O USO DE MACHINE LEARNING NO DIAGNÓSTICO PRECOCE DE CÂNCER DE MAMA POR MEIO DE EXAMES DE IMAGEM: UMA REVISÃO BIBLIOGRÁFICA

Resumen

Este trabalho analisa o uso de Machine Learning (ML) no diagnóstico precoce do câncer de mama, com foco em sua aplicação em exames de imagem. A problemática reside na necessidade de melhorar a precisão e a eficiência dos diagnósticos, uma vez que o câncer de mama, sendo uma das principais causas de morte entre mulheres, exige intervenções precoces para aumentar as taxas de sobrevivência. O objetivo central deste estudo é avaliar a eficácia dos algoritmos de ML na detecção de padrões sutis em imagens mamográficas, superando as limitações dos métodos tradicionais, como a mamografia, que apresentam altas taxas de falsos positivos. Para alcançar esse objetivo, foi realizada uma revisão bibliográfica que incluiu a análise de artigos científicos e estudos relevantes na base de dado Google Scholar. A pesquisa evidenciou que técnicas como as Convolutional Neural Network (CNNs) demonstram capacidade superior em identificar lesões malignas com maior precisão. Os resultados mostram que a aplicação de ML pode transformar a prática clínica, permitindo uma triagem mais eficiente e um diagnóstico mais rápido.