A mamografia guiada por IA reduz a carga de trabalho em 33% e aumenta a detecção do câncer de mama

Em um estudo recente publicado na Radiology, pesquisadores da Dinamarca e da Holanda conduziram uma análise retrospectiva da eficácia do rastreamento e da carga geral do rastreamento mamográfico antes e depois da introdução de sistemas de inteligência artificial (IA).

O rastreio mamográfico regular para o cancro da mama reduz significativamente a mortalidade causada pela doença. No entanto, o rastreio mamográfico em massa aumenta a carga de trabalho dos radiologistas que devem rever muitas mamografias, a maioria das quais não contém lesões suspeitas.

Além disso, a triagem dupla, usada para reduzir falsos positivos e melhorar a detecção, aumenta ainda mais a carga de trabalho dos radiologistas. A falta de radiologistas especializados que possam ler mamografias agrava esta situação.

Estudos recentes exploraram extensivamente o uso de IA para analisar relatórios radiológicos de maneira eficaz, mantendo altos padrões de triagem. Acredita-se que a abordagem combinada, na qual a IA ajuda os radiologistas a destacar mamografias com lesões sinalizadas, reduz a carga de trabalho dos radiologistas, ao mesmo tempo que mantém a sensibilidade do rastreio.

O presente estudo utilizou medidas preliminares de desempenho de duas coortes de mulheres examinadas mamograficamente como parte do Programa Nacional Dinamarquês de Rastreio do Cancro da Mama para comparar a mudança na carga de trabalho e no desempenho do rastreio após a introdução de ferramentas de IA.

O programa convidou mulheres com idades entre 50 e 69 anos a fazerem exames a cada dois anos até os 79 anos. Mulheres com marcadores que indicavam um risco aumentado de câncer de mama, como genes BRCA, foram examinadas usando protocolos diferentes.

Os pesquisadores usaram dois grupos de mulheres: uma examinada antes e outra depois da introdução do sistema de IA. Apenas mulheres com menos de 70 anos de idade foram incluídas na análise para excluir aquelas do subgrupo de alto risco.

Todos os participantes foram submetidos a protocolos padrão usando mamógrafos digitais com incidências craniocaudal e mediolateral oblíqua. Todos os casos positivos neste estudo foram identificados por triagem para carcinoma ductal ou câncer invasivo, que foram confirmados por biópsia por agulha. Dados sobre relatórios patológicos, tamanho da lesão, envolvimento de linfonodos e diagnósticos também foram obtidos do registro nacional de saúde.

O sistema de IA usado para analisar mamografias foi treinado usando modelos de aprendizagem profunda para detectar, destacar e pontuar quaisquer calcificações ou lesões suspeitas em uma mamografia. A IA então classificou os exames em uma escala de 1 a 10, indicando a probabilidade de câncer de mama.

Uma equipe composta principalmente por radiologistas experientes revisou mamografias de ambas as coortes. Antes da implementação do sistema de IA, cada triagem era revisada por dois radiologistas, e o paciente era recomendado para exame clínico e biópsia por agulha somente se ambos os radiologistas considerassem que a triagem exigia avaliação adicional.

Após a implementação do sistema de IA, as mamografias com pontuação menor ou igual a 5 foram revisadas por um radiologista sênior, sabendo que receberiam apenas uma leitura. Aqueles que necessitaram de exames adicionais foram discutidos com um segundo radiologista.

O estudo descobriu que a implementação do sistema de IA reduziu significativamente a carga de trabalho dos radiologistas que analisam mamografias como parte do rastreio em massa do cancro da mama, ao mesmo tempo que melhorou a eficiência do rastreio.

A coorte examinada antes da implementação do sistema de IA consistia em mais de 60.000 mulheres, enquanto a coorte examinada usando IA era de aproximadamente 58.000 mulheres. A triagem com IA resultou em um aumento nos diagnósticos de câncer de mama (0,70% pré-IA vs. 0,82% com IA) e reduziu o número de falsos positivos (2,39% vs. 1,63%).

O rastreio baseado em IA teve um valor preditivo positivo mais elevado e a percentagem de cancros invasivos foi menor com métodos baseados em IA. Embora a percentagem de cancros com gânglios negativos não tenha mudado, outras medidas de desempenho mostraram que o rastreio baseado em IA melhorou significativamente os resultados. A carga de leitura também diminuiu 33,5%.

O estudo avaliou, portanto, a eficácia de um sistema de rastreio baseado em IA na redução da carga de trabalho dos radiologistas e na melhoria das taxas de rastreio de mamografias como parte do rastreio em massa do cancro da mama na Dinamarca.

Os resultados mostraram que o sistema baseado em IA reduziu significativamente a carga de trabalho dos radiologistas, ao mesmo tempo que melhorou as taxas de rastreio, como evidenciado por um aumento significativo nos diagnósticos de cancro da mama e uma redução significativa nos falsos positivos.