A inteligência artificial pode substituir um médico no rastreamento do câncer de pulmão por radiografia?
A radiografia do tórax continua sendo uma ferramenta simples e amplamente utilizada para rastrear doenças como o câncer de pulmão. No Japão, ela faz parte dos exames de saúde obrigatórios nas empresas. No entanto, sua interpretação exige grande expertise. Para limitar erros, geralmente dois médicos analisam cada imagem, o que aumenta sua carga de trabalho.
Um estudo recente avaliou se softwares de inteligência artificial poderiam assumir o papel do primeiro leitor nesse sistema de dupla leitura. Os pesquisadores analisaram mais de 320.000 radiografias realizadas entre 2018 e 2020. Entre os casos suspeitos de câncer de pulmão, três modelos de IA foram testados. Resultado: essas ferramentas detectaram entre 62% e 77% das anomalias, contra 59% para os médicos humanos. Mesmo ao se concentrar apenas nos nódulos pulmonares, os mais frequentes, o desempenho das IAs permaneceu superior, com taxas de detecção variando de 64% a 76%, enquanto os médicos alcançavam 59%.
A inteligência artificial demonstrou, assim, uma capacidade pelo menos equivalente à dos profissionais, ou até melhor. Por outro lado, ela gerou mais alertas falsos. Enquanto os médicos produziam muito poucos, os softwares identificaram entre 6 e 15 para cada 100 exames, dependendo do modelo utilizado. Esses erros ocorrem frequentemente quando estruturas normais, como costelas ou vasos, são confundidas com lesões.
Esses resultados sugerem que a IA poderia, de fato, substituir o primeiro leitor no rastreamento. Isso permitiria reduzir a carga dos médicos, mantendo a qualidade do diagnóstico. No entanto, os nódulos mais discretos ou menores continuam sendo um desafio para essas ferramentas. Uma vigilância aumentada do segundo leitor humano seria, portanto, necessária para os casos difíceis.
Essa abordagem poderia padronizar as interpretações e limitar as variações de acordo com a experiência dos profissionais. Estudos complementares em vários centros médicos serão necessários para confirmar esses benefícios e avaliar o impacto na organização dos cuidados. O objetivo é integrar progressivamente essas tecnologias na prática corrente, sem sacrificar a precisão do rastreamento.
Bases documentaires
Rapport de référence
DOI : https://doi.org/10.1007/s11604-026-01973-z
Titre : Can AI substitute the first reader in chest radiograph screening? A retrospective non-inferiority evaluation
Revue : Japanese Journal of Radiology
Éditeur : Springer Science and Business Media LLC
Auteurs : Kotaro Yoshida; Atsushi Takamatsu; Rie Tanaka; Tetsuo Matsunaga; Antoine Choppin; Aya Tonouchi; Satoshi Kobayashi; Takeshi Kobayashi