Um novo estudo conduzido pela Microsoft, em colaboração com a Universidade de Washington e o Centro Oncológico Fred Hutchinson, revela avanços significativos no uso da IA no rastreio do cancro da mama. A investigação, publicada na prestigiada revista Radiology, demonstra como a inteligência artificial pode tornar os exames de ressonância magnética (RM) mais precisos, confiáveis e compreensíveis para médicos e pacientes.
Rastreio mais eficaz e menos invasivo
A atual metodologia de rastreio, embora essencial para a deteção precoce, está longe de ser perfeita. O cancro da mama continua a ser o mais comum entre mulheres, e ferramentas como a RM, embora sensíveis, resultam em muitos falsos positivos, levando a ansiedade e biópsias desnecessárias. Com o novo modelo desenvolvido — FCDD (Fully Convolutional Data Description) — a IA no rastreio foca-se na deteção de anomalias em vez da simples classificação, aprendendo a reconhecer o que é normal e sinalizando apenas o que diverge.
Resultados promissores em ambientes reais
Testado em mais de 9.700 exames, o FCDD demonstrou uma melhoria clara face aos modelos anteriores, com redução de mais de 25% nos falsos alarmes e aumento do valor preditivo positivo. Além disso, os mapas térmicos gerados pelo modelo coincidiram com as análises humanas em 92% dos casos, reforçando a confiança clínica na sua aplicabilidade.
A IA no rastreio também mostrou grande capacidade de adaptação entre diferentes instituições, mantendo um desempenho elevado sem necessidade de reentrenamento. Isto representa um passo importante rumo à sua adoção generalizada nos fluxos de trabalho clínico.
Mais do que tecnologia: confiança e impacto
Para os investigadores, o objetivo não é substituir os radiologistas, mas dotá-los de ferramentas que aumentem a precisão e reduzam o peso emocional e financeiro para os pacientes. A IA no rastreio pode diminuir o número de exames e intervenções desnecessárias, permitindo que os especialistas se concentrem nos casos que realmente importam.
“Estamos muito otimistas quanto ao potencial deste modelo para reforçar o desempenho dos radiologistas”, afirma Savannah Partridge, Professora de Radiologia na Universidade de Washington e autora sénior do estudo.
Embora sejam necessários mais testes em populações diversas, o futuro da medicina preventiva poderá passar por este tipo de soluções: algoritmos que não só detetam, mas explicam — e o fazem com clareza, rigor e humanidade.
