Inovadora ferramenta de IA promete detetar cancro da mama em tecido denso

A Fundação Nacional do Cancro da Mama dos EUA estima que uma em cada oito mulheres enfrentará a doença durante a sua vida. Estudos indicam que aquelas com tecido mamário denso e adiposo têm um risco de cancro entre quatro a seis vezes superior. Com os avanços tecnológicos, tem-se conseguido aprofundar o conhecimento sobre mamografias e fatores associados ao risco de cancro da mama.

Recentemente, um estudo publicado na revista Radiology apresentou um inovador modelo de deteção baseado em inteligência artificial (IA), capaz de identificar tumores malignos em imagens de mamografia, especialmente em casos onde o tecido mamário é denso, algo que nem sempre é perceptível através dos métodos tradicionais.

Segundo Felipe Oviedo, principal autor do estudo e analista sénior no AI for Good Lab da Microsoft, a ferramenta de IA não destitui a ressonância magnética (RM) do seu valor, mas sim oferece uma forma de "aumentar a precisão e a eficácia do rastreio por RM".

Embora a RM seja mais abrangente, tem custos superiores e uma taxa de falsos positivos elevada. Os investigadores acreditam que esta nova abordagem pode ajudar a colmatar essas lacunas, promovendo um avanço significativo na saúde das mulheres.

É essencial destacar que esta ferramenta pode ser crucial na deteção precoce de cancro em mulheres com tecido mamário denso, um fator de risco reconhecido pela Breast Cancer Research Foundation (BCRF). Como apontado pela Best Life, o tecido mamário denso é constituído por uma maior quantidade de tecido fibroso e glandular, o que complica visualmente a identificação de anomalias nas mamografias.

O modelo de deteção da IA foi desenvolvido por uma equipa liderada por Oviedo, em colaboração com investigadores do Departamento de Radiologia da Universidade de Washington. Este sistema distingue entre imagens normais e anormais, apresentando uma "pontuação estimada de anomalia" nas ressonâncias magnéticas.

Através do treino com dados de quase 10.000 exames, onde 42,9% apresentavam densa heterogeneidade do tecido mamário, a equipa classificou a sua criação como “uma solução promissora”. Ao contrário dos métodos tradicionais, este modelo melhorou a classificação de casos benignos e malignos.

Os investigadores também mencionaram que a ferramenta pode gerar "mapas de calor" que destacam áreas na imagem da mama com potenciais anomalias. Este recurso foi testado em 171 mulheres que realizaram ressonância magnética para rastreio ou avaliação pré-operatória de cancro, mostrando que as regiões anormais identificadas pelo modelo coincidiam com áreas de malignidade confirmada por biópsia, superando a performance de modelos convencionais.

A equipa constatou que o modelo teve êxito tanto em casos de alta como de baixa prevalência de cancro, e acreditam que a integração desta ferramenta no fluxo de trabalho radiológico poderá "melhorar a eficiência da leitura".

“A nossa tecnologia oferece explicações claras, ao nível do pixel, sobre qualquer anomalia detetada,” afirmam os investigadores. “Esses mapas podem destacar áreas que merecem uma análise mais aprofundada, ajudando os radiologistas a concentrar-se nos casos com maior potencial de serem cancerígenos.”

Ainda em fase de avaliação, a implementação clínica deste modelo de IA está por vir, com a promessa de revolucionar a deteção precoce do cancro da mama.