# Como a inteligência artificial tem sido aplicada no diagnóstico, tratamento e manejo perioperatório do câncer de mama, e qual a qualidade da evidência disponível?

> 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.

Estudo citado: Mostafa AF, Mady R, Abu Halimah JH, Hassan N, Elshebiny AA, Abdelazeem MAA et al.. Artificial Intelligence in Breast Cancer Diagnosis, Treatment, and Perioperative Management: A Systematic Review of Current Applications and Future Perspectives. La Clinica terapeutica. 2026. DOI: https://doi.org/10.7417/CT.2026.2172. PubMed: https://pubmed.ncbi.nlm.nih.gov/42922241/

## 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.

## 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?

Tema: IA em patologia digital. Página: https://alphadoctor.com.br/ciencia/ia-patologia-digital/como-a-inteligencia-artificial-tem-sido-aplicada-no-diagnostico-tratamento-e-42922241/

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