Desempenho e características do rastreio de câncer de mama

O câncer de mama é uma doença heterogênea, variando de formas indolentes a agressivas, sendo diagnosticado com base em biomarcadores, morfologia, tamanho tumoral, envolvimento linfonodal e metástases. Nos últimos anos, a inteligência artificial (IA) tem demonstrado grande potencial na triagem mamográfica, reduzindo a carga de trabalho dos radiologistas e aumentando a detecção precoce da doença, minimizando o número de cânceres não identificados nos programas de rastreamento.

O estudo Mammography Screening with Artificial Intelligence (MASAI) é um ensaio clínico randomizado que compara a triagem suportada por IA com a leitura dupla convencional, padrão em programas europeus. Os resultados iniciais demonstraram que a IA não compromete a taxa de detecção de câncer, apesar de reduzir em 44% a carga de trabalho de leitura de tela. Nesta segunda análise do estudo, Hernström e colaboradores (2025) tiveram como objetivo avaliar o impacto da IA na precisão da triagem e na caracterização dos cânceres detectados.

Para essa análise, foram recrutadas mulheres em quatro centros de triagem na Suécia e distribuídas de forma randomizada (1:1) para triagem assistida por IA ou leitura dupla padrão. O sistema Transpara (versão 1.7.0, ScreenPoint Medical) foi utilizado para destacar achados suspeitos e auxiliar na interpretação dos exames. A análise incluiu indicadores como taxa de recall, taxa de detecção de câncer, incidência de falsos positivos, valor preditivo positivo e carga de trabalho dos radiologistas.

Entre abril de 2021 e dezembro de 2022, 105.934 mulheres participaram do estudo, com idade média de 53,7 anos. A triagem convencional, realizada em 52.872 participantes, detectou 262 casos de câncer e gerou 1.027 recalls. No grupo submetido à triagem assistida por IA, composto por 53.043 participantes, foram detectados 338 cânceres e 1.110 recalls. A taxa de detecção de câncer foi de 6,4 por 1.000 participantes rastreados no grupo de IA, comparada a 5,0 por 1.000 no grupo controle, o que representa um aumento de 29% na detecção (p=0,0021).

Além disso, o uso da IA permitiu uma detecção superior de cânceres invasivos, com 270 casos identificados no grupo de IA contra 217 no grupo controle, representando um aumento de 24%. Essa tecnologia também contribuiu para a maior detecção de cânceres in situ, com 68 casos detectados no grupo de IA em comparação com 45 no grupo controle, um aumento de 51%. Aproximadamente metade desse aumento envolveu cânceres in situ de alto grau, sem impacto na detecção de tumores de baixo grau.

A taxa de recall e a incidência de falsos positivos não foram significativamente maiores no grupo de IA. No entanto, o valor preditivo positivo do recall foi superior no grupo de IA, com um aumento de 19% (p=0,012). Além disso, a carga de trabalho dos radiologistas foi significativamente reduzida, com 61.248 leituras no grupo IA em comparação com 109.692 no grupo controle, representando uma diminuição de 44,2%.

A triagem mamográfica assistida por IA demonstrou uma maior eficácia na detecção precoce do câncer de mama, especialmente em tumores invasivos pequenos e para linfonodos, sem comprometer as taxas de recall ou a incidência de falsos positivos. Além disso, a redução na carga de trabalho dos radiologistas reforça a viabilidade da implementação da IA em programas de rastreamento. Os achados do estudo MASAI destacaram o impacto positivo da IA na triagem mamográfica, apontando para a necessidade de estudos adicionais que avaliem a taxa de câncer de intervalo e a relação custo-efetividade dessa abordagem inovadora.