IA em dermatologia

A inteligência artificial já pode ser usada com segurança no rastreamento mamográfico populacional, e em qual papel?

Resposta

A revisão sistemática reuniu evidências sobre o uso de inteligência artificial no rastreamento do câncer de mama, comparando a IA como leitora isolada ou em fluxos assistidos por radiologistas versus radiologistas sozinhos. O objetivo foi sumarizar acurácia diagnóstica e desfechos de fluxo de trabalho em mulheres assintomáticas submetidas a mamografia digital ou tomossíntese digital de mama.

Quando usada como segundo leitor ou dentro de fluxos de dupla leitura, a IA geralmente manteve ou aumentou modestamente a sensibilidade, com preservação ou melhora da especificidade. Configurações de triagem e de encaminhamento para decisão trouxeram o maior benefício operacional, reduzindo o volume de leituras de forma expressiva quando os limiares foram calibrados de maneira conservadora.

A IA isolada alcançou valores de AUC comparáveis aos dos radiologistas e detecção de câncer semelhante em coortes do mundo real não enriquecidas, embora o seguimento de cânceres de intervalo permaneça incompleto em vários conjuntos de dados. Em evidência prospectiva randomizada, incluindo o estudo MASAI, o rastreamento apoiado por IA obteve taxas de detecção de câncer mais altas, com taxas de falso-positivo e de recall estáveis ou reduzidas.

Em cenários de implementação e simulação, a integração da IA reduziu substancialmente a carga de trabalho dos radiologistas, com abordagens de triagem e de band-pass diminuindo o número de leituras. A certeza global é limitada pela heterogeneidade entre desenhos de estudo, pela dependência de conjuntos enriquecidos em algumas estimativas de acurácia e pelo seguimento incompleto de cânceres de intervalo em vários estudos importantes.

A conclusão é que os sistemas contemporâneos de IA mostram desempenho diagnóstico amplamente comparável ao dos radiologistas e podem reduzir de forma substancial a carga de leitura, particularmente como segundo leitor ou ferramenta de triagem. A evidência prospectiva emergente apoia a integração segura nesses papéis, mas relato transparente, avaliação padronizada e estudos populacionais de longo prazo ainda são necessários antes de considerar a IA como leitora isolada.

O que o estudo mostrou

Revisão sistemática de estudos primários que avaliaram IA para mamografia de rastreamento, com busca em múltiplas bases entre janeiro de 2012 e junho de 2025 e sem restrição de idioma. Foram incluídos 31 estudos, entre ensaios randomizados controlados, estudos prospectivos de leitores pareados, implementações baseadas em registros e simulações retrospectivas, representando mais de dois milhões de exames de rastreamento na Europa, Ásia, América do Norte e Austrália. Como segundo leitor ou em dupla leitura, a IA manteve ou aumentou modestamente a sensibilidade (até +9 pontos percentuais) preservando ou melhorando a especificidade. Triagem e encaminhamento para decisão reduziram o volume de leituras em 40-90% mantendo detecção de câncer não inferior com limiares conservadores. A IA isolada teve AUC comparável aos radiologistas. No estudo MASAI, o rastreamento apoiado por IA teve taxas de detecção de câncer mais altas (6,4 versus 5,0 por 1000; p=0,0021), com taxas de falso-positivo e recall estáveis ou reduzidas.

Limitações

O resumo não informa detalhes sobre a amostra de cada estudo incluído nem sobre a população exata. A certeza global é limitada pela heterogeneidade entre desenhos de estudo, pela dependência de conjuntos enriquecidos em algumas estimativas de acurácia e pelo seguimento incompleto de cânceres de intervalo em vários estudos importantes. O resumo não informa metanálise quantitativa, sendo a síntese narrativa. Permanecem necessários relato transparente, avaliação padronizada e estudos populacionais de longo prazo antes de considerar a IA como leitora isolada.

Aplicação no consultório

Para o médico que acompanha programas de rastreamento, a evidência favorece posicionar a IA como segundo leitor ou ferramenta de triagem, papéis em que o desempenho se mostrou comparável ao dos radiologistas e a carga de leitura caiu de forma substancial. Isso pode orientar decisões de gestão, como planejamento de fluxo de laudos e alocação de radiologistas, além de conversas com serviços de imagem sobre calibração conservadora de limiares. A leitura autônoma pela IA não deve ser tratada como padrão estabelecido, dado que o seguimento de cânceres de intervalo permanece incompleto. O resumo não informa custos nem requisitos regulatórios, o que limita conclusões sobre implantação.

Estudo citado

Performance of artificial intelligence in breast cancer screening programmes: a systematic review. BMJ open, 2025.
Autores: Jassim G, Otoom O, Nair B, Hashem J.
DOI: 10.1136/bmjopen-2025-111360 · PubMed: PMID 41475802

Perguntas para aprofundar

• Como a IA se compara ao radiologista isolado na acurácia do rastreamento mamográfico?
• Quais papéis de integração da IA reduzem mais a carga de leitura sem perder detecção de câncer?
• O que ainda falta para considerar a IA como leitora isolada no rastreamento populacional?

Mais sobre IA em dermatologia

• A inteligência artificial em mamografia tem validação externa suficiente para complementar o rastreamento do câncer de mama na prática clínica?
• Algoritmos de inteligência artificial baseados em mamografia são melhores que ferramentas tradicionais para prever risco futuro de câncer de mama?
• Qual é a atualização das evidências sobre rastreamento do câncer de mama para informar diretrizes canadenses?
• Quais são os tipos e a frequência de erros da inteligência artificial na leitura de mamografias de rastreamento?
• A triagem de mamografias de rastreamento com inteligência artificial pode reduzir a carga de trabalho do radiologista sem prejudicar a sensibilidade?

Todas as perguntas sobre IA em dermatologia · Todos os temas · Versão em markdown