Modelagem preditiva da morbimortalidade por câncer de mama no Brasil: integração de séries temporais, inteligência artificial e determinantes socioambientais

Introdução

O câncer de mama constitui relevante problema de saúde pública e é a principal causa de mortalidade por câncer em mulheres. No Brasil, sua morbimortalidade apresenta desigualdades regionais associadas à estrutura etária, ao acesso ao diagnóstico e à assistência e à qualidade dos registros. Fatores ambientais e territoriais também podem contribuir para a distribuição dos eventos, embora sua interpretação exija cautela. Nesse contexto, a integração de séries temporais, dados socioambientais e algoritmos de aprendizagem de máquina pode ampliar a compreensão dos padrões registrados e apoiar a vigilância epidemiológica e o planejamento de ações de saúde.

Objetivo

Analisar padrões temporais, regionais, socioambientais, preditivos e econômicos relacionados à mortalidade e às internações hospitalares por câncer de mama no Brasil, integrando dados secundários públicos e avaliando o ganho informacional de variáveis ambientais e territoriais em modelos Random Forest.

Método

Estudo ecológico, retrospectivo e quantitativo, baseado em dados secundários públicos. Foram integradas bases do SIM/DATASUS para óbitos por câncer de mama (código C50 da CID-10) entre 2010 e 2024, do IBGE para denominadores populacionais e, entre 2014 e 2023, do SIH/SUS para internações e gastos hospitalares, da NASA POWER para variáveis climáticas, além de estimativas de PM2.5 e dados de frota veicular. As bases foram auditadas quanto a duplicidades, valores ausentes, consistência temporal e chaves de integração. Realizaram-se análises descritivas, cálculo de taxas por 100 mil mulheres, avaliação da sazonalidade do PM2.5, caracterização econômica das internações e modelagem por Random Forest, comparando modelos com e sem frota por RMSE, MAE e R².

Resultados e discussão

O SIM reuniu 251.235 óbitos por C50 entre 2010 e 2024, com aumento de 12.853 para 21.129 registros anuais; 98,8% ocorreram em mulheres, sobretudo nas faixas de 50–59 e 60–69 anos. Na série auditada de 2011 a 2021, as taxas por 100 mil mulheres foram mais elevadas no Sul e Sudeste, indicando heterogeneidade territorial coerente com disparidades regionais já descritas no país (GONZAGA et al., 2015) e que pode refletir diferenças demográficas, assistenciais e de completude dos registros. No SIH/SUS, contabilizaram-se 684.588 internações entre 2014 e 2023, que passaram de 55.965 para 86.441 anuais, com gasto registrado de R$ 1,52 bilhão, 2.282.385 dias de permanência e 56.283 óbitos hospitalares. O PM2.5 apresentou sazonalidade, com pico médio em setembro e 295 eventos superiores a 150 µg/m³. No Random Forest, a inclusão da frota veicular elevou o R² de teste de 0,0671 para 0,9043 e reduziu RMSE e MAE. A frota foi a variável mais importante, possivelmente por representar características de urbanização, mobilidade e estrutura territorial; esse resultado é preditivo e não demonstra causalidade.

Conclusão

A mortalidade e a carga hospitalar registradas por câncer de mama aumentaram no período analisado e apresentaram marcadas desigualdades territoriais. Na análise integrada, a inclusão da frota veicular ampliou o desempenho preditivo do modelo, sem permitir inferências causais. Os achados podem subsidiar a vigilância, o planejamento assistencial e a qualificação das ações voltadas ao diagnóstico oportuno e à redução das desigualdades regionais.

Palavras-chave

• Câncer de mama
• séries temporais
• inteligência artificial
• epidemiologia computacional
• saúde pública