# Modelos de aprendizado profundo para diagnóstico automatizado de câncer: o que a revisão sistemática revela sobre acurácia e aplicabilidade clínica?

> A revisão sistemática analisou modelos de aprendizado profundo para diagnóstico automatizado de cinco tipos de câncer (mama, pulmão, fígado, cérebro e cervical) entre 2016 e 2022. A maioria dos estudos alcançou acurácia apreciável com redes neurais convolucionais, especialmente usando modelos pré-treinados. No entanto, foram identificadas limitações que precisam ser superadas antes da aplicação clínica rotineira.

Estudo citado: Tandon R, Agrawal S, Rathore NPS, Mishra AK, Jain SK. A systematic review on deep learning-based automated cancer diagnosis models. Journal of cellular and molecular medicine. 2024. DOI: https://doi.org/10.1111/jcmm.18144. PubMed: https://pubmed.ncbi.nlm.nih.gov/38426930/

## Resposta

A revisão sistemática teve como objetivo sumarizar a literatura sobre modelos de aprendizado profundo (DL) para o diagnóstico automatizado de câncer. Foram consideradas cinco categorias principais: câncer de mama, pulmão, fígado, cérebro e cervical, selecionadas por sua alta incidência e mortalidade. A análise comparativa incluiu artigos publicados entre 2016 e 2022, focando no diagnóstico precoce.

Os resultados indicam que a maioria dos pesquisadores obteve acurácia apreciável com o uso de redes neurais convolucionais (CNNs), particularmente quando empregaram modelos pré-treinados. Esses modelos demonstraram potencial para auxiliar na detecção automatizada de câncer em estágios iniciais, o que é crucial para melhorar os desfechos clínicos.

Apesar dos avanços, a revisão aponta diversas limitações nos modelos existentes de DL para diagnóstico de câncer. Essas limitações não são detalhadas no resumo, mas os autores destacam a necessidade de superá-las. Além disso, são discutidas direções futuras para facilitar a pesquisa e a implementação clínica dessas ferramentas.

Para o médico, os achados sugerem que os modelos de DL, especialmente as CNNs com aprendizado por transferência, são promissores como ferramentas de apoio ao diagnóstico. Contudo, a aplicação clínica rotineira ainda requer validação adicional e superação das limitações identificadas. A revisão fornece uma base para que profissionais de saúde compreendam o estado atual da tecnologia e suas perspectivas.

## O que o estudo mostrou

Trata-se de uma revisão sistemática que analisou modelos de aprendizado profundo para diagnóstico automatizado de cinco tipos de câncer (mama, pulmão, fígado, cérebro e cervical), com base em artigos publicados entre 2016 e 2022. A maioria dos estudos alcançou acurácia apreciável utilizando redes neurais convolucionais, especialmente com modelos pré-treinados. O resumo não informa o número de artigos incluídos nem o desenho detalhado dos estudos primários.

## Limitações

O resumo não detalha as limitações específicas dos modelos analisados, apenas menciona que foram identificadas deficiências. Também não informa a quantidade de estudos incluídos, os critérios de seleção ou a qualidade metodológica dos artigos revisados. Essas lacunas impedem uma avaliação mais aprofundada da robustez das evidências.

## Aplicação no consultório

Os achados podem orientar o médico a considerar o aprendizado profundo como ferramenta auxiliar no diagnóstico precoce de câncer, especialmente em mama, pulmão, fígado, cérebro e cervical. No entanto, a implementação na prática clínica exige cautela, pois os modelos ainda apresentam limitações. Para a gestão do consultório, é importante acompanhar a evolução dessas tecnologias e avaliar sua integração com fluxos de trabalho existentes, priorizando a validação clínica.

## Perguntas para aprofundar

- Quais são as principais limitações dos modelos de aprendizado profundo para diagnóstico de câncer mencionadas na revisão?
- Como as redes neurais convolucionais pré-treinadas podem ser aplicadas na prática clínica para diagnóstico precoce de câncer?
- Quais direções futuras a revisão sugere para melhorar a automação do diagnóstico de câncer com aprendizado profundo?

Tema: IA em diagnóstico por imagem e radiologia. Página: https://alphadoctor.com.br/ciencia/ia-radiologia/modelos-de-aprendizado-profundo-para-diagnostico-automatizado-de-cancer-o-que-a/

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