Em um marco para a medicina diagnóstica, sistemas de inteligência artificial desenvolvidos por consórcios entre universidades e empresas de tecnologia demonstraram, em estudos duplo-cegos publicados nas principais revistas médicas, capacidade de detectar tumores, anomalias cardíacas e sinais precoces de doenças neurodegenerativas com precisão superior à de radiologistas e patologistas experientes.
O sistema desenvolvido pelo consórcio DeepMed, que reúne pesquisadores do MIT, do Hospital Sírio-Libanês e da USP, foi treinado com mais de 12 milhões de imagens médicas anotadas por especialistas de 40 países. O resultado é um modelo capaz de identificar padrões sutis que frequentemente escapam ao olho humano, especialmente em fases iniciais das doenças.
Como funciona na prática
O sistema não substitui o médico: funciona como um "segundo olhar" que analisa cada imagem em segundos, destaca regiões de interesse e fornece uma pontuação de risco com a justificativa baseada nos padrões identificados. O radiologista recebe um relatório preliminar estruturado e pode confirmar, refutar ou complementar a análise da IA.
"Em um turno típico, analisamos 80 tomografias. Com o auxílio da IA, conseguimos processar 240 com a mesma qualidade — e ainda identificamos 14% mais lesões em estágio inicial do que sem o sistema."
— Dr. Henrique Bastos, radiologista, Hospital das Clínicas de SP
A tecnologia já está aprovada pela ANVISA para uso auxiliar em radiologia no Brasil e pela FDA nos Estados Unidos. Atualmente, 47 hospitais brasileiros utilizam alguma forma de IA de diagnóstico por imagem, número que deve chegar a 200 até o final de 2024, segundo a Sociedade Brasileira de Radiologia.
Além das imagens
A fronteira da IA diagnóstica se expande para além das imagens. Sistemas baseados em processamento de linguagem natural estão sendo treinados para analisar prontuários médicos, identificar combinações atípicas de sintomas que podem indicar doenças raras e sugerir exames complementares que o médico poderia não requisitar rotineiramente.
Um piloto conduzido no Hospital Albert Einstein em São Paulo mostrou que um sistema de análise de prontuários reduziu o tempo médio para diagnóstico de doenças autoimunes de 4,2 anos para 8 meses — um avanço extraordinário para pacientes que frequentemente perambulam anos pelo sistema de saúde sem diagnóstico definido.
Desafios éticos e práticos
A adoção em larga escala enfrenta desafios. Questões sobre responsabilidade em casos de erro diagnóstico — quem responde: o médico, o hospital ou o fabricante do sistema? — ainda carecem de regulamentação clara. A disparidade de acesso também preocupa: hospitais públicos em regiões com menos recursos têm mais dificuldade de implementar e manter esses sistemas, o que pode ampliar desigualdades no cuidado à saúde.
