Como a aplicação da IA na Radiologia mudará o futuro
A inteligência artificial (IA) vem desempenhando um papel progressivamente mais relevante na medicina com o desenvolvimento de ferramentas que podem ser aplicadas para resolução de problemas em toda cadeia que envolve o cuidado dos pacientes. Não é surpresa que o mercado global de IA na saúde deve atingir US$ 187,9 bilhões até 2030, com uma taxa de crescimento anual de 37%, segundo a Precedence Research, empresa canadense-indiana de pesquisa de mercado.
Quando olhamos para seu envolvimento na área da Radiologia e do Diagnóstico por imagem, podemos ver claramente o impacto positivo desde a aquisição das imagens, na elaboração dos laudos/relatórios, na interpretação dos exames e na comunicação dos achados clínicos e críticos.
Nos últimos anos, conseguimos ver com mais clareza com a IA está fortemente ligada à medicina do futuro. Diversas ferramentas estão sendo implementadas na prática radiológica, trazendo ganhos significativos em eficiência, precisão diagnóstica e otimização do fluxo de trabalho.
Apesar dos avanços, a integração da IA na radiologia enfrenta desafios importantes como regulamentação e segurança de dados, padronização dos fluxos de trabalho (no qual é necessário definir protocolos claros para o uso da IA), infraestrutura tecnológica para suportar novas tecnologias e capacitação profissional (radiologistas, técnicos em radiologia e equipe hospitalar devem ser treinados para utilizar a IA como ferramenta complementar).
Mesmo com tais barreiras, a IA também tem sido utilizada cada vez mais para melhorar a qualidade das imagens médicas, reduzindo artefatos e o tempo de aquisição, além de possibilitar a realização de exames com doses menores de radiação.
Além disso, sistemas de IA estão sendo incorporados a plataformas de geração de laudos, auxiliando na identificação automática de padrões radiológicos e na sugestão de textos e descritores baseados nestes achados. Eles ajudam a reduzir erros, padronizar a terminologia médica e agilizar a elaboração dos relatórios.
Quando falamos de triagem de Achados Críticos temos uma evolução significativa. Algoritmos de IA são utilizados para priorizar exames com achados críticos, permitindo que radiologistas avaliem rapidamente casos potencialmente graves, reduzindo o tempo de resposta em emergências.
Importante mencionar também que a IA tem sido aplicada para a quantificação automática de estruturas anatômicas, avaliação de volumes tumorais e estimativas prognósticas baseadas em achados quantitativos. As principais aplicações são medição de volumes ventriculares cerebrais em neuroimagem, cálculo automático de score de cálcio coronariano, avaliação do grau de fibrose hepática por técnicas como elastografia assistida por IA Categorização de nódulos pulmonares e lesões hepáticas de acordo com critérios radiológicos específicos (como LI-RADS, PI-RADS e Lung-RADS).
Como podemos ver, a IA já deixou de ser uma promessa para se tornar uma realidade no campo da Radiologia e do Diagnóstico por Imagem. Mas, a conclusão que chegamos hoje é que devemos sempre ter em mente que o principal objetivo de aplicações com inteligência artificial é aprimorar e auxiliar as atividades humanas, e não substituir as pessoas. Com isso, podemos afirmar com segurança que o trabalho do radiologista não é descartado, apenas aperfeiçoado para uma experiência do paciente cada vez melhor e também dos profissionais.
*Erick Falci Santos é Membro titular do Colégio Brasileiro de Radiologia e Diretor Geral da Erad Solution.
