Com o início do Outubro Rosa, cresce o debate sobre o uso da inteligência artificial (IA) no diagnóstico precoce do câncer de mama. Médicos e especialistas ouvidos em entrevistas afirmam que a tecnologia já auxilia na detecção, mas ainda não substitui a análise de um profissional.
Na mamografia e na tomossíntese, a IA funciona como um algoritmo que analisa padrões de imagem. Ela compara cada caso com um banco de dados de outros exames e laudos, em busca de semelhanças ligadas à densidade e a distorções na composição da mama.
Segundo o presidente regional da Sociedade Brasileira de Mastologia, Cesar Machado, o uso da ferramenta já é realidade no Brasil e ainda está em desenvolvimento em Salvador. "A inteligência artificial está começando a se mostrar superior ao próprio expert [médico sênior]. Em clínicas de Salvador isso também está acontecendo. Mas ela ainda não substitui o mastologista", afirmou. Ele destacou que não há validação para o uso de um laudo sem a revisão de um médico.
Pesquisas feitas desde 2021 apontam alta sensibilidade da IA nas mamografias. Um exemplo é o estudo sueco com mais de 100 mil mulheres, o Mammography Screening with Artificial Intelligence (2025), segundo o qual a ferramenta pode aumentar as chances de detectar o câncer e antecipar o tratamento.
Mesmo assim, a IA é vista como uma camada adicional, e não como confirmação do diagnóstico. Entre os motivos estão a existência de outros fatores relevantes, como histórico clínico e exame físico, o fato de o câncer nem sempre seguir um padrão fixo e a dificuldade da tecnologia em generalizar dados.
O oncologista clínico e oncogeneticista Rodrigo Guindalini explica que o diagnóstico passa por uma "calculadora de risco", que estima a probabilidade de a mulher desenvolver a doença. Nela entram fatores como histórico familiar, obesidade, consumo de álcool, reposição hormonal e teste genético. "Não adianta ter uma densidade mamária super favorável pelo algoritmo, mas ter hábitos de vida que são péssimos", disse.
O cientista de dados Albert Bacelar aponta ainda limitações biológicas e de generalização. Mamas densas, tumores pequenos e certas microcalcificações dificultam a identificação, e mudanças de equipamento ou do perfil das pacientes podem reduzir o desempenho. Para ele, algoritmos criados nos EUA ou na Europa não devem ser assumidos como igualmente eficazes no Brasil, país que, em sua avaliação, tem grande potencial para fornecer dados diversos de treinamento por causa da variedade genética da população.
