Novembro Azul: como a IA revoluciona o diagnóstico do câncer de próstata
Novembro é o mês em que lembramos a importância da saúde do homem. Neste contexto, a tecnologia tem protagonizado uma mudança silenciosa, porém profunda, na forma como o câncer de próstata é analisado nos laboratórios: a digitalização das lâminas (whole-slide imaging – WSI) combinada com algoritmos de inteligência artificial está ajudando patologistas a detectar, classificar e até prever o comportamento de tumores prostáticos com maior rapidez e consistência. Uma revisão sistemática publicada no American Journal of Clinical Pathology em 2024 reuniu 80 estudos que investigaram essas ferramentas, mostrando resultados promissores.
Essa publicação de 2024 mostrou que a maioria dos estudos foram com base em lâminas digitalizadas (via WSI) de biópsias de células da próstata. Nessas imagens, a inteligência artificial aprendeu a reconhecer padrões por meio de redes neurais — um tipo de sistema que “imita” o modo como o cérebro humano identifica formas e detalhes. Na prática, esses programas conseguiram detectar sinais de câncer com alto nível de precisão e ajudar médicos a classificar o tipo e o grau da doença, além de reduzir o tempo necessário para analisar cada amostra, o que é um grande avanço para os laboratórios.
Mais interessante para pacientes e clínicos foi a evidência de que características histológicas identificadas pela IA se correlacionaram com variáveis prognósticas reais, como recidiva bioquímica, extensão extraprostática, invasão perineural e sobrevida livre de doença. Em outras palavras, além de “achar” áreas suspeitas numa lâmina, alguns modelos mostraram potencial para agrupar pacientes segundo risco prognóstico — o que pode, no futuro, afinar decisões sobre vigilância ativa, necessidade de exames complementares ou tratamentos mais agressivos.
Entre exemplos já validados clinicamente está um software autorizado pela FDA que usa aprendizagem por instâncias múltiplas (MIL) para apontar lâminas de biópsia com maior probabilidade de malignidade, reduzindo a necessidade de revisão manual exaustiva e acelerando o fluxo de trabalho. Estudos comparativos mostraram, em média, ganhos de acurácia ao combinar a análise humana com o suporte algorítmico, reforçando a ideia de que o melhor caminho é a colaboração entre tecnologia e médico, e não a substituição.
As limitações identificadas pela revisão são importantes para quem lê com atenção crítica. Muitos modelos foram treinados com conjuntos de dados limitados ou em uma população “mais nichada”, o que torna a generalização para outros centros e diversidade de variedades um ponto sensível. Além de que procedimentos de digitalização, equalização de cores e estilo das imagens são necessários para que o algoritmo mantenha desempenho em diferentes laboratórios e em diferentes localidades. Sem falar que os algoritmos têm demonstrado desempenho mais limitado na identificação de variantes menos comuns. Portanto isso reforça a ideia de que ainda há a necessidade de um treinamento do algorítimo com fotos de lâminas mais diversas, e também a ideia mais importante: ainda necessitamos de validações feitas por patologistas bem treinados.
Do ponto de vista do paciente, o impacto imediato tende a ser indireto, mas real: redução do tempo de laudo, maior sensibilidade na identificação de lesões pequenas e padronização no grau da doença que podem significar encaminhamentos mais rápidos, decisões terapêuticas mais confiáveis e, em última instância, melhores desfechos. Ainda assim, cabe frisar que a tecnologia é ferramenta de suporte; o laudo final e a conduta clínica continuarão a exigir a avaliação de especialistas, que interpretarão o contexto clínico e integraram dados histológicos com exames, PSA (em português, APE, Antígeno Prostático Específico, um exame de sangue usado como indicador de alterações na próstata) e quadro geral do paciente.
O futuro depende de técnicas que reduzam a dependência de anotações manuais, padronizem imagens, aumente a quantidade de variações da doença e gerem marcadores digitais que possam prever um prognóstico; assim, a IA poderá entrar no fluxo dos laboratórios sem perder segurança.
Por fim, um convite: se você se interessa por como a tecnologia na saúde, vale a pena conferir a nossa matéria sobre o Dezembro Laranja, que trata de IA aplicada ao monitoramento de pintas e ao autocuidado em câncer de pele. A leitura estabelece um paralelo interessante entre triagem digital no bolso do paciente e triagem automatizada nos laboratórios, e ajuda a entender como diferentes vertentes da IA podem complementar a prevenção e o diagnóstico na rotina.
