Resumo A inteligência artificial (IA) está reformulando o diagnóstico de câncer de próstata (CP) ao integrar modalidades de imagem avançadas, como ressonância magnética multiparamétrica (mpMRI) e imagens de lâmina inteira (WSI). Aproveitando redes neurais convolucionais (CNNs), esses modelos demonstraram mais de 90% de precisão em tarefas como localização de tumores, classificação de Gleason (GG) e estratificação de risco. As modalidades de mpMRI—incluindo sequências ponderadas em T2, ponderadas por difusão (DWI) e com contraste dinâmico (DCE)—combinadas com o sistema padronizado de relatório e dados de imagem da próstata (PI-RADS), suportam uma interpretação clínica consistente. Na patologia, métodos de IA, como CNNs e arquiteturas U-Net, alcançam alto desempenho em GG e segmentação de tumores, com pontuações de interseção sobre união (IoU) entre 0,75 e 0,85. Esses sistemas reduzem a subjetividade e a carga de trabalho do patologista. Tecnologias emergentes, como transformadores de visão (ViTs) e processamento de linguagem natural (NLP), avançam ainda mais a análise histopatológica em larga escala e a interpretação de dados clínicos. A IA explicável contribui para a transparência do modelo, promovendo a confiança clínica. Esta revisão destaca direções futuras críticas, incluindo fusão de dados multimodais, diagnósticos em tempo real, relatórios de imagem para texto e planejamento de tratamento personalizado—sublinhando o papel crescente da IA em melhorar a precisão diagnóstica e os resultados para pacientes no cuidado do CP.
Gavade et al. (Qui,) estudaram esta questão.