Desenvolvimento de uma ferramenta clínica baseada inteligência artificial para suporte ao tratamento de câncer de mama

Abstract

A inteligência artificial (IA) tem se mostrado uma ferramenta promissora no suporte à tomada de decisão clínica em oncologia. Este estudo apresenta o desenvolvimento de um sistema baseado em IA, utilizando o modelo GPT-4o, para auxiliar na definição do tratamento do câncer de mama. Diferente de ferramentas tradicionais, o sistema interpreta dados clínicos estruturados ? incluindo subtipo tumoral, estadiamento, status de receptores hormonais, idade e comorbidades ? e gera recomendações terapêuticas alinhadas às diretrizes internacionais. Casos clínicos simulados foram utilizados para avaliação do desempenho da IA, cujas sugestões foram comparadas às condutas propostas por um oncologista especialista. Observou-se alta concordância em cenários clínicos típicos, embora limitações tenham sido identificadas em situações mais complexas, como na indicação de inibidores de CDK4/6 e no manejo da doença residual HER2-positiva. Os resultados destacam o potencial dos modelos de linguagem de grande escala como ferramenta complementar à prática médica, sem substituir o julgamento clínico. Aperfeiçoamentos futuros devem focar na sensibilidade a variáveis prognósticas sutis e atualizações terapêuticas recentes.

Abstract: Artificial intelligence (AI) has emerged as a promising tool to support clinical decision-making in oncology. This study presents the development of an AI-based system using the GPT-4o model to assist in treatment planning for breast cancer. Unlike traditional tools, the system interprets structured patient data ? including tumor subtype, stage, receptor status, age, and comorbidities ? to generate evidence-based recommendations aligned with international guidelines. Simulated clinical scenarios were used to evaluate its performance, and the AI?s suggestions were compared with expert oncologist reviews. Results showed high concordance in standard cases, while certain complex situations revealed limitations, especially regarding CDK4/6 inhibitors and HER2-positive residual disease. These findings underscore the potential of large language models to support, but not replace, clinical judgment in oncology. Further refinement is needed to improve sensitivity to subtle prognostic variables and recent therapeutic updates.