A Fundação Nacional do Cancro da Mama estima que uma em cada oito mulheres nos EUA desenvolverá a doença ao longo da vida, e estudos mostram que mulheres com tecido mamário denso e adiposo têm um risco de cancro quatro a seis vezes maior.
Com o avanço da tecnologia e da investigação, sabemos muito mais sobre documentos de mamografia e fatores de risco do que nunca. E agora, uma nova ferramenta de IA pode ajudar a localizar o cancro da mama em mulheres com tecido denso, que as imagens padrão nem sempre detectam.
Num estudo publicado na revista Radiology, investigadores revelaram um novo modelo de detecção por IA que pode localizar com precisão tumores cancerígenos em imagens de mama. A ferramenta não substitui a ressonância magnética (RM), mas pode ser usada para "aumentar a precisão e a eficácia do rastreio por RM de mama", segundo os autores.
"A ressonância magnética assistida por IA pode potencialmente detectar cancros que os humanos não encontrariam de outra forma”, disse Felipe Oviedo, principal autor do estudo e analista sénior de investigação no AI for Good Lab da Microsoft, num comunicado de imprensa.
Mas, embora as ressonâncias magnéticas sejam mais abrangentes do que as mamografias, elas são mais caras e apresentam uma taxa de falsos positivos maior. Investigadores acreditam que o novo modelo de detecção por IA pode preencher essa lacuna e promover o progresso da saúde da mulher.
Mais importante ainda, talvez, o modelo de IA pode ser uma ferramenta que pode salvar vidas para mulheres com tecido mamário denso, um fator que aumenta o risco de cancro da mama, de acordo com a Breast Cancer Research Foundation (BCRF).
Como a Best Life explica, "tecido mamário denso refere-se a mamas compostas por menos tecido adiposo e mais tecido fibroso e glandular - por outras palavras, é como as suas mamas aparecem numa mamografia. Não consegue sentir o tecido mamário denso, e ele não causa dor nem alterações na mama.”
Numa mamografia, tanto o tecido mamário denso como os tumores aparecem brancos, o que dificulta a identificação do que é potencialmente cancerígeno pelos radiologistas. Também pode ser mais difícil visualizar tumores através do tecido denso, acrescenta a Cleveland Clinic.
O cancro da mama origina-se no tecido fibroglandular, que é naturalmente denso. Infelizmente, "quanto mais tecido fibroglandular tiver na mama, maior a probabilidade de desenvolver cancro de mama", afirma a clínica.
"O tecido mamário denso é mais comum em mulheres com menos de 40 anos, aquelas com baixo índice de massa corporal (IMC), com histórico familiar de tecido denso, mulheres grávidas ou a amamentar, e aquelas que fazem terapia de reposição hormonal (TRH)”, relatou a Best Life.
Como é que a ferramenta funciona?
O modelo de detecção de anomalias por IA é uma criação da equipa de investigação de Oviedo (cidade em Espanha) e de investigadores clínicos do Departamento de Radiologia da Universidade de Washington. Foi projetado para distinguir entre dados normais e anormais, e sinalizar anomalias para avaliação posterior. Como resultado, as imagens de ressonância magnética da mama recebem uma "pontuação estimada de anomalia".
Os investigadores treinaram o modelo de IA "usando dados de quase 10.000 exames consecutivos de ressonância magnética de mama com contraste", dos quais 42,9% apresentavam mamas heterogeneamente densas e 11,6% apresentavam mamas extremamente densas. A equipa de Oviedo intitulou a ferramenta de IA de "uma solução promissora".
"Ao contrário dos modelos tradicionais de classificação binária, o nosso modelo de detecção de anomalias aprendeu uma representação robusta de casos benignos para identificar melhor malignidades anormais”.
Além disso, os investigadores afirmaram que a ferramenta de IA pode produzir "um mapa de calor espacialmente resolvido" para ressonâncias magnéticas. Com esse recurso, o mapa de calor destaca as regiões na imagem da mama que detecta como anormais.
Este recurso foi testado em 171 mulheres que realizaram ressonância magnética para rastreio ou avaliação pré-operatória de um cancro conhecido, e em 221 mulheres com cancro da mama invasivo. De acordo com os resultados, "as regiões anormais identificadas pelo modelo correspondiam às áreas de malignidade comprovada por biópsia e anotadas por um radiologista, superando amplamente o desempenho dos modelos de referência".
Os investigadores afirmam que o modelo de IA teve sucesso tanto em casos de alta prevalência de cancro como em casos de baixa prevalência. A equipa de Oviedo acredita que a integração da ferramenta ao fluxo de trabalho de radiologia pode "melhorar a eficiência da leitura".
"O nosso modelo fornece uma explicação compreensível, em nível de pixel, do que há de anormal numa mama”, explicaram. “Esses mapas de calor de anomalias podem destacar áreas de potencial preocupação, permitindo que os radiologistas se concentrem nos exames com maior probabilidade de serem cancro.”
A equipa afirmou que a ferramenta de IA ainda está a passar por um processo de avaliação antes de estar pronta para aplicação clínica.