Quando uma mulher faz uma mamografia de rotina, o exame é analisado em busca de nódulos ou microcalcificações que possam indicar um tumor já instalado. Agora, imagine se a imagem contivesse características muito mais sutis, quase invisíveis ao olho humano, que sinalizassem um risco futuro de câncer com anos de antecedência?
Um estudo recém-publicado mostra que sistemas de inteligência artificial não só conseguem enxergar esses padrões, como já detectam a doença em até uma década antes do diagnostico clínico.
O achado não significa que a IA esteja prevendo o futuro, mas sim que os algoritmos conseguem captar alterações mínimas na arquitetura do tecido mamário que, com o tempo, podem evoluir para um câncer. É uma diferença sutil, porém poderosa: em vez de apenas apontar o que já existe, a tecnologia pode ajudar a identificar o que merece um olhar mais atento muito antes de qualquer sintoma.
Ficha do estudo: O trabalho foi conduzido por Sarah Hickman, Pantelis Gialias, Haiko Schurz, Fernando Cossío e Taeyang Choi e publicado em 1º de junho de 2026 na revista Radiology. O artigo tem o DOI 10.1148/radiol.251309.
Como é feita a avaliação de IA em mamografia
Os sistemas de detecção auxiliada por computador, ou CAD, já são velhos conhecidos dos radiologistas. As versões mais modernas, impulsionadas por inteligência artificial, vão além de simplesmente circular regiões suspeitas. Elas atribuem uma pontuação numérica a cada exame. É uma espécie de “nota de preocupação” que reflete a probabilidade de haver um câncer presente naquele momento.
Imagine um cão farejador adestrado para encontrar um odor específico. Em vez de latir só quando sente o cheiro forte e óbvio, ele aprende a reconhecer traços quase imperceptíveis que, para outro focinho, passariam despercebidos.
Os modelos de IA atuam de forma análoga: são treinados com milhares de mamografias rotuladas para detectar combinações de pixels que se correlacionam com diagnósticos positivos, mesmo quando a olho nu as imagens parecem normais.
O que o estudo encontrou?
A equipe testou três sistemas comerciais de inteligência artificial usando um grande histórico de mamografias de rastreamento. O objetivo era verificar se as notas atribuídas pelas IAs variavam de acordo com a proximidade temporal de um diagnóstico de câncer de mama.
O resultado central foi claro: as notas de risco estavam elevadas já em exames realizados até 10 anos antes de a doença ser confirmada por biópsia. Em outras palavras, as mamografias “negativas” do passado não eram tão silenciosas assim, os algoritmos enxergavam nelas um sussurro de perigo que só se manifestaria clinicamente uma década depois.
É importante separar o que foi medido do que é inferência. O estudo constatou uma associação estatística entre notas altas e futuros diagnósticos. A hipótese dos autores é que essa capacidade possa ser usada para sinalizar indivíduos que se beneficiariam de rastreamento suplementar, como ressonância magnética ou ultrassonografia, ou de intervalos mais curtos entre mamografias.
Por que isso importa para você?
O câncer de mama é o tipo de tumor mais incidente entre mulheres no mundo (excetuando o de pele não melanoma). A detecção precoce segue sendo a principal aliada para reduzir a mortalidade. Entretanto, o rastreamento populacional atual tem limitações: mamografias podem deixar escapar tumores em mamas densas, gerar falsos positivos e, muitas vezes, encontrar a doença quando ela já está estabelecida.
Uma ferramenta que consiga ampliar a janela de alerta uma década antes mexe com a lógica da prevenção. Em vez de reagir a um nódulo palpável ou a uma imagem claramente alterada, os serviços de saúde poderiam atuar de forma verdadeiramente antecipada.
Isso abre discussões sobre novos protocolos de vigilância, mas também sobre acesso equitativo, para que o avanço tecnológico não beneficie apenas uma parcela da população.
O que o estudo ainda não explica?
Os próprios achados vêm acompanhados de questões que a pesquisa não conseguiu (e talvez nem pretendesse) responder. O artigo descreve uma associação temporal, não uma relação de causa e efeito. Não se sabe, por exemplo, qual a proporção de mulheres com notas elevadas que jamais desenvolverão câncer (os falsos positivos). Esse é um ponto crucial, porque um sistema que alarma demais pode gerar ansiedade, exames invasivos desnecessários e sobrecarga nos sistemas de saúde.
Outra lacuna relevante é que o estudo não detalha se essas notas se comportam de forma diferente conforme o tipo biológico do tumor. Se os algoritmos são igualmente sensíveis para cânceres agressivos e para aqueles de crescimento lento que talvez nunca ameaçassem a vida da paciente.
Sem essa distinção, corre-se o risco de sobrediagnóstico. Além disso, a pesquisa foi conduzida com sistemas comerciais existentes e em uma determinada população; a validação em diferentes grupos étnicos e geográficos é um passo essencial antes de qualquer adoção clínica em larga escala.
Por que inteligência artificial na detecção de câncer importa?
Enxergar um sinal onde antes só se via ruído é, em essência, o que a inteligência artificial começa a fazer pela mamografia. O estudo não promete uma bola de cristal, mas sugere que o rastreamento pode se tornar mais inteligente, capaz de estratificar riscos com anos de antecedência e, potencialmente, mudar a trajetória de milhões de mulheres.
A pergunta que fica não é se a tecnologia funciona, mas como a sociedade vai usá-la com sabedoria, equilibrando esperança e cautela na mesma medida que a própria ciência exige.
Transparência científica
Nota Editorial: Este texto foi produzido com o intuito de tornar o conhecimento acessível e informativo. Conteúdo jornalístico produzido por Paulo Budri.
Fontes
- Hickman S, Gialias P, Schurz H, Cossío F, Choi T. Artificial Intelligence Detection Scores in Screening Mammography for Early Breast Cancer Alerts. Radiology. 2026. DOI: 10.1148/radiol.251309.
- Radiology, periódico científico da Radiological Society of North America (RSNA).
Matéria escrita e revisada originalmente por Paulo Budri.
