Imagens com maior resolução e Inteligência Artificial ampliam a capacidade diagnóstica e apoiam decisões clínicas mais precisas, contribuindo para o direcionamento adequado de tratamentos e procedimentos.
Em 2016, o cientista Geoffrey Hinton, vencedor do Prêmio Nobel de Física de 2024, afirmou publicamente que em poucos anos não seria mais necessário formar radiologistas. A previsão não se confirmou e a demanda pela especialidade só cresceu desde então. A necessidade do radiologista não desapareceu; pelo contrário, aumentou.
A radiômica vem apresentando publicações cada vez mais robustas e, apesar de ainda ser experimental, o horizonte a médio e longo prazo é promissor. Estamos em uma etapa em que melhorar a imagem significa também extrair mais informação e compreender aquilo que o olho humano não consegue perceber sozinho.
Essa transformação pode modificar de forma significativa o papel do diagnóstico por imagem. Em vez de apenas responder o que está presente em determinado momento, caminhamos para uma radiologia capaz de estimar o que determinado achado pode representar e como poderá se comportar.
Na tomografia computadorizada, uma das tecnologias que apontam nessa direção é a contagem de fótons, ou photon counting. O ganho de resolução espacial permite caracterizar melhor pequenas estruturas e alterações cuja caracterização, com tecnologias anteriores, seria menos precisa. Na avaliação das artérias coronárias, por exemplo, pode significar maior precisão na caracterização das placas e do grau de obstrução. O mesmo princípio ajuda, em outros órgãos, a compreender lesões pequenas ou inicialmente indeterminadas.
Produzir imagens melhores, porém, é apenas uma parte dessa evolução. A Inteligência Artificial, o aprendizado de máquina e o deep learning dependem essencialmente da qualidade da informação que recebem. É o velho garbage in, garbage out: não existe algoritmo capaz de compensar indefinidamente uma base de má qualidade. Quanto melhores a imagem e os dados, maior a possibilidade de extrair informações clinicamente úteis.
É nesse aspecto que a radiômica, método que transforma exames de imagem em dados numéricos detalhados, ganha importância. A partir dos pixels e de diferentes atributos quantitativos da imagem, ela permite analisar características não necessariamente identificáveis pela observação humana convencional e buscar correlações com achados, comportamentos ou desfechos.
Isso abre uma perspectiva particularmente relevante diante dos achados indeterminados. Depois dos 50 anos, até 15% das pessoas apresentam algum nódulo pulmonar identificado num exame de tomografia. Isso não é sinônimo de câncer, pois a imensa maioria dessas alterações é benigna. Dependendo das características da lesão e do perfil do paciente, porém, novas imagens podem ser necessárias alguns meses depois para verificar se houve crescimento e, em determinadas situações, chega-se à necessidade de uma biópsia.
Esse acompanhamento é indispensável quando bem indicado. O desafio é saber se novas tecnologias poderão nos ajudar a distinguir, com maior segurança, quem realmente precisa avançar para uma investigação invasiva e quem poderia ser acompanhado de outra maneira.
A possibilidade de combinar características quantitativas da imagem com genética, genômica, histórico familiar, fatores de risco e outros dados clínicos poderá permitir calcular com maior precisão a probabilidade de uma lesão apresentar risco de malignidade.
Vejo nessa integração uma das principais transformações dos próximos anos. A tecnologia amplia a quantidade de informação disponível e, com isso, aumenta a responsabilidade de quem precisa interpretá-la e integrá-la ao contexto clínico. O radiologista terá de compreender a imagem, os algoritmos, suas limitações e sua relação com outras informações do paciente.
É nesse sentido que vejo esse profissional se tornando cada vez mais um gatekeeper: alguém que tem a imagem em mãos e está bem posicionado para integrar essas informações e discuti-las com o médico responsável pela conduta. Quanto mais complexa a medicina se torna, menos sentido faz trabalhar com informações fragmentadas.
Há ainda uma dimensão importante de eficiência. Já existem algoritmos capazes de acelerar exames de ressonância magnética, como os musculoesqueléticos, reduzindo o tempo necessário para a captação das imagens. Isso permite utilizar melhor um equipamento de alto custo, ampliar sua capacidade de atendimento e melhorar a experiência do paciente. Para quem sente dor, ansiedade ou claustrofobia, permanecer menos tempo dentro do aparelho também faz parte da qualidade do cuidado.
Por isso, a discussão econômica sobre inovação em saúde não pode se limitar ao preço de compra de uma tecnologia ou à remuneração de determinado exame. Quando incorporamos um equipamento mais avançado, o retorno não aparece necessariamente como receita maior naquele procedimento. O valor pode estar em um exame mais rápido e confortável, em menos repetições, em um diagnóstico mais preciso, em uma intervenção evitada ou no início mais adequado de um tratamento.
Tecnologia também pode ser instrumento de sustentabilidade. Uma inovação mais cara pode reduzir custos globais se eliminar etapas desnecessárias da jornada assistencial. Da mesma forma, uma solução aparentemente mais barata pode gerar desperdício quando produz informação insuficiente, exige repetição ou leva a decisões menos precisas.
A lógica precisa ser de custo-efetividade e geração de valor. Esse talvez seja um dos debates mais importantes para o futuro da medicina diagnóstica.
Não basta saber quantos exames conseguimos realizar ou quantas novas tecnologias conseguimos incorporar. Precisamos avaliar quanto conhecimento extraímos de cada exame, quanto essa informação melhora a decisão médica e quais etapas da jornada do paciente podem ser evitadas ou qualificadas.
Radiômica, Inteligência Artificial, novas gerações de equipamentos e integração de dados são ferramentas. O verdadeiro valor delas estará na capacidade de diminuir incertezas para o médico e para o paciente, permitindo melhor utilização dos recursos do sistema de saúde. Esse é o valor que a inovação diagnóstica precisa entregar.
Cesar Higa Nomura – Presidente do Conselho de Administração da Abramed e Diretor de Medicina Diagnóstica do Hospital Sírio-Libanês
Postado em: 20/08/2026
