Como a inteligência artificial tem sido aplicada no diagnóstico, tratamento e manejo perioperatório do câncer de mama, e qual a qualidade da evidência disponível?
Resposta curta: Revisão sistemática de 17 estudos primários encontrou bom desempenho da IA em rastreamento mamográfico, patologia digital, radiômica de ressonância e processamento de linguagem natural, com risco de viés baixo a moderado nessas áreas. Não houve estudos primários elegíveis sobre manejo perioperatório específico em câncer de mama, a maior lacuna de evidência.
Resposta
A revisão sistemática avaliou o desempenho, a qualidade metodológica e a relevância clínica de estudos primários de inteligência artificial em câncer de mama, abrangendo imagem de rastreamento e diagnóstico, patologia digital, radiômica, manejo perioperatório, predição prognóstica e processamento de linguagem natural. Foram incluídos apenas estudos primários com dados em nível de paciente ou de imagem, excluindo sínteses secundárias.
Na mamografia de rastreamento, sete estudos com n de 7,540 a 144,231 exames mostraram AUC de 0,876 a 0,939 para aprendizado profundo. Um ensaio randomizado em 80,033 mulheres demonstrou não inferioridade em relação à dupla leitura, com redução de 44,3% na carga de trabalho do radiologista. Na patologia digital, cinco estudos com 270 a 44,732 lâminas inteiras alcançaram AUC de 0,985 a 0,994, superando o desempenho do patologista sem auxílio na detecção de metástase em linfonodo.
A radiômica de ressonância magnética predisse resposta patológica completa em câncer de mama HER2-positivo com AUC de 0,80. Redes de sobrevida profunda obtiveram índice de concordância de 0,626 versus 0,612 da regressão de Cox. O processamento de linguagem natural identificou recidiva metastática em registros clínicos com sensibilidade de 83% e especificidade de 73%.
Nenhum estudo primário perioperatório específico para câncer de mama atendeu aos critérios de elegibilidade, configurando a maior lacuna de evidência. O risco de viés foi baixo a moderado para estudos de imagem e patologia e alto para estudos de radiômica com amostras pequenas. Apenas dois estudos de imagem relataram desempenho estratificado por densidade mamária, e a predição de status de receptor a partir de hematoxilina e eosina não foi validada como alternativa segura à imuno-histoquímica.
As limitações mais consistentemente apontadas foram a necessidade de validação externa, a diversidade demográfica restrita e a escassez de evidências de integração clínica prospectiva. A predição de status molecular sem imuno-histoquímica exige validação prospectiva rigorosa de segurança antes de complementar o teste padrão.
O que o estudo mostrou
Revisão sistemática com busca em cinco bases, restrita a estudos primários com dados em nível de paciente ou imagem, incluindo 17 estudos entre 5,275 registros. Na mamografia, AUC de 0,876 a 0,939 e não inferioridade à dupla leitura com redução de 44,3% na carga de trabalho. Na patologia digital, AUC de 0,985 a 0,994. Radiômica de ressonância predisse resposta patológica completa com AUC de 0,80. Nenhum estudo perioperatório elegível.
Limitações
O resumo não informa detalhes sobre a população dos estudos incluídos nem sobre heterogeneidade entre eles. O risco de viés foi alto para estudos de radiômica com amostras pequenas, e apenas dois estudos de imagem relataram desempenho estratificado por densidade mamária. Faltam evidências de validação externa, diversidade demográfica e integração clínica prospectiva.
Aplicação no consultório
Os achados apoiam considerar ferramentas de IA em mamografia e patologia digital como apoio à leitura e à detecção, sem substituir o julgamento clínico. Para a gestão do consultório, a redução de carga de trabalho descrita em rastreamento pode orientar decisões sobre fluxo de exames e alocação de equipe. A ausência de estudos perioperatórios e a falta de validação da predição de receptores sem imuno-histoquímica exigem cautela antes de incorporar essas aplicações à rotina.
Estudo citado
Artificial Intelligence in Breast Cancer Diagnosis, Treatment, and Perioperative Management: A Systematic Review of Current Applications and Future Perspectives. La Clinica terapeutica, 2026.
Autores: Mostafa AF, Mady R, Abu Halimah JH, Hassan N, Elshebiny AA, Abdelazeem MAA, Salem LN, Abdrabo AA, Ibrahem M, Elzeiny A, Abdelaziz SMME, Hakami AH, Sayegh AA, Hegazy HA, Ahmed IS.
DOI: 10.7417/CT.2026.2172 · PubMed: PMID 42922241
Perguntas para aprofundar
- Qual o desempenho da IA na mamografia de rastreamento em comparação à dupla leitura?
- A IA em patologia digital já pode substituir a avaliação do patologista na detecção de metástase em linfonodo?
- Por que faltam estudos sobre IA no manejo perioperatório do câncer de mama?
Mais sobre IA em patologia digital
- A inteligência artificial aplicada a imagens histopatológicas é eficaz na detecção do câncer de mama?
- A inteligência artificial em patologia digital do câncer de mama já é uma nova era de prática clínica?
- Métodos automatizados de pontuação de linfócitos infiltrantes de tumor (TILs) em câncer de mama são promissores para uso clínico?
- A inteligência artificial pode melhorar o diagnóstico precoce e o tratamento de precisão do câncer de mama?
- A inteligência artificial é confiável para auxiliar na avaliação imuno-histoquímica do HER2 no câncer de mama?
Todas as perguntas sobre IA em patologia digital · Todos os temas · Versão em markdown