A IA detecta um terço dos casos de câncer de mama em intervalos não detectados pelo rastreamento

Um algoritmo de inteligência artificial para rastreamento do câncer de mama pode melhorar o desempenho da mamografia por tomossíntese digital (DBT), reduzindo as taxas de câncer intervalado em até um terço, de acordo com um estudo publicado hoje no periódico Radiology.

Cânceres de mama intervalados são tumores sintomáticos diagnosticados entre mamografias de rotina. Esses casos geralmente apresentam pior prognóstico devido à doença mais agressiva e ao rápido crescimento tumoral. A TCD, ou mamografia 3D, proporciona melhor visualização das lesões mamárias e pode identificar tumores que podem estar ocultos por tecido denso. No entanto, como a TCD é uma tecnologia relativamente nova, os dados de resultados a longo prazo para pacientes em instituições que adotaram a técnica recentemente permanecem limitados.

“Dada a escassez de dados sobre mortalidade por câncer de mama após 10 anos de rastreamento por DBT, as taxas de câncer intervaladas são frequentemente usadas como um indicador”, explica a autora do estudo, Dra. Manisha Bahl, diretora de qualidade de imagem mamária do Hospital Geral de Massachusetts e professora associada da Faculdade de Medicina de Harvard.
“Uma redução nessa taxa sugere uma redução na incidência e na mortalidade por câncer de mama.”

Estudo: IA identifica tumores não detectados

Em um estudo de 1.376 casos, Bal e colegas analisaram retrospectivamente 224 cânceres de intervalo em 224 mulheres submetidas à triagem DBT. Nessas imagens, o algoritmo de IA Lunit INSIGHT DBT v1.1.0.0 localizou corretamente 32,6% (73 de 224) dos tumores não detectados anteriormente.

“Ficamos surpresos que quase um terço dos tumores de intervalo foram detectados e localizados com precisão pelo algoritmo de IA em mamografias que foram previamente interpretadas como normais por radiologistas, destacando o potencial da IA como um 'segundo leitor'”, disse Bahl.

De acordo com os pesquisadores, este pode ser o primeiro estudo publicado analisando especificamente o uso de IA para detectar cânceres de intervalo em imagens DBT.

“A IA já foi usada anteriormente para detectar cânceres de intervalo em mamografias digitais 2D convencionais, mas, até onde sabemos, não há estudos publicados na literatura sobre detecção de tumores de intervalo por IA especificamente em exames de tomossíntese 3D”, explicou Bal.

Metodologia: ao nível da lesão, não apenas um instantâneo

Para evitar superestimar a sensibilidade do algoritmo, a equipe de Bal usou uma análise específica da lesão: a IA recebia um "acerto pontuado" somente se identificasse e localizasse corretamente o local exato do tumor.

“Por outro lado, a análise de imagem completa pode aprovar a IA mesmo que a anotação esteja incorreta, o que aumenta artificialmente a sensibilidade”, acrescenta.
“Focar na precisão da localização da lesão proporciona uma avaliação mais confiável do desempenho clínico do algoritmo.”

O que exatamente a IA encontra?

• Os tumores detectados pelo algoritmo tendem a ser maiores
• Mais frequentemente, eles acabavam com danos nos gânglios linfáticos
• Isso pode significar que a IA identifica principalmente tumores agressivos ou de crescimento rápido, ou aqueles que já estavam em estágio avançado, mas não foram detectados pelos médicos durante a triagem.

Resultados gerais:

Entre 1.000 pacientes (incluindo aqueles com tumores confirmados e aqueles com resultados benignos ou falso-positivos), a IA:

• Localizou corretamente 84,4% dos 334 casos positivos verdadeiros
• Classificou corretamente 85,9% de 333 verdadeiros negativos
• Rejeitados como falsos 73,2% dos 333 casos falsos positivos

Conclusões e significado

“Nosso estudo mostrou que o algoritmo de IA conseguiu detectar retrospectivamente e localizar com precisão quase um terço dos cânceres de mama em intervalos em imagens de triagem DBT, indicando seu potencial para reduzir a incidência de cânceres em intervalos e melhorar os resultados da triagem”, disse o Dr. Bahl.

Nossos resultados corroboram a integração da IA aos fluxos de trabalho de TCD para melhorar a precisão da detecção de câncer. No entanto, o impacto real dependerá da extensão em que os radiologistas adotarem e adaptarem a IA na prática clínica, bem como da testagem de sua eficácia em diferentes cenários clínicos.