O rastreamento do c\u00e2ncer de mama baseia-se no exame de mamografias por dois profissionais de sa\u00fade. Embora esse m\u00e9todo seja eficaz, enfrenta uma crescente escassez de radiologistas, especialmente no Reino Unido, onde cerca de 40% dos postos podem ficar vagos at\u00e9 2028. Um estudo recente explorou o uso da intelig\u00eancia artificial como segundo leitor para analisar essas imagens, a fim de aliviar a carga de trabalho, mantendo a qualidade dos diagn\u00f3sticos.<\/p>\n
O estudo envolveu 50.000 mulheres de dois centros de rastreamento brit\u00e2nicos. Os resultados mostram que substituir o segundo leitor humano por uma ferramenta de intelig\u00eancia artificial permite manter uma precis\u00e3o semelhante em termos de detec\u00e7\u00e3o de c\u00e2nceres e redu\u00e7\u00e3o de falsos positivos. Ap\u00f3s uma etapa de arbitragem, na qual especialistas reexaminam os casos controversos, a sensibilidade e a especificidade da intelig\u00eancia artificial revelaram-se t\u00e3o boas quanto as de dois leitores humanos. Isso significa que a ferramenta identifica a mesma quantidade de c\u00e2nceres reais e evita tantos diagn\u00f3sticos err\u00f4neos.<\/p>\n
Uma das principais vantagens dessa abordagem \u00e9 a redu\u00e7\u00e3o significativa do tempo de trabalho. O n\u00famero de mamografias a serem analisadas por humanos caiu 50%, pois a intelig\u00eancia artificial assume parte dos exames. No entanto, a arbitragem torna-se mais frequente com a intelig\u00eancia artificial, aumentando de 22% a 142% dependendo dos centros. Esse aumento explica-se pelo fato de a ferramenta, \u00e0s vezes, sinalizar anomalias n\u00e3o confirmadas pelos especialistas ou, inversamente, n\u00e3o detectar casos sutis que os humanos identificam.<\/p>\n
A intelig\u00eancia artificial demonstrou uma capacidade particular de identificar c\u00e2nceres que aparecem entre dois rastreamentos ou no pr\u00f3ximo rastreamento, chamados de c\u00e2nceres de intervalo ou de pr\u00f3xima rodada. Antes da arbitragem, ela os detectava melhor do que os humanos. Mas, ap\u00f3s reavalia\u00e7\u00e3o pelos especialistas, essa diferen\u00e7a diminuiu, pois alguns sinais da ferramenta foram descartados. Isso levanta uma quest\u00e3o: como integrar melhor as sugest\u00f5es da intelig\u00eancia artificial para que sejam mais confi\u00e1veis e compreendidas pelos radiologistas?<\/p>\n
O desempenho da ferramenta varia de acordo com os equipamentos utilizados nas mamografias. Ela \u00e9 mais eficaz com os aparelhos de um fabricante do que de outro, o que sugere que deve ser adaptada \u00e0s tecnologias locais antes de ser implementada. Os radiologistas que participaram do estudo expressaram uma confian\u00e7a moderada na ferramenta, ao mesmo tempo em que apontaram suas limita\u00e7\u00f5es, como a tend\u00eancia de superestimar certas anomalias, como calcifica\u00e7\u00f5es.<\/p>\n
Esse estudo abre caminho para um uso mais amplo da intelig\u00eancia artificial no rastreamento do c\u00e2ncer de mama. Ele mostra que \u00e9 poss\u00edvel reduzir a carga de trabalho dos profissionais sem sacrificar a qualidade dos diagn\u00f3sticos. Para avan\u00e7ar, ser\u00e1 necess\u00e1rio melhorar a transpar\u00eancia das decis\u00f5es da ferramenta e capacitar os radiologistas em seu uso, para que possam avaliar melhor seus alertas e tirar o melhor proveito dela.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1038\/s43018-026-01128-z<\/a><\/p>\n Titre\u00a0:<\/strong> Impact of using artificial intelligence as a second reader in breast screening including arbitration<\/p>\n Revue : <\/strong> Nature Cancer<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Lucy M. Warren; Jenny Venton; Kenneth C. Young; Mark Halling-Brown; Christopher J. Kelly; Marc Wilson; Megumi Morigami; Lisanne Khoo; Deborah Cunningham; Richard Sidebottom; Mamatha Reddy; Hema Purushothaman; Delara Khodabakhshi; Lesley Honeyfield; Amandeep Hujan; Tsvetina Stoycheva; Andy Joiner; Reena Chopra; Aminata Sy; Dominic Ward; Lin Yang; Rory Sayres; Daniel Golden; Namrata Malhotra; Rachita Mallya; Lihong Xi; Della Ogunleye; Charlotte Purdy; Alistair Mackenzie; Susan Thomas; Shravya Shetty; Fiona J. Gilbert; Ara Darzi; Hutan Ashrafian<\/p>\n","protected":false},"excerpt":{"rendered":" A intelig\u00eancia artificial pode melhorar o rastreamento do c\u00e2ncer de mama sem sobrecarregar os radiologistas? O rastreamento do c\u00e2ncer de mama baseia-se no exame de mamografias por dois profissionais de sa\u00fade. Embora esse m\u00e9todo seja eficaz, enfrenta uma crescente escassez de radiologistas, especialmente no Reino Unido, onde cerca de 40% dos postos podem ficar vagos… Continuar lendo A intelig\u00eancia artificial pode melhorar o rastreamento do c\u00e2ncer de mama sem sobrecarregar os radiologistas?<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[5,6,3],"tags":[],"class_list":["post-17","post","type-post","status-publish","format-standard","hentry","category-ciencia-e-tecnologia","category-politica","category-saude","entry"],"_links":{"self":[{"href":"https:\/\/theengineeringreview.com\/pt\/wp-json\/wp\/v2\/posts\/17","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/theengineeringreview.com\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/theengineeringreview.com\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/theengineeringreview.com\/pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/theengineeringreview.com\/pt\/wp-json\/wp\/v2\/comments?post=17"}],"version-history":[{"count":1,"href":"https:\/\/theengineeringreview.com\/pt\/wp-json\/wp\/v2\/posts\/17\/revisions"}],"predecessor-version":[{"id":18,"href":"https:\/\/theengineeringreview.com\/pt\/wp-json\/wp\/v2\/posts\/17\/revisions\/18"}],"wp:attachment":[{"href":"https:\/\/theengineeringreview.com\/pt\/wp-json\/wp\/v2\/media?parent=17"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/theengineeringreview.com\/pt\/wp-json\/wp\/v2\/categories?post=17"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/theengineeringreview.com\/pt\/wp-json\/wp\/v2\/tags?post=17"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}