Tomossíntese detecta mais câncer de mama e reduz falsos positivos. Veja como a IA pode ampliar precisão, eficiência e acesso no Brasil.
Tomossíntese e IA: mais precisão no câncer de mama
De cada 1.000 mulheres examinadas, a tomossíntese detecta 5,3 casos de câncer de mama, enquanto a mamografia 2D identifica 4,5. Essa diferença parece pequena no papel, mas na prática significa mais tumores encontrados cedo e menos gente voltando para refazer exame por alarme falso. Num país como o Brasil, onde o câncer de mama segue como o de maior incidência entre mulheres — com estimativas em torno de 70 mil novos casos/ano — eficiência não é detalhe: é tempo, tranquilidade e, em muitos casos, vida.
O ponto que mais me chama atenção, porém, não é só “tomossíntese vs. mamografia”. É o que a tomossíntese representa dentro de uma transformação maior: diagnóstico por imagem mais inteligente, com dados mais ricos e espaço real para IA na saúde fazer diferença. Quando você sai de uma imagem “chapada” para uma reconstrução em “fatias” de 1 mm, você está, na prática, aumentando o volume de informação. E onde há mais informação, há também mais oportunidade de reduzir ruído com algoritmos bem desenhados.
Por que a tomossíntese detecta mais (e erra menos)
A resposta direta: porque ela reduz o efeito de sobreposição de tecidos, um dos grandes limites da mamografia 2D.
Na mamografia tradicional, estruturas diferentes podem “se somar” na mesma projeção. Em mamas densas e heterogêneas, isso aumenta a chance de duas coisas ruins acontecerem:
- um tumor pequeno ficar “escondido” (falso negativo)
- uma área normal parecer suspeita (falso positivo)
A tomossíntese, também conhecida como mamografia 3D, captura imagens de diferentes ângulos e reconstrói a mama em múltiplas camadas. O resultado é uma leitura mais clara, especialmente quando a densidade mamária atrapalha.
O que os dados grandes mostram (e por que isso importa)
Um estudo com dados de cinco grandes sistemas de saúde dos EUA, avaliando mulheres entre 40 e 79 anos que realizaram exames entre 01/2014 e 12/2020, trouxe um argumento difícil de ignorar: com mais de um milhão de pacientes e mais de 2 milhões de imagens, a tomossíntese apresentou:
- maior taxa de detecção: 5,3 por 1.000 vs. 4,5 por 1.000 na mamografia 2D
- menos falsos positivos
- menor necessidade de exames complementares
Na vida real, isso se traduz em menos biópsias desnecessárias, menos ultrassons “de checagem”, menos retornos ansiosos ao consultório.
“Mas e a radiação?”: o dilema que costuma travar a decisão
A resposta curta: a dose pode ser um pouco maior, mas o cenário completo é mais favorável do que parece.
Quando um exame 2D gera dúvida, a paciente frequentemente é encaminhada para complementos (novas incidências, ultrassom, às vezes ressonância). No agregado, isso pode significar mais exposição e mais intervenções. Em muitos serviços, a tomossíntese reduz justamente essa “cascata” de complementos.
Onde a IA entra: tomossíntese é terreno fértil para diagnósticos assistidos
A resposta direta: a tomossíntese gera mais imagens, e a IA é excelente para lidar com escala e padrões sutis.
A mamografia 3D cria um conjunto grande de fatias. Isso aumenta a qualidade diagnóstica, mas também aumenta o trabalho de leitura. E aqui entra uma realidade pouco discutida fora do meio: radiologia é uma especialidade sob pressão de volume. Em dezembro, por exemplo, muitos serviços operam com equipes reduzidas e demanda irregular por causa de férias, viagens e remarcações — e isso afeta fluxo e prazos.
A IA aplicada à imagem médica pode atuar em três frentes bem objetivas:
1) Triagem e priorização de casos
Modelos podem atribuir um score de suspeição e ajudar a fila a fazer mais sentido: casos mais suspeitos sobem, casos claramente normais descem. Isso não “substitui” o radiologista; organiza o trabalho para que o humano gaste energia onde realmente importa.
2) Redução de falsos positivos (o que mais pesa para a paciente)
Falso positivo não é só estatística. É a semana que a pessoa passa sem dormir direito.
IA bem validada pode ajudar a:
- diferenciar padrões benignos de áreas suspeitas
- comparar exames atuais com históricos (quando integrados ao PACS)
- dar consistência a achados em mamas densas
3) Padronização e qualidade de laudos
Mesmo entre especialistas experientes, há variação de interpretação. Sistemas de apoio podem reforçar consistência, sugerir categorias e chamar atenção para achados que passam batido.
Uma frase que eu considero útil para gestores de saúde: tomossíntese melhora a imagem; IA melhora o processo. Uma tecnologia sem a outra ainda funciona — mas juntas, atacam o problema inteiro.
Tomossíntese no Brasil: custo, cobertura e a conta invisível do “barato”
A resposta direta: o gargalo não é evidência clínica; é acesso.
Hoje, a tomossíntese está concentrada em alguns centros privados e em instituições públicas de referência. O custo do exame gira, em muitos locais, entre R$ 600 e R$ 800, e a cobertura por planos ainda não é regra.
O argumento contra costuma ser: equipamento e operação são mais caros. De fato, há relatos de custo de aquisição 30% a 40% acima do sistema tradicional, além da necessidade de treinamento para leitura.
Só que existe uma “conta invisível” na mamografia 2D quando ela gera muitos complementos:
- mais consultas
- mais exames adicionais
- mais biópsias
- mais tempo de equipe
- mais ansiedade e absenteísmo
Quando você coloca isso na ponta do lápis, a discussão deixa de ser “quanto custa o aparelho” e vira “quanto custa o percurso inteiro do diagnóstico”. E é exatamente aqui que IA na saúde pública pode ajudar também: com dados agregados, dá para medir custo total de jornada, tempo de diagnóstico e taxa de retorno por falso positivo.
Medicina de precisão também é logística de precisão
Na série IA na Saúde e Biotecnologia, a gente insiste num ponto que pouca gente gosta de admitir: tecnologia médica só vira impacto quando entra na rotina.
A tomossíntese é um ótimo exemplo. Ela já mostrou ganhos clínicos em grandes amostras, mas precisa de:
- protocolos claros (quem deve priorizar o 3D?)
- treinamento de radiologistas e mastologistas
- integração com sistemas (PACS/RIS) para histórico e comparação
- critérios de qualidade e auditoria de desfechos
Sem isso, o exame vira “premium” para poucos, em vez de um passo real de modernização diagnóstica.
Quem se beneficia mais e o que perguntar na consulta
A resposta direta: quem tem mamas densas, histórico familiar ou já viveu a experiência de “voltar para complementar” tende a ganhar mais com tomossíntese.
Não é uma regra absoluta, e a decisão deve ser clínica. Mas se você (ou alguém da sua família) está decidindo o método de rastreio, essas perguntas ajudam a sair do genérico:
- Minha mama é densa? (muita gente não sabe e isso muda o jogo)
- Qual é minha faixa de risco? (risco padrão vs. aumentado)
- Qual taxa de recall do serviço? (quantas pacientes voltam para complementar)
- Se der um achado inconclusivo, qual é o fluxo? (ultrassom, biópsia, ressonância)
- Há comparação com exames anteriores? (histórico é ouro)
Um roteiro prático para clínicas e hospitais (lado B2B)
Se você trabalha com gestão em saúde, diagnóstico por imagem ou inovação, eu gosto de pensar em três decisões bem pragmáticas:
- Estratificar o público: começar com tomossíntese para mamas densas e grupos com maior taxa de recall.
- Planejar leitura e qualidade: protocolo de dupla leitura em casos selecionados + auditoria de falso positivo.
- Testar IA com métrica certa: não é “acurácia geral”; é redução de recall, tempo de laudo, detecção adicional e impacto no custo total do percurso.
O que vem a seguir: tomossíntese + IA como base do rastreio inteligente
A resposta direta: o futuro do rastreio não é um exame isolado; é um sistema de decisão.
Tomossíntese melhora a visualização e aumenta a detecção. IA melhora triagem, consistência e eficiência operacional. Quando você junta isso com histórico clínico, densidade mamária, dados laboratoriais e, em alguns casos, genética, você começa a construir algo mais próximo da medicina de precisão que todo mundo promete — só que aplicada a um problema concreto e frequente.
Para 2026, minha aposta é que a conversa vai mudar de “qual exame é melhor?” para “qual estratégia de rastreio é melhor para cada perfil de risco, dentro do orçamento real?”. E aí a IA deixa de ser novidade e vira infraestrutura.
Se você quer acompanhar essa agenda na prática — da imagem médica à IA, da validação clínica ao impacto no SUS e na saúde suplementar — este tema é central na nossa série IA na Saúde e Biotecnologia.
A pergunta que fica para fechar: a sua clínica, hospital ou operadora mede quantos falsos positivos e retornos desnecessários acontecem por mês — ou ainda está decidindo tecnologia no escuro?