Sob o olhar do médico radiologista Vinicius Tadeu Sattin Rodrigues, a inteligência artificial na leitura de mamografias deixou de ser promessa distante e passou a contar com evidências robustas. Um estudo realizado na Suécia com mais de 105 mil mulheres mostrou aumento de 29% na detecção de câncer de mama, sem elevar o número de falsos positivos. O avanço é real, mas a forma de incorporá-lo à rotina dos serviços de diagnóstico por imagem ainda está em construção.
Como a inteligência artificial entra no fluxo do exame
Os sistemas usados em mamografia são treinados com grandes bancos de imagens já diagnosticadas. A partir desse aprendizado, atribuem a cada exame uma pontuação de suspeita e marcam regiões que merecem atenção. O radiologista recebe as imagens com essas indicações e decide se há ou não alteração relevante.
O uso mais estudado é a triagem. Exames classificados como de baixíssimo risco podem ser lidos por um único profissional, enquanto os de risco maior seguem para dupla leitura. Foi esse o desenho do ensaio sueco, conhecido como MASAI, que reduziu em 44% a carga de leitura dos radiologistas.
O que os estudos já mostram
O MASAI tem peso especial por ser um ensaio randomizado, inserido no programa nacional de rastreamento da Suécia, e não apenas uma análise retrospectiva de imagens antigas. Os primeiros resultados, publicados em 2023, indicavam aumento de 20% na detecção. A análise mais ampla, divulgada em 2025, chegou aos 29%.
Ainda assim, detectar mais tumores não equivale automaticamente a salvar mais vidas. Segundo Vinicius Rodrigues, a pergunta decisiva é se os cânceres adicionais são clinicamente relevantes ou lesões que nunca causariam dano. Por esse motivo, o estudo foi desenhado para avaliar também os cânceres de intervalo, aqueles que surgem entre dois exames e costumam ter pior prognóstico.
Tomossíntese e a imagem em camadas
A inteligência artificial não é a única mudança tecnológica em curso. A tomossíntese, chamada de mamografia 3D, produz uma série de cortes finos da mama em vez de uma única imagem plana. A técnica reduz a sobreposição de tecidos, um dos principais motivos de lesões escondidas e de reconvocações desnecessárias.
O ganho é mais perceptível em mamas densas, nas quais o tecido glandular dificulta a visualização na mamografia convencional. Em contrapartida, a tomossíntese gera um volume maior de imagens por exame, o que aumenta o tempo de leitura. A combinação com sistemas de inteligência artificial surge, em parte, como resposta a esse aumento de trabalho.
Limites que ainda precisam de resposta
Algoritmos aprendem com as imagens que recebem. Um sistema treinado majoritariamente em populações europeias ou norte-americanas pode ter desempenho diferente em mulheres com outras características de densidade, idade ou perfil de equipamento. Na avaliação de Vinicius Tadeu Sattin Rodrigues, validar essas ferramentas com dados locais é etapa obrigatória antes de qualquer uso em larga escala.
Há também questões práticas. Integrar o software aos sistemas de imagem, definir quem responde pelo laudo e calcular o custo por exame são decisões que cabem aos serviços e aos gestores. Em países com escassez de radiologistas em determinadas regiões, a tecnologia pode aliviar filas, desde que não substitua a supervisão especializada.
Diagnóstico por imagem com a decisão médica no centro
Os resultados disponíveis apontam para um modelo em que a máquina organiza a fila e chama atenção para detalhes, enquanto o radiologista interpreta o conjunto. Histórico da paciente, exames anteriores e achados clínicos continuam fora do alcance da maioria dos algoritmos atuais.
A tendência, portanto, é de colaboração, e não de substituição. Conforme observa Vinicius Rodrigues, o benefício da inteligência artificial depende de programas de rastreamento bem estruturados, com controle de qualidade e acompanhamento dos casos suspeitos. Sem essa base, mesmo a ferramenta mais precisa encontra pouco espaço para mudar o desfecho das pacientes.
