Um sistema de inteligência artificial de código aberto para RM de próstata alcançou desempenho comparável ao dos radiologistas na detecção de câncer clinicamente significativo em três coortes externas, uma diagnóstica e duas de rastreamento populacional. É o que mostra o estudo SCARLET-1, publicado na Radiology por Anindo Saha e colegas do Radboud University Medical Center (Nijmegen, Holanda), com áreas sob a curva (AUC) entre 0,84 e 0,89 e concordância com o diagnóstico de referência 13 a 16 pontos percentuais acima da estimada para um radiologista médio.
O que o SCARLET-1 avaliou
O nome do estudo vem de Scaling Artificial Intelligence for Prostate Cancer Detection on MRI to Global, Multiethnic Populations. Trata-se de uma validação retrospectiva, confirmatória, com plano estatístico registrado previamente no arXiv e relato conforme as diretrizes STARD-AI e TRIPOD+AI. Ao todo, foram reunidos 22.445 exames de RM de 21.252 homens com suspeita de câncer de próstata, feitos entre janeiro de 2012 e outubro de 2024 em 46 cidades de 22 países, incluindo centros no Vietnã, no Quênia, na China e nos Estados Unidos.
O algoritmo testado é o PI-CAI-2B, sucessor mais leve do sistema desenvolvido no desafio internacional PI-CAI (Prostate Imaging: Cancer AI). Ele foi treinado uma única vez em 18.471 exames de 26 cidades e 14 países, sem retreinamento ou ajustes posteriores, e seu código-fonte e pesos estão públicos no GitHub. Os exames vieram de 38 modelos de aparelhos de 1,5 T e 3 T de cinco fabricantes.
A parte que interessa para a prática clínica é o teste externo, feito em 1.974 pacientes de 20 cidades e 12 países, distribuídos em três ensaios prospectivos já publicados:
- PRIME (n = 476): cenário diagnóstico, homens encaminhados por suspeita clínica, prevalência de câncer significativo de 30%;
- STHLM3-MRI (n = 1.108): rastreamento populacional organizado na Suécia, prevalência de 17%;
- IP1-PROSTAGRAM (n = 390): rastreamento populacional no Reino Unido, prevalência de 4%.
Vale um esclarecimento: parte da cobertura jornalística falou em “2 mil pacientes” no total. Esse número corresponde apenas à coorte de teste externo (1.974); o estudo como um todo envolveu mais de 21 mil homens.
Os números principais
O desfecho primário foi a concordância entre a avaliação da IA e o diagnóstico de referência para câncer grupo de grau de Gleason (GG) ≥2. A IA concordou em 83,0% dos casos no PRIME, 87,9% no STHLM3-MRI e 87,7% no IP1-PROSTAGRAM. As concordâncias esperadas para um radiologista médio foram de 67,4%, 74,6% e 72,8%, respectivamente, uma vantagem de cerca de 15,5, 13,3 e 14,9 pontos percentuais para o algoritmo. Os critérios pré-definidos de intercambialidade diagnóstica foram atingidos nos três conjuntos.
As AUCs externas foram de 0,86 no PRIME, 0,89 no STHLM3-MRI e 0,84 no IP1-PROSTAGRAM; nesta última, o intervalo de confiança é largo (0,70 a 0,95), reflexo da baixa prevalência. A análise de curva de decisão mostrou benefício líquido positivo tanto em limiares mais avessos a perder câncer (10% a 30%) quanto nos mais avessos a biópsias desnecessárias (acima de 30%).
Um detalhe metodológico importante: o comparador “radiologista médio” não é uma releitura local. É uma estimativa estatística derivada do estudo de observadores do PI-CAI, com 62 radiologistas de 45 centros em 20 países, ajustada pela prevalência de cada coorte. Os próprios autores reconhecem que essa referência pode ser otimista em relação à variabilidade real da prática.
Biópsias: o efeito depende da população
No subconjunto de pacientes com confirmação histológica, os autores compararam a IA com as leituras radiológicas originais (PI-RADS ≥4) em um ponto de operação de alta especificidade (88% a 90%) e sensibilidade de 73% a 76%. No STHLM3-MRI, a IA detectou 26,1% mais cânceres de alto grau (145 contra 115), mas gerou mais que o dobro de biópsias desnecessárias (47 contra 21). No IP1-PROSTAGRAM, o resultado foi o oposto: 19,2% menos biópsias desnecessárias (21 contra 26) com o mesmo número de cânceres GG ≥2 detectados (11 contra 11).
No PRIME, em um ponto de operação de alta sensibilidade (90%, com especificidade de 58%), a IA gerou 34,2% menos biópsias desnecessárias, mas detectou 9,1% menos cânceres do que as leituras históricas. A mensagem dos autores é clara: o limiar de operação é uma decisão de projeto, que precisa casar com o fluxo clínico, e não uma propriedade fixa do algoritmo.
Contexto técnico: por que a validação externa importa
A RM multiparamétrica antes da biópsia já é padrão internacional, e o tema ganhou força com estudos de rastreamento que discutimos em Rastreio do câncer de próstata com RM ganha força e com a mudança de posição da Cochrane sobre o rastreio de próstata. O gargalo é a leitura: a interpretação do PI-RADS varia muito entre radiologistas e depende de experiência em uroimagem, concentrada em centros de alto volume. Mesmo nos EUA, a RM pré-biópsia ainda é usada em apenas um terço dos casos.
O SCARLET-1 também mostra os limites da generalização. O desempenho foi estável entre faixas etárias, grupos étnicos, localização do tumor e estratos de risco (diferença média de AUC de 0,02), mas variou muito entre os 25 centros: 28% deles tiveram AUC abaixo de 0,80 e 32% ficaram em 0,90 ou mais. A qualidade de imagem pesou bastante, com AUC de 0,78 em exames classificados como PI-QUAL 1 (inadequados) e de 0,88 nos PI-QUAL 3 (ótimos). Para quem opera serviços de RM, isso reforça que protocolo de aquisição, preparo do paciente e controle de qualidade continuam decisivos, com ou sem IA.
Implicações práticas para Brasil e América Latina
O argumento central dos autores é ampliar o acesso à RM de próstata onde faltam especialistas, cenário bastante familiar no interior do Brasil e em boa parte da América Latina. Um modelo aberto, treinado em dados multiétnicos e com validação externa publicada, é um ponto de partida interessante para pesquisa e para serviços que queiram testar a ferramenta em seus próprios dados. Isso não substitui, porém, a regularização junto à Anvisa para uso assistencial nem a validação local.
A recomendação explícita do grupo de Radboud é validar localmente e monitorar continuamente o desempenho, porque mudanças no perfil de pacientes, no encaminhamento ou nos equipamentos podem degradar a acurácia sem que isso fique evidente. Os autores sugerem recalibração ou ajuste do ponto de operação quando a diferença decorre de prevalência, e retreinamento quando houver queda em todos os limiares. A discussão conversa com outras frentes do diagnóstico de próstata que já abordamos, como a biópsia guiada por PSMA PET/TC em homens com RM negativa e o uso de IA e terapia focal no cuidado do câncer de próstata.
Limitações e próximos passos
O estudo é retrospectivo e combina pacientes consecutivos nos testes externos com amostras de conveniência no treino. Várias análises de subconjunto têm amostras pequenas. O ponto de operação global usado no teste de intercambialidade foi pré-definido por coerência metodológica, não para uso clínico. Além disso, a maioria dos homens com RM negativa não fez biópsia, o que impede comparar de forma completa as taxas de falso negativo da IA e dos radiologistas e deixa os resultados sujeitos a viés de verificação parcial.
Em resumo, o SCARLET-1 sustenta que a IA se equipara à leitura padrão, não que a supera de forma definitiva. Ensaios prospectivos em andamento devem mostrar como usar escores contínuos de risco, combinados a dados clínicos, em vez de uma resposta binária de “biopsiar ou não”.
Fonte: Saha A, Bosma JS, Twilt JJ et al. Artificial Intelligence for Prostate Cancer Detection and Screening on MRI in Global Populations: The SCARLET-1 Study. Radiology 2026;321(1):e262081. doi:10.1148/radiol.262081; Diagnostic Imaging; The Imaging Wire.
