Inteligência Artificial e Repositório Nacional de Patologia Digital como Estratégia para Redução do Subdiagnóstico do Adenocarcinoma Colorretal Serrilhado no Brasil.

A iniciativa propõe o desenvolvimento do Serrated-WSI, um repositório nacional colaborativo de imagens histopatológicas digitais (Whole Slide Images – WSI) voltado ao adenocarcinoma colorretal serrilhado (SAC), integrando inteligência artificial e patologia digital para enfrentar um problema crítico de saúde pública, o subdiagnóstico desse tipo de câncer intestinal no Brasil.

O projeto estrutura-se em três eixos principais: a construção de uma base de imagens padronizada, anonimizada e multicêntrica; protocolos baseados nos critérios histopatológicos da 5ª edição da OMS para SAC e desenvolvimento de pipelines de dados - Coleta, limpeza e transferência de dados das fontes para um banco de dados computacional.

Como inovação, a proposta vai além do desenvolvimento isolado de algoritmos ao priorizar a criação de uma infraestrutura de dados robusta, elemento reconhecido como limitante na aplicação da inteligência artificial em patologia. O sistema será validado como ferramenta de apoio diagnóstico, fornecendo dados para produzir uma IA baseada em aprendizado profundo (Deep Learning) para atuar como segundo observador patológico, com potencial de aumentar a sensibilidade na detecção de lesões, reduzir a subjetividade e melhorar a reprodutibilidade diagnóstica. Ressaltando-se os resultados positivos baseados em seu projeto piloto.

A iniciativa se adequa à categoria de inovação em saúde ao articular tecnologia avançada (IA e patologia digital), produção científica e aplicabilidade direta no Sistema Único de Saúde (SUS). Seu caráter estruturante permite ampliar o acesso a diagnóstico especializado, especialmente em regiões com escassez de patologistas, contribuindo para a redução de desigualdades regionais e para a qualificação da assistência oncológica.

Além do impacto assistencial, o projeto fortalece a pesquisa nacional ao viabilizar estudos multicêntricos e o desenvolvimento contínuo de modelos computacionais, com potencial de expansão para outros tipos de câncer. Dessa forma, configura-se como uma solução escalável e sustentável, alinhada à medicina de precisão e às estratégias contemporâneas de transformação digital em saúde, com potencial de impacto clínico, científico e organizacional em nível nacional.