No ensaio MASAI, um fluxo apoiado por inteligência artificial aumentou a sensibilidade da mamografia, manteve a proporção de falsos positivos e reduziu em 44% o número de leituras humanas. O estudo, realizado num programa de rastreamento da Suécia, ainda não demonstrou redução estatisticamente significativa dos cânceres diagnosticados entre duas rodadas.
Como o MASAI funcionou
O MASAI foi um ensaio randomizado populacional. Mulheres convidadas para rastreamento mamográfico na Suécia foram sorteadas para o fluxo habitual, com duas leituras independentes por radiologistas, ou para um fluxo apoiado por IA1.
No grupo de IA, o sistema atribuiu uma pontuação de risco às mamografias. Exames de risco baixo receberam uma leitura humana; os de risco alto, duas. A ferramenta também marcava áreas suspeitas para apoiar o radiologista. A decisão final continuou humana.
O diagnóstico final continuou sob responsabilidade dos radiologistas. A IA classificou o risco e marcou áreas suspeitas.
Na análise mais recente, 105.934 participantes haviam sido randomizadas, com 19 exclusões posteriores. O estudo comparou câncer de intervalo, sensibilidade e especificidade depois do seguimento da rodada de rastreamento1.
Cânceres diagnosticados entre as rodadas
Câncer de intervalo é aquele diagnosticado depois de uma mamografia de rastreamento considerada negativa e antes do próximo exame programado. É um desfecho relevante porque inclui tumores que estavam ocultos, foram perdidos na leitura ou cresceram rapidamente entre as rodadas.
No grupo apoiado por IA, a taxa foi de 1,55 câncer de intervalo por mil participantes. No grupo padrão, foi de 1,76 por mil. A razão entre as taxas foi 0,88, com intervalo de confiança de 95% entre 0,65 e 1,18 e p de 0,411.
A diferença não alcançou significância estatística. O ensaio cumpriu o critério de não inferioridade, sem demonstrar superioridade para esse desfecho.
Onde a IA foi melhor
A sensibilidade, proporção dos cânceres existentes que o rastreamento encontrou, foi de 80,5% com apoio de IA e 73,8% no fluxo padrão. A diferença foi estatisticamente significativa. A especificidade ficou em 98,5% nos dois grupos1.
| Desfecho | IA + radiologista | Leitura padrão | Leitura correta |
| Sensibilidade | 80,5% | 73,8% | Maior com IA |
| Especificidade | 98,5% | 98,5% | Sem diferença relevante |
| Câncer de intervalo | 1,55 por mil | 1,76 por mil | Menor numericamente, sem superioridade estatística |
A análise também encontrou numericamente menos cânceres de intervalo invasivos, tumores maiores e subtipos não luminais A no grupo IA. O estudo não avaliou redução de mortalidade e não permite generalizar o desempenho para outros programas ou softwares1.
O ganho de carga de trabalho
A primeira análise do MASAI, publicada em 2023 com cerca de 80 mil participantes, olhou a segurança inicial. O grupo IA detectou 244 cânceres, contra 203 no grupo padrão. A taxa de reconvocação foi 2,2% contra 2,0%, e a taxa de falsos positivos ficou em 1,5% nos dois grupos2.
O número de leituras de tela caiu 44,3% no grupo apoiado por IA2. Exames de baixo risco recebiam uma leitura em vez de duas.
A análise da população completa, publicada em 2025, confirmou o padrão. Foram detectados 338 cânceres com IA e 262 no grupo padrão. A reconvocação ficou em 2,1% contra 1,9%, diferença que não alcançou significância estatística, e os falsos positivos ficaram em 1,5% contra 1,4%. Houve 61.248 leituras no grupo IA e 109.692 no controle, redução de 44,2% na carga de leitura3.
O estudo mediu leituras poupadas, não a carga total de implantação. Validação local, monitoramento de falhas, atualizações e resposta a incidentes continuam exigindo trabalho da equipe.
Força e limites do estudo
Muitos estudos de IA médica usam bancos de imagens já existentes. O algoritmo lê exames antigos, e os pesquisadores comparam a resposta com diagnósticos conhecidos. Isso é útil para desenvolvimento, mas não mostra como profissionais e software se comportam juntos no atendimento real.
O MASAI sorteou o fluxo antes do resultado e acompanhou o que aconteceu depois. Esse desenho reduz vieses e testa a intervenção dentro de um programa de rastreamento. O registro informa que o ensaio foi concluído e identifica câncer de intervalo como desfecho principal4.
Ainda há limites. Participantes, organização do serviço, frequência de rastreamento, equipamentos e experiência dos radiologistas refletem a Suécia. Algoritmos podem perder desempenho quando mudam a população, o fabricante do mamógrafo ou a prevalência de doença.
O ensaio avaliou o Transpara 1.7.0, da ScreenPoint Medical, dentro de um fluxo específico. O financiamento declarado veio de entidades públicas e sem fins lucrativos; ScreenPoint, Sectra e Unilabs prestaram suporte técnico. Entre os conflitos informados, a pesquisadora principal relatou ter integrado um conselho da Siemens Healthineers, recebido honorários da AstraZeneca e ser cofundadora de uma empresa de IA para ultrassom de mama; outra autora dirige um programa norueguês com acordo de pesquisa com a ScreenPoint1. A replicação independente segue necessária.
“IA na mamografia” não é um produto único. O resultado não certifica automaticamente outros softwares. O estudo também não coletou dados de raça ou etnia, o que limita a avaliação de equidade e a transferência para a população brasileira1.
O que isso significa para o Brasil
No SUS, o rastreamento populacional de rotina é orientado para mulheres de 50 a 74 anos, a cada dois anos. Fora dessa faixa, a mamografia pode ser indicada conforme sintomas, risco e decisão clínica5. A diferença entre rastreamento e investigação de sintomas continua valendo com ou sem IA.
Uma ferramenta que reduza leituras pode ajudar em lugares com poucos radiologistas. O benefício para as pacientes também depende de acesso ao mamógrafo, tempo até o diagnóstico, capacidade de biópsia e início do tratamento.
Antes de adotar um sistema em escala, seria preciso testar:
- desempenho em mulheres brasileiras e em diferentes grupos raciais;
- compatibilidade com os equipamentos usados na rede;
- impacto no tempo até biópsia e tratamento;
- custo total, incluindo infraestrutura e supervisão;
- comportamento diante de exames difíceis e falhas técnicas.
A regulação do CFM sobre IA em medicina reforça responsabilidade profissional e supervisão. O radiologista não deixa de responder pelo laudo porque um algoritmo participou do fluxo.
O que o MASAI acrescenta
O MASAI oferece evidência randomizada de que a IA pode aumentar a sensibilidade e reduzir leituras sem elevar falsos positivos naquele programa sueco. Mortalidade, equidade e desempenho em outros sistemas de saúde continuam sem resposta.
No Brasil, a eventual adoção exigiria validação na população e nos equipamentos locais, além de avaliação do impacto sobre todo o percurso entre rastreamento e tratamento.
Este conteúdo é informativo e não substitui avaliação médica individual. Inteligência artificial não altera, por conta própria, a indicação de mamografia. Nódulo, secreção com sangue, retração da pele ou outra mudança na mama devem ser avaliados, mesmo fora da idade de rastreamento.