O PAPEL DA INTELIGÊNCIA ARTIFICIAL NA CLASSIFICAÇÃO BI-RADS EM ULTRASSONOGRAFIA DE MAMA COMO APOIO DIAGNÓSTICO

Resumo

ContextoO câncer de mama é a neoplasia maligna mais comum entre mulheres e sua detecção precoce é essencial. A ultrassonografia, apesar de amplamente utilizada, sofre com variabilidade diagnóstica. Nesse cenário, a inteligência artificial(IA) surge como solução promissora para apoiar o diagnóstico na classificação BI-RADS. Objetivos: Revisar a literatura dos últimos cinco anos sobre o uso de IA na ultrassonografia mamária, com ênfase na classificação BI-RADS e no apoio ao diagnóstico.Metodologia Trata-se de uma revisão bibliográfica na PubMed, utilizando os descritores: “Artificial Intelligence”,“Ultrasonography, Mammary”,“BI-RADS”,“Deep Learning”,“Breast Ultrasound”,“Computer-Assisted Diagnosis” “Breast Neoplasms”, “Radiologist” e “Machine Learning”. Foram incluídos artigos sobre IA na ultrassonografia mamária, com foco em BI-RADS e suporte diagnóstica, publicados entre 2019 e 2024, em inglês e português Resultados: A IA na ultrassonografia mamária consolidou-se como ferramenta de apoio para a acurácia diagnóstica e a prática clínica. Sistemas de diagnóstico assistido por computador (AI- CAD) aumentam especificidade, valor preditivo positivo e acurácia, reduzindo a variabilidade na categorização BI-RADS. Esses sistemas permitem rebaixar com segurança lesões BI-RADS 4A para 3, evitando até 21,1% de biópsias desnecessárias. O benefício varia conforme a experiência: radiologistas iniciantes obtêm ganhos maiores com a IA, enquanto os experientes se beneficiam da padronização. Algoritmos de deep learning extraem descritores BI-RADS e classificam malignidade com desempenho comparável a especialistas, fornecendo critérios claros que aumentam a confiança clínica. Modelos de linguagem, como o “ChatGPT-4o”, podem simplificar laudos técnicos em linguagem acessível, promovendo compreensão do paciente e cuidado centrado no indivíduo. A IA demonstrou ainda maior concordância interobservador e redução de falsos positivos, impactando diretamente a categorização BI-RADS Conclusão: A IA mostrou-se útil no apoio à classificação BI-RADS, ao aumentar a concordância interobservador, reduzir a variabilidade diagnóstica, evitar biópsias desnecessárias e fortalecer a relação médico- paciente. Seu impacto futuro poderá incluir rastreamento mais acessível e padronizado, desde que haja validação ampla antes da incorporação clínica