Cada vez mais presente em diversos ramos da medicina, a Inteligência Artificial (IA) também já conquistou seu espaço na área da radiologia e provou que veio para ficar. Afinal, devido aos algoritmos de aprendizado contínuo, a Inteligência Artificial na prática radiológica permite aprimorar a detecção de anomalias e alterações nos exames de imagem, além de reduzir o tempo de análise e contribuir com a tomada de decisão médica.

O avanço da Inteligência Artificial na radiologia

Embora a radiologia seja uma área que há muito tempo já trabalha com sistemas tecnológicos, a IA representa uma evolução significativa devido à sua capacidade de aprender padrões complexos de reconhecimento e analisar imagens em questão de segundos. Prova desse potencial disruptivo é que a incorporação de IA em exames de mamografia já se mostrou capaz de aumentar em cerca de 20% a detecção de câncer de mama ao mesmo tempo em que reduz a carga de trabalho em 40%.

Desafios e diferenças dos algoritmos de IA

Diferentemente dos sistemas de Detecção Auxiliada por Computador (CAD), usados por muito tempo na radiologia, a IA se destaca pela sua capacidade de realizar tarefas mais complexas e adaptativas. Ou seja, enquanto os sistemas CAD dependiam de regras predefinidas e características extraídas manualmente, os algoritmos de IA são capazes de aprender e se aprimorar com base em grandes conjuntos de dados, oferecendo uma abordagem mais dinâmica e precisa para a análise de imagens radiológicas.

Essa abordagem baseada em aprendizado profundo é chamada “Machine Learning” e é das tecnologias de Inteligência Artificial na prática radiológica que mais têm causado impacto positivo.

Avaliação dos modelos de IA

Antes de implementar qualquer modelo de IA na atividade clínica, é mandatório realizar uma avaliação rigorosa dos sistemas, o que envolve não apenas a validação técnica dos algoritmos, mas também a consideração de questões éticas e práticas. Além disso, os profissionais de radiologia devem ser educados sobre os princípios da IA e seus potenciais riscos a fim de garantir um uso responsável da Inteligência Artificial na prática radiológica.

Questões éticas na incorporação da IA na radiologia

A integração da inteligência artificial na prática radiológica levanta uma série de questões éticas importantes, relacionadas principalmente aos princípios bioéticos fundamentais da medicina: autonomia, beneficência, não-maleficência e justiça. 

Nesse sentido, as cinco principais sociedades de radiologia do mundo se reuniram e publicaram em janeiro de 2024 uma “declaração conjunta sobre o uso de ferramentas de IA em radiologia”, que aborda em detalhes as seguintes questões:

• Atribuição de responsabilidade do diagnóstico;
• Armazenamento, proteção e privacidade de dados do paciente;
• Interpretação dos algoritmos;
• Viés algorítmico;
• Impacto da IA no trabalho dos radiologistas;
• Monitoramento e avaliação contínua.

Questões éticas específicas relacionadas à IA em Radiologia

O uso da inteligência artificial na prática radiológica tem como uma de suas grandes preocupações a gestão dos dados do paciente, que inclui sua aquisição, uso, armazenamento e eliminação. Portanto, para garantir que essas informações sejam usadas de forma ética é necessário ter uma atenção especial à segurança do próprio sistema de IA, aos valores do desenvolvedor, às legislações locais e, principalmente, ao consentimento do paciente. 

Por fim, é preciso que o gestor do serviço de saúde considere, também, os danos potenciais do uso da inteligência artificial na prática radiológica, tais como discriminação e preconceito ao paciente no caso de vazamento dos dados, custos de seguro e prejuízos à imagem da organização.

Por Que Usar Inteligência Artificial (IA) na Radiologia?

O uso da Inteligência Artificial (IA) na radiologia pode otimizar processos e garantir mais qualidade para os serviços de saúde.

Alguns benefícios do uso incluem:

• Realização de diagnósticos de forma ágil e precisa, uma vez que a IA consegue analisar grandes grupos de dados em pouco tempo;
• Identificação de padrões complexos, comuns em doenças raras;
• Detecção de alterações sutis, que não são identificáveis pelo olho humano;
• Captura de imagens do paciente com agilidade e eficiência;
• Mais eficiência no fluxo de trabalho.