identificar risco elevado com antecedência suficiente para intervenções é considerado estratégico.

Como funciona a nova inteligência artificial para câncer de mama

A ferramenta apresentada reprocessa imagens já obtidas nos exames de rotina. Por meio de um algoritmo de aprendizagem profunda, ela quantifica dois parâmetros centrais na avaliação de risco: a quantidade de tecido glandular e a textura mamária. Ambos estão correlacionados a maior probabilidade de aparecimento do câncer de mama. A análise é concluída em segundos e não exige informações adicionais, como histórico familiar ou estilo de vida, limitando-se a dados contidos nas próprias mamografias.

O software destaca pacientes classificadas como “alto risco” e gera um escore preditivo. No estudo, mulheres enquadradas nessa categoria apresentaram taxa significativamente superior de diagnóstico da doença nos cinco anos subsequentes, em comparação às que permaneceram no grupo de risco considerado normal. Esse resultado confirma a precisão estatística do modelo e respalda seu potencial de aplicação clínica.

Treinamento do algoritmo: mamografias de três continentes

Para alcançar robustez, o consórcio responsável treinou o sistema com centenas de milhares de mamografias obtidas em serviços de saúde da América do Norte, América do Sul e Europa. A diversidade das imagens permitiu abarcar várias etnias, faixas etárias e padrões de densidade mamária, reduzindo viés e ampliando a generalização do algoritmo. A liderança científica ficou a cargo da professora Christiane Kuhl, radiologista da Universidade Técnica da Renânia do Norte-Vestfália, na Alemanha.

No processo de treinamento, cada imagem foi rotulada quanto ao desenvolvimento ou não da doença em um período de acompanhamento de cinco anos. O cruzamento desses dados alimentou redes neurais profundas, ajustando milhões de parâmetros internos até alcançar sensibilidade e especificidade superiores às observadas em modelos anteriores.

IA redefine encaminhamento para ressonância magnética no câncer de mama

A ressonância magnética é reconhecida como método de imagem mais sensível para detecção precoce, porém seu alto custo limita o uso universal. Atualmente, o exame costuma ser reservado a mulheres com densidade mamária extremamente alta ou mutações genéticas conhecidas. A nova inteligência artificial oferece um critério adicional, indicando quais pacientes, mesmo fora desses grupos, se beneficiariam da ressonância.

Essa priorização é crucial. Tumores agressivos que escapam à mamografia podem ser visualizados pela ressonância quando realizados em tempo oportuno. Ao identificar mulheres em risco antes que surjam sintomas, a IA viabiliza encaminhamento precoce, potencialmente reduzindo mortalidade e custos associados a tratamentos tardios.

Impacto potencial na detecção precoce do câncer de mama

Ao antecipar o risco em até cinco anos, a ferramenta introduz nova camada de personalização no rastreamento do câncer de mama. Até hoje, o calendário de mamografias seguia lógica padronizada, sem considerar particularidades individuais. Com o algoritmo, o cronograma passa a incorporar um perfil de risco mensurável, permitindo intervencionismo direcionado.

Os benefícios se estendem também a mulheres mais jovens. Por possuírem tecido menos denso, elas frequentemente não são encaminhadas para ressonância, apesar de alguns tumores apresentarem desenvolvimento acelerado nessa faixa etária. A IA auxilia a preencher essa lacuna, sinalizando casos onde o exame de maior sensibilidade faria diferença.

Outro reflexo positivo é a economia de recursos. Ao limitar ressonâncias magnéticas a um subgrupo verdadeiramente necessitado, evita-se sobrecarga de equipamentos, reduzindo filas e permitindo alocação mais eficiente de verbas de saúde pública.

Limitações e próximos passos da pesquisa de câncer de mama

Apesar dos resultados expressivos, os responsáveis destacam que a ferramenta ainda requer validação prospectiva em larga escala. Embora treinada com base retrospectiva, a transição para uso clínico implica observar seu desempenho em tempo real, acompanhando pacientes ao longo do período preditivo. Ademais, será necessário integrar o software aos sistemas de radiologia existentes, assegurando interoperabilidade e treinamento de profissionais.

Também permanece a necessidade de avaliação de custo-efetividade. A economia gerada por encaminhamentos mais precisos precisará ser demonstrada em ambientes de saúde de diferentes países, com particular atenção às redes públicas.

Por fim, as descobertas abrem espaço para investigações adicionais sobre como padrões de textura detectados pela IA se relacionam a características biológicas dos tumores. Entender esses mecanismos pode contribuir para terapias ainda mais direcionadas.

O consórcio Clairity planeja prosseguir com estudos prospectivos multicêntricos, previstos para iniciar na próxima fase de validação clínica.