Impacto do uso de inteligência artificial como segundo leitor na triagem mamária, incluindo arbitragem

Por que este estudo é importante para mulheres e famílias

O rastreamento mamário é uma das ferramentas mais usadas para detectar câncer precocemente, quando o tratamento é mais eficaz e menos agressivo. Ainda assim, o sistema depende de uma grande força de trabalho altamente treinada de especialistas que examinam imagens de mamografia a olho nu. No Reino Unido, não há radiologistas suficientes para atender confortavelmente a demanda, o que levanta preocupações sobre atrasos e cânceres não detectados. Este estudo faz uma pergunta que afeta milhões de mulheres: um sistema de inteligência artificial (IA) pode assumir com segurança parte do trabalho de leitura ao lado de especialistas humanos sem sacrificar a precisão — e talvez até ajudar a encontrar cânceres mais cedo?

Como o rastreamento mamário funciona hoje

No Programa de Rastreamento Mamário do National Health Service, mulheres de 50 a 70 anos são convidadas para uma mamografia a cada três anos. Cada conjunto de imagens é normalmente lido de forma independente por dois leitores treinados em mamografia, como radiologistas ou tecnólogos especializados. Se os dois discordarem, ou se a política local exigir, o caso vai para uma discussão especial chamada arbitragem, onde os leitores decidem em conjunto se a mulher deve ser convocada para exames adicionais. Este sistema de dupla leitura foi projetado para equilibrar dois objetivos: detectar o maior número possível de cânceres e evitar convocações desnecessárias que causam ansiedade, exames extras e custo.

O que os pesquisadores se propuseram a testar

A equipe estudou mamografias e registros clínicos de 50.000 mulheres que foram rastreadas em dois serviços hospitalares em Londres. Como essas mulheres tiveram vários anos de seguimento, os pesquisadores puderam ver não apenas quais cânceres foram detectados no rastreamento, mas também quais apareceram mais tarde entre exames (os chamados cânceres intervalares) ou na próxima visita de rotina. Eles compararam dois caminhos usando as mesmas imagens históricas: a abordagem padrão com dois leitores humanos e uma abordagem assistida por IA em que o primeiro leitor era humano e o segundo era o sistema de IA desenvolvido pela Google. Quaisquer casos que precisassem de uma decisão final foram encaminhados a painéis de arbitragem de 22 leitores experientes, que atuaram como fariam em clínicas reais.

Como a IA se saiu em comparação com especialistas humanos

No geral, usar IA como segundo leitor teve desempenho pelo menos tão bom quanto ter dois humanos, uma vez consideradas as decisões de arbitragem. O caminho assistido por IA mostrou habilidade muito semelhante para sinalizar mulheres que realmente tinham câncer (sensibilidade) e para tranquilizar aquelas que não tinham (especificidade), atendendo a critérios estatísticos rigorosos de “não inferioridade”. Na verdade, a especificidade foi ligeiramente maior com IA, significando menos convocações desnecessárias, e a taxa de detecção de câncer foi virtualmente idêntica entre as duas abordagens. Como a IA substituiu uma das leituras humanas na maioria dos casos, o número total de leituras rotineiras caiu cerca de metade, o que se traduziu em uma estimativa de redução de 36–44% no tempo dos leitores, mesmo após levar em conta o esforço extra na arbitragem.

Onde a IA ajudou — e onde ficou aquém

Antes da arbitragem, o sistema de IA era mais propenso do que leitores humanos isolados a sinalizar cânceres que mais tarde apareceram entre exames ou na próxima visita de rotina, sugerindo que às vezes pode detectar mudanças sutis que humanos deixam passar. No entanto, muitos desses potenciais avisos precoces foram derrubados durante a arbitragem, especialmente quando os leitores foram influenciados por imagens mais antigas que a IA não analisou ou por pontos adicionais destacados pela IA que se revelaram inofensivos. Em um subconjunto pequeno, porém importante, de 93 mulheres, a IA avaliou corretamente que havia algo errado, mas os painéis de arbitragem decidiram contra a convocação; a maioria dessas mulheres desenvolveu posteriormente cânceres intervalares ou na rodada seguinte. Ao mesmo tempo, a arbitragem humana cancelou corretamente muitas convocações acionadas pela IA em mulheres que, no fim, estavam livres de câncer, melhorando a especificidade geral. Entre diferentes faixas etárias, etnias, densidades mamárias e tipos de câncer, o caminho assistido por IA, de forma geral, igualou o desempenho do atendimento padrão, embora os resultados para alguns subgrupos menores sejam menos certos.

O que isso pode significar para o rastreamento futuro

O estudo sugere que a IA pode assumir com segurança o papel de segundo leitor no rastreamento mamário sem reduzir a qualidade do cuidado, ao mesmo tempo em que alivia a pressão sobre uma força de trabalho sobrecarregada. Ainda assim, também ressalta os limites dos sistemas atuais: por si só, a IA mostrou promessa em sinalizar cânceres mais cedo, mas essas vantagens foram diluídas quando humanos, compreensivelmente cautelosos, anularam alguns alertas da IA. Os autores defendem que melhorar como a IA explica suas sugestões, reduzir alarmes falsos que distraem e treinar clínicos sobre quando confiar ou questionar a ferramenta pode desbloquear mais de seu potencial. Se essas parcerias homem–máquina forem refinadas e cuidadosamente testadas em ensaios no mundo real, o rastreamento apoiado por IA pode não apenas sustentar os programas atuais, mas também ajudar mais mulheres a terem seus cânceres detectados em um estágio em que o tratamento tem maior probabilidade de sucesso.

Citação: Warren, L.M., Venton, J., Young, K.C. et al. Impact of using artificial intelligence as a second reader in breast screening including arbitration. Nat Cancer 7, 507–521 (2026). https://doi.org/10.1038/s43018-026-01128-z

Palavras-chave: rastreamento do câncer de mama, mamografia, inteligência artificial, carga de trabalho em radiologia, arbitragem médica