A IA poderia melhorar a detecção precoce do câncer de mama.
Um novo estudo liderado por pesquisadores do UCLA Health Jonsson Comprehensive Cancer Center sugere que a inteligência artificial (IA) pode ajudar a detectar cânceres de mama que se desenvolvem entre os exames de rotina, antes de se tornarem mais avançados e difíceis de tratar. Isso poderia levar a práticas de triagem melhores, tratamento mais precoce e melhores resultados para os pacientes.
O estudo, publicado no Journal of the National Cancer Institute, constatou que a IA foi capaz de identificar tipos de cânceres intervalares visíveis mamograficamente, ou seja, aqueles que se desenvolvem entre os exames, mais cedo, ao sinalizá-los no momento da triagem. Esses incluem tumores visíveis em mamografias, mas não detectados por radiologistas, ou que apresentam sinais muito sutis na mamografia, que são fáceis de perder porque os sinais eram fracos ou, em alguns casos, abaixo do nível de detecção pela visão humana.
Os pesquisadores estimam que a incorporação da IA na triagem poderia ajudar a reduzir o número desses cânceres de mama em 30%.
“Este achado é importante porque esses tipos de câncer intervalares poderiam ser detectados mais cedo, quando o câncer é mais fácil de tratar”, disse a Dra. Tiffany Yu, professora assistente de radiologia na David Geffen School of Medicine da UCLA e primeira autora do estudo. “Para os pacientes, detectar o câncer precocemente pode fazer toda a diferença. Isso pode levar a tratamentos menos agressivos e melhorar as chances de um resultado melhor.”
Embora pesquisas semelhantes tenham sido realizadas na Europa, este estudo está entre os primeiros a explorar o uso da IA para detectar cânceres de mama que se desenvolvem entre os exames nos Estados Unidos. Os pesquisadores destacam que existem diferenças-chave entre as práticas de triagem nos EUA e na Europa. Nos Estados Unidos, a maioria das mamografias é realizada usando tomossíntese digital da mama (DBT), frequentemente chamada de mamografia 3D, e os pacientes geralmente são triados anualmente. Em contraste, os programas europeus geralmente utilizam mamografia digital (DM), frequentemente chamada de mamografia 2D, e triam os pacientes a cada dois ou três anos.
O estudo retrospectivo analisou dados de quase 185.000 mamografias realizadas entre 2010 e 2019, que incluíam tanto DM quanto DBT. A partir desses dados, a equipe examinou 148 casos em que uma mulher foi diagnosticada com câncer de mama que se desenvolveu entre os exames.
Os radiologistas então revisaram esses casos para determinar por que o câncer não foi detectado mais cedo.
Em seguida, os pesquisadores aplicaram um software de IA comercialmente disponível chamado Transpara nas mamografias iniciais realizadas antes do diagnóstico de câncer, para determinar se ele poderia detectar sinais sutis de câncer que foram perdidos pelos radiologistas durante as triagens iniciais, ou pelo menos sinalizá-los como suspeitos. A ferramenta avaliou cada mamografia de 1 a 10 em relação ao risco de câncer. Uma pontuação de 8 ou mais foi considerada como possível área de preocupação.
Principais descobertas:
- A equipe descobriu que a IA sinalizou 76% das mamografias inicialmente lidas como normais, mas que posteriormente foram associadas a um câncer de mama intervalar.
- Ela sinalizou 90% dos casos de erro de leitura, onde o câncer estava visível na mamografia, mas foi perdido ou interpretado de forma errada pelo radiologista.
- A IA identificou cerca de 89% dos cânceres com sinais mínimos e acionáveis, que apresentaram sinais muito sutis e poderiam razoavelmente ter sido observados, assim como 72% dos casos com sinais mínimos e não acionáveis, que provavelmente eram muito sutis para provocar ação.
- Para os cânceres que estavam ocultos ou completamente invisíveis na mamografia, a IA sinalizou 69% dos casos.
- A IA foi um pouco menos eficaz na identificação dos verdadeiros cânceres intervalares, aqueles que não estavam presentes no momento da triagem, mas se desenvolveram depois, sinalizando cerca de 50% desses casos.
“Embora tenhamos obtido alguns resultados empolgantes, também descobrimos muitas imprecisões da IA e problemas que precisam ser explorados mais a fundo em ambientes do mundo real”, disse a Dra. Hannah Milch, professora assistente de radiologia na David Geffen School of Medicine e autora sênior do estudo. “Por exemplo, apesar de ser invisível na mamografia, a ferramenta de IA ainda sinalizou 69% das mamografias de triagem que tinham cânceres ocultos. No entanto, quando observamos as áreas específicas nas imagens que a IA marcou como suspeitas, ela não teve um desempenho tão bom, marcando o câncer real apenas 22% das vezes.”
Estudos prospectivos maiores são necessários para entender como os radiologistas usariam a IA na prática e para abordar questões-chave, como lidar com casos em que a IA sinaliza áreas como suspeitas que não são visíveis a olho nu, especialmente quando a IA nem sempre é precisa ao identificar a localização exata do câncer.
- Veja também: Nanopartículas no combate ao câncer
“Embora a IA não seja perfeita e não deva ser usada sozinha, esses achados apoiam a ideia de que a IA pode ajudar a deslocar os cânceres de mama intervalares para a categoria de cânceres verdadeiramente intervalares”, acrescentou Yu. “Ela mostra potencial para servir como um valioso segundo par de olhos, especialmente para os tipos de cânceres que são mais difíceis de detectar precocemente. Trata-se de fornecer aos radiologistas melhores ferramentas e oferecer aos pacientes a melhor chance de detectar o câncer cedo, o que pode levar a mais vidas salvas.”
Outros autores, todos da UCLA, são: Dra. Anne Hoyt, Dra. Melissa Joines, Dra. Cheryce Fischer, Dra. Nazanin Yaghmai, Dr. James Chalfant, Dra. Lucy Chow, Dra. Shabnam Mortazavi, Christopher Sears, Dr. James Sayre, Dra. Joann Elmore e Dr. William Hsu.
O trabalho foi parcialmente apoiado pelos Institutos Nacionais de Saúde, pelo Instituto Nacional do Câncer, pela Agência de Pesquisa e Qualidade em Saúde e pela Early Diagnostics Inc.
