Outubro é o mês dedicado à conscientização e combate ao câncer de mama, um período que nos lembra da importância do diagnóstico precoce. Neste artigo, queremos olhar para onde a inovação está nos levando: como a Tecnologia da Informação e a Inteligência Artificial (IA) estão redefinindo a prevenção e o diagnóstico, e porque a Privacidade é tão importante para o futuro da saúde.
IA traz avanços no diagnóstico e prevenção
1. Detecção precoce aprimorada
- Aumento da precisão: A pesquisa “Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography” mostrou que a combinação da leitura humana com a IA pode aumentar a detecção de tumores em até 8,4% em relação à dupla leitura humana padrão. Em muitos casos, tumores invasivos foram identificados apenas pelo algoritmo [1].
- “Segunda opinião” eficiente: Um sistema de IA pode aumentar a taxa de detecção de câncer de mama em 17,6% em mamografias, ajudando a encontrar um caso a mais a cada mil mulheres examinadas. A tecnologia serve como uma “segunda opinião”, reduzindo falsos negativos (cânceres não detectados) e falsos positivos (diagnósticos errôneos) [2].
- Casos de sucesso:
– A ferramenta Mia, testada no Reino Unido (NHS), analisou mais de 10 mil mamografias, identificando tumores muito pequenos que haviam passado despercebidos (como um tumor de 6mm), o que permitiu tratamentos menos invasivos. A Mia também reduziu o tempo de espera por resultados de 14 para apenas 3 dias [3].
– Um sistema de IA do Google Health, treinado com deep learning, provou ser mais eficiente na detecção. Testado em pacientes reais nos EUA e Reino Unido, ele reduziu os falsos negativos em 9,4% e os falsos positivos em 5,7% (no contexto americano), analisando exames em menos de dois minutos [4].
2. Previsão de Risco Otimizada
- Superando modelos tradicionais: Um estudo publicado na revista Radiology revelou que algoritmos de IA superam modelos de risco clínico tradicionais na previsão do risco de desenvolver câncer de mama em até cinco anos [5].
- Análise de imagem única: A IA utiliza a própria imagem da mamografia — uma única fonte de dados — para extrair características sutis que identificam tanto cânceres que poderiam ter sido perdidos quanto padrões no tecido que preveem o surgimento futuro da doença. A capacidade preditiva da IA é mais forte e eficiente, permitindo um rastreamento mais individualizado [6].
3. Inovação Brasileira e triagem otimizada
O Brasil também avança com startups usando IA para prevenção e diagnóstico precoce:
- Uma startup utiliza algoritmos para analisar exames de sangue de rotina, identificando padrões complexos que estratificam o risco da paciente e priorizam quem deve realizar a mamografia [7].
- Outra startup usa um sensor infravermelho para capturar imagens da mama de forma não invasiva e sem radiação. A IA compara essas imagens com um vasto banco de dados oncológicos para fornecer uma avaliação inicial rápida e de baixo custo, indicando indícios de lesões em segundos [8].
A Governança de Privacidade no futuro da saúde
A necessidade da IA de processar grandes volumes de dados sensíveis (imagens médicas, genética e histórico) coloca a privacidade no centro do debate. A governança desses dados exige um rigor que vai além da conformidade legal, focando na Segurança da Informação como um pilar de confiança.
A proteção dos dados não deve ser vista como um obstáculo à inovação, mas sim como o alicerce ético para que a confiança pública no sistema de saúde digital seja mantida. Sem a garantia de privacidade e segurança, a tecnologia não consegue avançar. A IA só é tão eficaz quanto a qualidade e a diversidade dos dados que a alimentam.
Medidas como a anonimização, criptografia e a implementação de práticas de Segurança por Design (Security by Design) são vitais. Elas garantem que a informação mais íntima da paciente seja protegida contra acessos não autorizados.
Por que os sistemas de IA erram e como garantir um tratamento igual para todos.
Um dos maiores riscos éticos e práticos da IA reside no viés algorítmico. Se os modelos de IA forem treinados predominantemente com dados que refletem apenas um grupo demográfico (por exemplo, alta representação de imagens de mulheres caucasianas), eles podem falhar ao diagnosticar ou apresentar precisão reduzida para outros grupos. Isso inclui mulheres com diferentes densidades mamárias ou origens étnicas.
Profissionais de TI e cientistas de dados têm a responsabilidade fundamental de garantir a diversidade e a curadoria dos dados. É um imperativo ético trabalhar ativamente para que a IA na saúde não perpetue, mas sim reduza as disparidades de acesso e diagnóstico.
Referências
[1] https://pubmed.ncbi.nlm.nih.gov/30834436/
[2] https://www.nature.com/articles/s41591-024-03408-6; https://www.ipea.gov.br/cts/pt/central-de-conteudo/noticias/noticias/464-ia-ajuda-medicos-a-detectar-mais-casos-de-cancer-de-mama
[3] https://ukstories.microsoft.com/features/12-more-breast-cancers-detected-with-potential-workload-savings-of-30-in-the-uks-first-prospective-evaluation-of-breast-screening-ai/
[4] https://forbes.br/forbes-tech/2024/10/inteligencia-artificial-do-google-ajuda-na-deteccao-precoce-do-cancer-de-mama/
[5] https://pubs.rsna.org/doi/10.1148/radiol.222733
[6] https://www.rsna.org/news/2023/june/ai-for-predicting-breast-cancer
[7] https://startupi.com.br/huna-recebe-us-1-milhao-ia-cancer/
[8] https://www.ccbc.org.br/publicacoes/noticias-ccbc/linda-lifetech-e-premiada-como-melhor-startup-de-saude-pelo-g20/