ALGORITMOS DE IA NA INTERPRETAÇÃO DE MAMOGRAFIAS: IMPACTO NA REDUÇÃO DE FALSOS NEGATIVOS NO RASTREAMENTO DO CÂNCER DE MAMA

O rastreamento do câncer de mama enfrenta um desafio persistente: a taxa de falsos negativos, que compromete o prognóstico das pacientes e a eficácia dos programas de saúde pública. Este artigo de revisão narrativa examina a transição tecnológica dos antigos sistemas Computer-Aided Detection (CAD) para a nova geração de algoritmos baseados em Inteligência Artificial (IA) e Deep Learning, especificamente as Redes Neurais Convolucionais (CNNs). O objetivo central é analisar criticamente o impacto dessas tecnologias na sensibilidade diagnóstica, com ênfase na redução de cânceres de intervalo e na performance em mamas densas. A análise da literatura, abrangendo o período de 2015 a 2025 e focada em ensaios clínicos e estudos de validação robustos, demonstra que a IA moderna supera as limitações da interpretação humana isolada, reduzindo as taxas de falsos negativos em cenários de rastreamento. Estudos pivotais indicam que a IA pode identificar até 30% dos cânceres de intervalo previamente não detectados e manter a não inferioridade quando utilizada como substituta de um segundo leitor humano. No entanto, a implementação clínica exige cautela devido aos riscos de viés de automação e à necessidade de generalização algorítmica entre diferentes populações. Conclui-se que a IA representa uma ferramenta indispensável de "Inteligência Aumentada", capaz de elevar os padrões de segurança do paciente quando integrada a fluxos de trabalho validados.