# Métodos de aprendizado de máquina, especialmente CNN, têm boa acurácia no diagnóstico mamográfico de câncer de mama em rastreamento?

> Sim. Em meta-análise de 32 estudos e 23.804 imagens, a sensibilidade e especificidade agrupadas foram 0,914 e 0,916, com AUC de 0,945. A CNN destacou-se com sensibilidade de 0,961, especificidade de 0,950 e AUC de 0,974. Os achados são baseados em estudos retrospectivos e necessitam de validação prospectiva.

Estudo citado: Liu J, Lei J, Ou Y, Zhao Y, Tuo X, Zhang B et al.. Mammography diagnosis of breast cancer screening through machine learning: a systematic review and meta-analysis. Clinical and experimental medicine. 2023. DOI: https://doi.org/10.1007/s10238-022-00895-0. PubMed: https://pubmed.ncbi.nlm.nih.gov/36242643/

## Resposta

A revisão sistemática com meta-análise reuniu 32 estudos que avaliaram a acurácia diagnóstica da mamografia auxiliada por aprendizado de máquina no rastreamento do câncer de mama. Foram incluídas 23.804 imagens, e os métodos analisados foram redes neurais convolucionais (CNN), redes neurais artificiais (ANN) e máquinas de vetores de suporte (SVM).

Os resultados agrupados mostraram sensibilidade de 0,914 (IC 95% 0,868-0,945), especificidade de 0,916 (IC 95% 0,873-0,945) e AUC de 0,945 para o conjunto dos três métodos. A CNN apresentou o melhor desempenho, com sensibilidade de 0,961 (IC 95% 0,886-0,988), especificidade de 0,950 (IC 95% 0,924-0,967) e AUC de 0,974.

A ANN teve sensibilidade de 0,837 (IC 95% 0,772-0,886), especificidade de 0,894 (IC 95% 0,764-0,957) e AUC de 0,881. A SVM mostrou sensibilidade de 0,889 (IC 95% 0,807-0,939), especificidade de 0,843 (IC 95% 0,724-0,916) e AUC de 0,913. Esses achados indicam que a CNN se sobressai entre os métodos avaliados.

Os autores concluem que os métodos de aprendizado de máquina, especialmente a CNN, demonstram excelente desempenho no diagnóstico mamográfico de câncer de mama em rastreamento, com base em estudos retrospectivos. No entanto, ressaltam a necessidade de estudos prospectivos mais rigorosos para avaliar o desempenho longitudinal da inteligência artificial.

Para o médico, esses dados sugerem que ferramentas de IA podem auxiliar na interpretação mamográfica, mas a implementação clínica deve considerar a natureza retrospectiva das evidências e a necessidade de validação em cenários reais. A aplicação no consultório deve ser cautelosa e baseada em evidências prospectivas.

## O que o estudo mostrou

Revisão sistemática e meta-análise de 32 estudos com 23.804 imagens, publicados entre janeiro de 2000 e setembro de 2021, avaliando a acurácia diagnóstica da mamografia auxiliada por aprendizado de máquina. A sensibilidade e especificidade agrupadas foram 0,914 e 0,916, com AUC de 0,945. A CNN apresentou sensibilidade de 0,961, especificidade de 0,950 e AUC de 0,974; a ANN, 0,837, 0,894 e 0,881; e a SVM, 0,889, 0,843 e 0,913.

## Limitações

O resumo não informa detalhes sobre as limitações dos estudos incluídos, mas os autores destacam que os achados são baseados em estudos retrospectivos e que são necessários estudos prospectivos mais rigorosos para avaliar o desempenho longitudinal da IA. O resumo também não fornece informações sobre heterogeneidade entre os estudos ou possíveis vieses de publicação.

## Aplicação no consultório

Os resultados sugerem que sistemas de IA, especialmente com CNN, podem ter alta acurácia no diagnóstico mamográfico, o que pode influenciar a prática clínica e a gestão do consultório. No entanto, a implementação deve considerar a necessidade de validação prospectiva e a integração com o fluxo de trabalho. O médico pode usar essas informações para discutir a adoção de ferramentas de IA, mas sem substituir o julgamento clínico. A gestão do consultório pode se beneficiar de uma compreensão crítica dessas tecnologias.

## Perguntas para aprofundar

- Qual o desempenho da CNN comparado a outros métodos de aprendizado de máquina na mamografia?
- Quais são as limitações dos estudos retrospectivos sobre IA no rastreamento do câncer de mama?
- Como aplicar os achados de meta-análise sobre IA na prática clínica do consultório?

Tema: IA em dermatologia. Página: https://alphadoctor.com.br/ciencia/ia-dermatologia/metodos-de-aprendizado-de-maquina-especialmente-cnn-tem-boa-acuracia-no/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.