Onde a IA entra no exame: da aquisição ao laudo
A IA na radiologia não mora num único lugar. Ela aparece em pontos específicos do fluxo — alguns onde você atua diretamente, outros que acontecem nos bastidores. Conhecer o mapa ajuda a saber quando a ferramenta ajuda, quando ela pode falhar e onde a sua mão continua indispensável.
Pense no caminho de um exame: alguém agenda, define o protocolo, o paciente é posicionado e escaneado, a imagem é reconstruída, entra numa fila de leitura, é interpretada e vira um laudo que volta ao médico solicitante. A leitura moderna — reforçada nos grandes congressos de 2025 — é que a IA hoje toca cada uma dessas etapas. Vamos percorrê-las na ordem.
1. Antes do exame: protocolo e agendamento
Nos bastidores, algoritmos ajudam a prever faltas (no-show), a otimizar a agenda e a sugerir o protocolo mais adequado ao pedido clínico. É a IA menos visível e a mais administrativa — mas que afeta a eficiência do serviço. Para o técnico, o ponto de atenção é simples: a sugestão automática de protocolo é apoio, não ordem. A indicação clínica e o julgamento continuam mandando.
2. Na aquisição e na reconstrução
Aqui a IA já é rotina para muita gente, às vezes sem que se perceba. Na TC, a reconstrução por deep learning (DLIR) entrega baixo ruído com textura natural, permitindo protocolos de menor dose. Na RM, a aceleração por deep learning reconstrói a imagem a partir de dados subamostrados, cortando o tempo de exame — em vários estudos, pela metade — sem perder qualidade diagnóstica; é o que viabiliza protocolos abreviados e ajuda até aparelhos de baixo campo (0,55 T) a render boas imagens. Alguns tomógrafos e equipamentos ainda usam câmeras com IA para auxiliar no posicionamento e no isocentro. O detalhe dos algoritmos de reconstrução está no guia FBP, iterativa e IA.
Esta é a etapa onde a sua mão mais conta: a IA de reconstrução melhora o que recebe, mas não conserta um posicionamento errado, um campo mal coberto ou um artefato de movimento. Técnica boa na entrada é o que faz a IA render na saída.
3. Na fila: triagem e priorização
Depois de reconstruído, o exame entra na lista de leitura. Algoritmos de triagem varrem os estudos e sinalizam os que têm sinais de urgência — suspeita de AVC (oclusão de grande vaso), embolia pulmonar, pneumotórax, hemorragia intracraniana, fratura — para que subam na fila e sejam lidos primeiro. Esta é uma das aplicações que mais provou valor no mundo real, por um motivo importante de entender: ela não muda qual é o diagnóstico, muda quando ele é feito. Ganhar minutos num AVC ou numa embolia é ganho clínico direto.
4. Na leitura: detecção e caracterização (CAD)
Durante a interpretação, ferramentas de detecção assistida por computador marcam candidatos a achado: nódulos pulmonares, lesões mamárias, fraturas, achados incidentais. A lógica é a de uma segunda leitura que chama a atenção para regiões suspeitas. O ganho é reduzir achados perdidos por fadiga ou distração; o risco é o oposto — marcas demais (falsos-positivos) que cansam e distraem. Por isso o CAD apoia o olhar humano, não o substitui: quem decide o que é achado e o que é ruído é o radiologista.
5. Depois de ver: quantificação
Muita informação da imagem é quantitativa e chata de medir à mão: volume de estruturas, escore de cálcio coronário, densidade mineral óssea, carga de lesões, variação de tamanho de um nódulo entre dois exames. A IA automatiza essas medidas com uma vantagem central — reprodutibilidade. Uma medida automática tende a variar menos entre exames e entre profissionais do que a mesma medida feita no olho, o que é decisivo no seguimento (comparar hoje com três meses atrás de forma justa).
6. No fim: linguagem e laudo
A etapa mais nova e mais delicada. Modelos de linguagem podem resumir exames anteriores, extrair dados estruturados de laudos antigos e sugerir um rascunho de impressão. Foi o tipo de demonstração que dominou o RSNA de 2025. Mas vale repetir o que dissemos nos fundamentos: até o fim de 2025, esses geradores de laudo são pesquisa e piloto — não há produto aprovado que assine o laudo sozinho. O rascunho é ponto de partida a ser revisado e assumido por um profissional, nunca um texto que se publica no automático.
| Etapa | O que a IA faz | Papel do técnico |
|---|---|---|
| Protocolo / agenda | Sugere protocolo, prevê faltas | Confere a indicação; sugestão é apoio |
| Aquisição / reconstrução | DLIR na TC, aceleração na RM, posicionamento assistido | Garante técnica e qualidade da imagem de entrada |
| Triagem | Prioriza exames críticos na fila | Entende que muda o "quando", não o "o quê" |
| Detecção (CAD) | Marca candidatos a achado | Reconhece falsos-positivos; não decide sozinho |
| Quantificação | Mede volumes, escores, seguimento | Confere se a segmentação faz sentido |
| Laudo | Resume priors, rascunha impressão | Sabe que é rascunho — revisão humana obrigatória |
O fio que costura tudo
Repare no padrão: nas duas primeiras estações você alimenta a IA (a imagem que entra); nas quatro seguintes a IA trabalha sobre o que você entregou. Isso coloca o técnico numa posição estratégica — a qualidade da sua imagem é o teto do que qualquer algoritmo consegue fazer depois. E em toda a linha vale a mesma regra: a IA acelera, prioriza e mede, mas a responsabilidade pelo resultado é humana. No próximo guia, vemos como a ANVISA, o CBR e a LGPD transformam esse princípio em regra.
Erros comuns
- Achar que a triagem "dá o diagnóstico" — ela apenas reordena a fila; o diagnóstico continua sendo do radiologista.
- Confiar que a IA de reconstrução conserta posicionamento ruim ou artefato de movimento — não conserta.
- Ignorar os falsos-positivos do CAD e tratar toda marca como achado real.
- Tratar o rascunho de laudo gerado por IA como texto final — ele exige revisão e assinatura humana.
- Aceitar a segmentação automática de uma medida sem conferir se ela pegou a estrutura certa.
A imagem que você entrega é o teto da IA
Pratique a etapa que é sua: posicione, janele e reconstrua casos reais no Reconstrutor até que a qualidade vire hábito.