APRENDIZAGEM DE MÁQUINA COMO MÉTODO AUXILIAR NA DETECÇÃO E PREVENÇÃO DO CÂNCER DE MAMA: REALIDADE E PERSPECTIVAS PARA O FUTURO

Resumo

O câncer de mama é um dos principais desafios da saúde pública global, destacando-se como a neoplasia de maior incidência entre as mulheres. O diagnóstico precoce é essencial para aumentar as taxas de sobrevida, mas os métodos tradicionais apresentam limitações como alta taxa de falsos positivos e negativos. Nesse contexto, o aprendizado de máquina (AM) surge como uma ferramenta promissora para aprimorar a detecção e o prognóstico da doença. Esta revisão de literatura analisou estudos publicados entre 2019 e 2024 nas bases PubMed, Periódicos Capes e SciELO, utilizando descritores específicos relacionados ao câncer de mama e AM. Os resultados apontam que técnicas de AM, como redes neurais profundas e aprendizado de transferência, demonstram elevada acurácia na classificação de imagens mamográficas, reduzindo a necessidade de procedimentos invasivos e melhorando a predição do risco de câncer. Além disso, a inteligência artificial tem sido aplicada para otimizar os exames de rastreamento, aumentando a precisão diagnóstica e minimizando a variabilidade entre os radiologistas. No entanto, desafios como a interpretabilidade dos modelos e a necessidade de validação clínica robusta ainda persistem. Conclui-se que o aprendizado de máquina representa um avanço significativo no diagnóstico e prognóstico do câncer de mama, mas esforços contínuos são necessários para sua plena integração na prática clínica.