INTELIGÊNCIA ARTIFICIAL PARA REDUÇÃO DE FALSO-POSITIVOS E FALSO-NEGATIVOS NO DIAGNÓSTICO DE CÂNCER DE TIREOIDE

Resumo

O câncer de tireoide é a neoplasia endócrina mais comum e apresenta desafios diagnósticos relacionados à alta taxa de falso-positivos e falso-negativos, levando a intervenções desnecessárias ou atrasos no tratamento. Este trabalho revisa a aplicação da inteligência artificial (IA) no diagnóstico dessa doença, abordando métodos que otimizam a análise de imagens de ultrassonografia e citologia. Algoritmos de aprendizado de máquina, redes neurais convolucionais (CNNs) e ferramentas como AIBx e AI-TIRADS demonstraram maior acurácia, especificidade e capacidade de reduzir biópsias e procedimentos invasivos. Estudos compararam a eficácia desses sistemas em relação a métodos tradicionais, como o TIRADS e avaliações clínicas, destacando o potencial da IA em estratificar riscos e identificar nódulos benignos e malignos com maior precisão. Modelos como o MRF-Net alcançaram alta sensibilidade e especificidade, enquanto sistemas semiautomatizados, como o S-Detect, melhoraram o desempenho em contextos com profissionais menos especializados.