Um modelo de base para triagem de câncer de mama e pulmão usando tomografia computadorizada sem contraste

Por que uma varredura para dois cânceres importa

A triagem do câncer geralmente funciona como uma série de exames separados: um teste para os pulmões, outro para as mamas, cada um agregando tempo, custo e exposição adicional à radiação. Este estudo explora uma ideia diferente — se uma única tomografia de tórax amplamente usada poderia, discretamente, checar ao mesmo tempo câncer de pulmão e de mama, com a ajuda da inteligência artificial (IA). Se bem-sucedida, essa abordagem poderia transformar exames de rotina em uma rede de segurança dupla, especialmente em hospitais com grande movimento e em regiões com recursos limitados.

Um novo tipo de explorador digital do câncer

Os pesquisadores desenvolveram um sistema de IA chamado OMAFound que aprende a “ler” tomografias computadorizadas tridimensionais do tórax. Ao contrário das ferramentas tradicionais treinadas de forma restrita em um órgão, esse sistema primeiro estuda mais de 200.000 exames não rotulados de mais de 58.000 pessoas, aprendendo simplesmente como tórax saudável e doente se apresentam de modo geral. Esse pré-treinamento amplo permite que a IA capte padrões sutis por todo o tórax. A equipe então adiciona conjuntos menores de dados rotulados indicando se cada paciente acabou por apresentar câncer de mama, câncer de pulmão ou nenhum dos dois, ensinando o modelo a transformar seu entendimento geral das imagens em previsões concretas de câncer.

Ensinando um sistema a vigiar dois órgãos

Sobre o núcleo compartilhado de leitura de imagens, a equipe construiu dois ramos focados: um ajustado para sinais de câncer de mama e outro ajustado para sinais de câncer de pulmão. Eles treinaram e testaram esses ramos em tomografias de mais de 150.000 pacientes em diversos hospitais chineses e conjuntos de dados internacionais. Para o câncer de mama, também construíram um sistema de IA separado que interpreta mamografias, o exame padrão atual, para poder comparar de forma justa a IA baseada em TC com a prática estabelecida nas mesmas mulheres. Em testes comparativos usando mulheres que tinham ambos os tipos de imagem, a IA para mamografia foi um pouco mais precisa no geral, mas o ramo de mama baseado em TC foi mais sensível — detectando mais cânceres — enquanto a mamografia foi melhor em evitar alarmes falsos.

De achados em órgãos a respostas para o paciente inteiro

Olhar cada órgão isoladamente pode induzir a erro: se ambos os ramos indicarem “possível câncer”, a combinação pode sugerir de forma irrealista dois tumores separados na mesma pessoa. Para evitar isso, os pesquisadores criaram um terceiro módulo de IA que mistura informações das visões de mama e pulmão do mesmo exame de TC e decide se o paciente, no conjunto, provavelmente tem câncer. Essa visão em nível do paciente segue a realidade clínica, onde as pessoas muito mais frequentemente têm um único câncer, quando têm algum. Entre as mulheres nos conjuntos de teste, essa estratégia combinada ofereceu o melhor equilíbrio — alta sensibilidade para cânceres existentes mantendo os falsos positivos sob controle — superando maneiras matemáticas simples de mesclar as saídas por órgão.

Testando o sistema na triagem do mundo real

Para ver como o OMAFound funciona fora do laboratório, a equipe conduziu um estudo prospectivo em quatro centros médicos, acompanhando mais de 21.000 pessoas que procuraram triagem por TC torácica de baixa dose. Em homens, onde apenas o câncer de pulmão é relevante, o sistema equilibrou corretamente detecção de câncer e alarmes falsos em cerca de 86% das vezes. Em mulheres, alcançou acurácias balanceadas de aproximadamente 82% para câncer de mama, 88% para câncer de pulmão e 83% ao decidir se uma mulher tinha qualquer câncer. Os pesquisadores também pediram a sete radiologistas generalistas que lessem uma amostra desafiadora de exames, primeiro por conta própria e depois com as pontuações de risco e mapas de calor do OMAFound destacando áreas de preocupação. Com a assistência da IA, a habilidade dos radiologistas de detectar cânceres aumentou fortemente — especialmente para tumores de mama — enquanto sua tendência a classificar erroneamente casos não cancerosos não aumentou.

O que isso pode significar para o cuidado cotidiano

No geral, o estudo sugere que uma única TC torácica de baixa dose, já amplamente usada para verificação pulmonar, também poderia oferecer uma camada adicional de triagem para câncer de mama quando pareada com um sistema de IA robusto. OMAFound não substitui a mamografia nem o julgamento especializado, mas poderia sinalizar pessoas de alto risco mais cedo e ajudar clínicos sobrecarregados a concentrar sua atenção onde é mais necessária. Ao transformar um exame comum em um vigia multicanção, a abordagem aponta para programas de triagem mais eficientes, mais acessíveis e potencialmente mais salvadores de vidas, sem adicionar testes, custos ou exposição à radiação extra.

Citação: Liang, Z., Niu, Q., Wang, J. et al. A foundation model for breast and lung cancer screening using non-contrast computed tomography. Nat. Health 1, 403–415 (2026). https://doi.org/10.1038/s44360-026-00055-8

Palavras-chave: triagem multicanção, TC de baixa dose, câncer de mama, câncer de pulmão, IA médica