Erros em mamografias

Abstract

O cancro de mama é o que apresenta maior incidência em mulheres no mundo, sendo a quinta causa de morte por cancro e a mais frequente de mortes por cancro em mulheres. Perante a magnitude desta informação, a mamografia é considerada o padrão ouro para a deteção precoce do cancro de mama, sendo a única ferramenta de diagnóstico que apresenta redução na mortalidade do cancro da mama e tem sido uma das modalidades mais contempladas com a evolução tecnológica. Esta dissertação pretende constituir-se numa visão ensaística sobre problemas inerentes aos erros em mamografia onde se complementam as referências científicas com a experiência da autora. Serão tipificados erros e apresentados casos de estudo, bem como reflexões sobre o potencial que as inovações organizacionais e/ou tecnológicas podem ter na minimização dos erros e no aumento do valor acrescentado nos processos mamográficos. Através da análise das imagens e do estudo de casos pretende-se tipificar erros, analisar as suas fontes, identificar métricas para a redução desses erros no ciclo de vida da imagem mamográfica e também investigar quais serão as margens de progresso na redução de erros na mamografia com o uso da tecnologia e a otimização do workflow. Pretende-se assim promover uma reflexão sobre os erros recorrentes que datam desde a mamografia analógica, bem como sugerir estratégias de otimização que possam minimizar erros e as suas possíveis consequências nos processos que envolvem o ciclo de vida da imagem com o uso de novas tecnologias, baseando-se em evidências e vivências. Avaliando estas questões através de pesquisas, o recurso potencial a Inteligência Artificial, CAD, Machine Learning, e como essas tecnologias podem ser empregues para minimizar erros, pretende-se ainda refletir sobre a cadeia de valor da imagem, com vista a promover uma maior eficiência e agilidade nos processos, de forma a contribuir para redução de erros em exames de mamografia.

Breast cancer is the one with the highest incidence in women in the world, being the fifth cause of cancer death and the most frequent of cancer deaths in women. Given the magnitude of this information, mammography is considered the gold standard for the early detection of breast cancer, being the only diagnostic tool that shows a reduction in breast cancer mortality and has been one of the most contemplated modalities with technological evolution. This dissertation intends to constitute an essayistic vision where scientific references are complemented with the author's experience. Errors will be typified and case studies will be presented, as well as reflections on the potential that organizational and/or technological innovations can have in minimizing errors and increasing added value in mammographic processes. Through image analysis and case studies, it is intended to typify errors, analyze their sources, identify metrics for the reduction of these errors in the life cycle of the mammographic image and also to investigate what will be the margins of progress in the reduction of errors in mammography with the use of technology and workflow optimization. The main objective of this study is to promote a reflection on the recurrent errors that date from analog mammography, as well as to suggest optimization strategies that can minimize errors and their possible consequences in the processes that involve the life cycle of the image with the use of new technologies, based on evidence and experiences. Evaluating these issues through research, the use of Artificial Intelligence, CAD, Machine Learning, and how these technologies can be used to minimize errors, it is also intended to reflect on the image value chain, in order to promote greater efficiency and agility in the processes, in order to contribute to the reduction of errors in mammography exams.