O USO DE MACHINE LEARNING NA DETECÇÃO PRECOCE DE CÂNCER DO COLO DO ÚTERO
DOI:
https://doi.org/10.5281/zenodo.20681130Palavras-chave:
Aprendizado de Máquina, Câncer do Colo do Útero, Diagnóstico precoce, Enfermagem GinecológicaResumo
Resumo: Introdução: O câncer do colo do útero é uma das principais causas de morbidade e mortalidade entre as mulheres em todo o mundo, sendo responsável por aproximadamente 604 mil novos casos e 342 mil óbitos anuais, de acordo com estimativas da Organização Mundial da Saúde. Objetivo: Analisar, por meio de uma revisão integrativa da literatura, o estado da arte e a eficácia dos algoritmos de Machine Learning aplicados à detecção precoce do câncer do colo do útero. Método: Revisão Narrativa da Literatura realizada na base MEDLINE por meio da Biblioteca Virtual em Saúde, utilizando descritores padronizados pelo DeCS. Após a busca, filtragem e elegibilidade dos estudos, 9 artigos compuseram a amostra final. Resultados: As técnicas de aprendizagem de máquina identificadas nos estudos, incluindo redes neurais convolucionais, algoritmos supervisionados e métodos híbridos, demonstraram altos índices de acurácia na identificação de lesões cervicais. Os achados também indicaram redução da subjetividade diagnóstica, maior padronização e potencial ampliação do acesso ao rastreamento em regiões com baixa infraestrutura, além de melhorar a agilidade e eficiência no processo diagnóstico. Considerações finais: A aprendizagem de máquina mostra-se uma ferramenta promissora para o diagnóstico precoce do câncer do colo do útero, podendo fortalecer políticas públicas e reduzir desigualdades no cuidado à saúde. No entanto, sua implementação requer validações locais, mitigação de vieses algorítmicos e conformidade com diretrizes éticas e regulatórias para garantir segurança e efetividade.
Palavras-chaves: Aprendizado de Máquina; Câncer do Colo do Útero; Diagnóstico Precoce; Enfermagem Ginecológica.
Referências
ALIAS, N. A. et al. Pap smear images classification using machine learning: a literature matrix. Diagnostics, [s. l.], v. 12, n. 12, 2900, 2022. Disponível em: https://doi.org/10.3390/diagnostics12122900. Acesso em: 3 nov. 2025.
ALI, M. M. et al. Machine learning-based statistical analysis for early stage detection of cervical cancer. Biblioteca Virtual em Saúde, [s. l.], 2025. Disponível em: https://pesquisa.bvsalud.org/portal/resource/pt/mdl-34735942. Acesso em: 14 nov. 2025.
ALLOGMANI, A. S. et al. Enhanced cervical precancerous lesions detection and classification using Archimedes Optimization Algorithm with transfer learning. Scientific Reports, [s. l.], v. 14, 12076, 2024. Disponível em: https://doi.org/10.1038/s41598-024-62773-x. Acesso em: 14 nov. 2025.
ARAGE, F. G. et al. Adoção do rastreio do cancro do colo do útero e o fator associado na África Subsaariana: uma abordagem de aprendizagem automática. BMC Medical Informatics and Decision Making, [s. l.], v. 25, 197, 2025. Disponível em: https://doi.org/10.1186/s12911-025-03039-y. Acesso em: 14 nov. 2025.
BAYKEMAGN, N. D. et al. Identifying predictors of cervical cancer screening uptake in sub-Saharan Africa using machine learning: cross-sectional study. JMIR Public Health and Surveillance, [s. l.], v. 11, e71677, 2025. Disponível em: https://publichealth.jmir.org/2025/1/e71677. Acesso em: 14 nov. 2025.
BRASIL. Conselho Nacional de Saúde. Resolução nº 510, de 7 de abril de 2016. Dispõe sobre as normas aplicáveis a pesquisas em Ciências Humanas e Sociais. Brasília, DF: Conselho Nacional de Saúde, 2016. Disponível em: https://www.gov.br/conselho-nacional-de-saude/pt-br/atos-normativos/resolucoes/2016/resolucao-no-510.pdf/view. Acesso em: 1 jun. 2026.
BRASIL. Ministério da Saúde. Programa Nacional de Controle do Câncer do Colo do Útero. Brasília: Ministério da Saúde, 2021. Disponível em: https://www.gov.br/saude/pt-br/. Acesso em: 3 nov. 2025.
HU, L. et al. An observational study of deep learning and automated evaluation of cervical images for cancer screening. Journal of the National Cancer Institute, [s. l.], v. 112, n. 9, p. 923-930, 2020. Disponível em: https://doi.org/10.1093/jnci/djy225. Acesso em: 3 nov. 2025.
INSTITUTO NACIONAL DE CÂNCER JOSÉ ALENCAR GOMES DA SILVA. Estimativa 2023: incidência de câncer no Brasil. Rio de Janeiro: INCA, 2023. Disponível em: https://www.inca.gov.br/publicacoes/livros/estimativa-2023-incidencia-de-cancer-no-brasil. Acesso em: 3 nov. 2025.
KOUROU, K. et al. Machine learning applications in cancer prognosis and prediction. Computational and Structural Biotechnology Journal, [s. l.], v. 13, p. 8-17, 2015. Disponível em: https://doi.org/10.1016/j.csbj.2014.11.005. Acesso em: 3 nov. 2025.
MEHMOOD, M. et al. Machine learning assisted cervical cancer detection. Frontiers in Public Health, [s. l.], 2021. Disponível em: https://www.frontiersin.org/articles/10.3389/fpubh.2021.788376/full. Acesso em: 14 nov. 2025.
PEDROSO, A. Inteligência artificial e saúde: uma revisão sobre o desempenho de técnicas de aprendizagem de máquina na identificação de lesões cervicais. Biblioteca Virtual em Saúde, 2025. Disponível em: https://pesquisa.bvsalud.org/portal/resource/pt/biblio-1584876. Acesso em: 14 nov. 2025.
RAMIREZ, C. A. M. et al. Advancing cervical cancer diagnosis and screening with spectroscopy and machine learning. Expert Review of Molecular Diagnostics, [s. l.], v. 23, n. 5, p. 375-390, 2023. Disponível em: https://doi.org/10.1080/14737159.2023.2203816. Acesso em: 14 nov. 2025.
RIBEIRO, C. M. et al. Rastreamento do câncer do colo do útero no Brasil: análise da cobertura a partir do Sistema de Informação do Câncer. Cadernos de Saúde Pública, [s. l.], v. 41, n. 8, e00152224, 2025. Disponível em: https://doi.org/10.1590/0102-311XPT152224. Acesso em: 3 nov. 2025.
SASLOW, D. et al. American Cancer Society, American Society for Colposcopy and Cervical Pathology, and American Society for Clinical Pathology screening guidelines for the prevention and early detection of cervical cancer. CA: A Cancer Journal for Clinicians, [s. l.], v. 62, n. 3, p. 147-172, 2012. Disponível em: https://doi.org/10.3322/caac.21139. Acesso em: 3 nov. 2025.
SIEGEL, R. L. et al. Cancer statistics, 2021. CA: A Cancer Journal for Clinicians, [s. l.], v. 71, n. 1, p. 7-33, 2021. Disponível em: https://doi.org/10.3322/caac.21654. Acesso em: 3 nov. 2025.
SILVA, M. A.; OLIVEIRA, L. S.; CARVALHO, R. F. Desafios éticos e regulatórios na implementação de inteligência artificial para detecção de câncer cervical no Brasil. Revista Brasileira de Saúde Materno Infantil, [s. l.], v. 21, n. 2, p. 345-356, 2021. Disponível em: https://doi.org/10.1590/1806-93042021000200005. Acesso em: 3 nov. 2025.
WILLIAM, W. et al. A review of image analysis and machine learning techniques for automated cervical cancer screening from pap-smear images. Computer Methods and Programs in Biomedicine, [s. l.], 2018. Disponível em: https://doi.org/10.1016/j.cmpb.2018.05.034. Acesso em: 14 nov. 2025.
WONG, O. G. W. et al. Machine learning interpretation of extended human papillomavirus genotyping by Onclarity in an Asian cervical cancer screening population. Journal of Clinical Microbiology, [s. l.], 2020. Disponível em: https://doi.org/10.1128/jcm.00997-19. Acesso em: 14 nov. 2025.
WORLD HEALTH ORGANIZATION. WHO guideline for screening and treatment of cervical pre-cancer lesions for cervical cancer prevention. Geneva: WHO, 2020. Disponível em: https://www.who.int/publications/i/item/9789240030824. Acesso em: 3 nov. 2025.
Downloads
Publicado
Como Citar
Edição
Seção
Categorias
Licença
Copyright (c) 2026 Duna: Revista Multidisciplinar de Inovação e Práticas de Ensino
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Copyright (c) 2025 Duna - Revista Multidisciplinar de Inovação e Práticas de Ensino.
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Este é um artigo publicado em acesso aberto sob a licença Creative Commons Atribuição 4.0 Internacional (CC-BY 4.0), que permite uso, distribuição e reprodução em qualquer meio, desde que o trabalho original seja devidamente citado.
Para mais informações sobre a licença, consulte: https://creativecommons.org/licenses/by/4.0/
