IA e câncer de mama: Tecnologia que pode detectar câncer de mama mais cedo ainda depende de médicos

Com o início do Outubro Rosa, a medicina e a população brasileira voltam a discutir sobre as estratégias para o combate ao Câncer de Mama, e uma delas persiste em anos de debate: o diagnóstico precoce. Entre tantos avanços, a integração da Inteligência Artificial (IA) nesse processo não passa despercebida. Em entrevistas, médicos e especialistas explicam a realidade da tecnologia na medicina e quais limites ela ainda não superou.

A IA no exame de mama, tanto na mamografia quanto na tomossíntese, é utilizada para analisar padrões de imagem, como um algoritmo. Ele compara um determinado caso com um banco de dados que abrange outros exames e laudos. O objetivo é encontrar semelhanças relacionadas à densidade e as distorções na composição da mama. 

Siga o BNews no Google e receba as principais notícias no seu celular

Eleições 2026

Eleições 2026: Entenda por que não haverá pesquisa boca de urna neste domingo

ELEIÇÕES 2026

Eleições 2026: Veja que horas começa e termina a votação neste domingo

De acordo com o presidente regional da Sociedade Brasileira de Mastologia, Dr. Cesar Machado, esta é uma realidade no Brasil, mas que ainda está em processo de desenvolvimento em Salvador. 

“A inteligência artificial está começando a se mostrar superior ao próprio expert [médico sênior]. Em clínicas de Salvador isso também está acontecendo. Mas ela ainda não substitui o mastologista. Até ajuda na detecção, mas ainda não existe nenhuma validação para ser utilizado um laudo sem a revisão de um médico”, afirmou. 

Pesquisas feitas desde 2021 ressaltam que a IA apresenta alta sensibilidade mamográfica, como o estudo feito na Suécia com mais de 100 mil mulheres, conhecido como Mammography Screening with Artificial Intelligence (2025). Ele afirma que a ferramenta pode aumentar as chances de detecção do câncer e adiantar o tratamento. 

Mesmo com os avanços, o médico ressalta a posição da tecnologia: uma camada adicional para o diagnóstico final, e não uma confirmação por si só. O resultado ainda depende da análise de outros fatores. 

“Somos a favor do uso da inteligência artificial desde que haja responsabilidade. Ou seja, sempre ter um médico com formação adequada, supervisionando a ação da inteligência artificial, [...] porque ela pode errar”,  declarou o presidente. 

Os principais motivos que levam os médicos a não considerarem apenas as informações da IA podem variar entre: 

• A existência de outros fatores relevantes, como histórico clínico e exame físico;

• O fato sobre o câncer nem sempre apresentar um padrão fixo de evidências;

• O problema das IAs em generalizar dados.

Diagnóstico

O algoritmo da IA é usado, na prática, como mais um elemento. O Dr. Rodrigo Guindalini, oncologista clínico e oncogeneticista, explica que o diagnóstico está relacionado a uma ‘calculadora de risco’, no qual será analisado a probabilidade da mulher desenvolver o câncer a partir de outros fatores que, segundo ele, não podem ser ignorados pela tamanha interferência que faz na saúde da mulher.

“Não adianta ter uma densidade mamária super favorável pelo algoritmo, mas ter hábitos de vida que são péssimos e aumentam muito a probabilidade que essa pessoa desenvolva câncer. Não adianta não olhar para esses outros fatores e dar prioridade para o algoritmo da densidade”.

Durante a entrevista, o doutor exemplificou a questão: caso uma paciente afirme que a mãe e a avó tiveram câncer de mama e deseje saber quais as chances de ter também, é preciso investigar, por exemplo, se ela é obesa, consome muita bebida alcoólica ou usa reposição hormonal. 

“Esses são fatores de risco que não podem ser ignorados. Então a gente vai adicionando essas informações, além do teste genético, numa calculadora para critérios clínicos”.

Padrão

A ferramenta também se depara com outro problema: a limitação biológica. Nem sempre o câncer apresenta os mesmos "sinais".

Segundo o doutor e cientista de dados Albert Bacelar, isso dificulta a ação efetiva da IA. “A pesquisa demonstra por que nenhum sistema deve ser interpretado como detector infalível. Mamas densas, tumores pequenos, determinadas microcalcificações, localizações incomuns e alguns padrões arquiteturais dificultam a identificação”. 

Generalização e Diversidade

O algoritmo funciona a partir de dados predispostos. Caso haja mudança, por exemplo, no aparelho de mamografia ou no perfil das pacientes, o desempenho pode perder a eficácia. 

“Quem adquirir um aparelho não testado por determinada população em que vai atuar, pode ter muito erro. Por isso precisamos de iniciativas locais em cada canto do Brasil. A Food and Drug Administration, nos EUA, chama atenção ainda para o fenômeno de data drift: mudanças na população, nos equipamentos ou na prática médica ao longo do tempo degradam o desempenho inicialmente validado”, explicou.

Albert acredita que a diversidade de informações de perfis coletados para o treinamento da tecnologia é indispensável para os avanços. “Não é metodologicamente adequado assumir que um algoritmo desenvolvido nos EUA ou na Europa conservará exatamente o mesmo comportamento em nossa população. Não basta reunir milhões de mamografias se a maioria veio [...] de pacientes com características semelhantes”.

Para ele, o Brasil seria a melhor escolha para fornecer os dados em razão do DNA variado da população. “Não existe nenhum outro país no mundo com a capacidade de fornecer dados necessários para treinamento tão bem quanto o Brasil”.