A especialidade médica onde a IA mais avançou (e porque isto é uma boa notícia para quem a pratica)

Há já vários casos de pessoas que fazem upload de radiografias em ferramentas como o ChatGPT para perceber “se está tudo bem” antes de marcarem a próxima consulta.

Para perceber como este tema está a ser vivido por quem faz da radiologia profissão, conversámos com o médico João Abrantes, coordenador da Secção de Física Médica, Radiobiologia, Radioprotecção e Informática Médico-Radiológica da Sociedade Portuguesa de Radiologia e Medicina Nuclear.

O especialista começa por definir a radiologia como uma especialidade que vive na vanguarda da inovação tecnológica.

Fomos dos primeiros a digitalizar os exames, dos primeiros a abandonar as películas de radiografia e agora somos dos primeiros a integrar inteligência artificial na prática clínica diária. Esta riqueza de dados em formato digital é um dos fatores essenciais que motiva a existência de tantos modelos de IA aplicados à imagem médica.

Esta integração tecnológica não aconteceu do dia para a noite. Foi, e continua a ser, fruto de um trabalho de bastidores complexo e detalhado, para garantir que os sistemas de IA se integram corretamente na prática clínica e que não são adotados por serem “novidade”, mas por terem impacto clínico real, sustentado por segurança e evidência científica publicada.

“A base de dados da FDA lista mais de 1.300 dispositivos médicos com IA autorizados, dos quais cerca de 75% são na área da radiologia. Na Europa, são cerca de 299 com marcação CE (março de 2026). A radiologia é, de longe, a especialidade médica onde a IA mais avançou do laboratório para a clínica”, exemplifica.

A IA no dia a dia de um radiologista

Em algumas tarefas específicas, a IA já iguala ou supera o desempenho do radiologista individual em ambiente controlado. Porém, estes algoritmos não conseguem interpretar as múltiplas nuances que a prática da medicina acarreta: o conhecimento do historial de cada doente, a capacidade de comparar com exames anteriores e de avaliar casos raros ou pouco representados nas bases de dados de treino são essenciais para garantir a qualidade dos cuidados.

Um algoritmo pode ter uma sensibilidade excelente isto é, uma grande capacidade de detetar alterações mas apresentar uma especificidade inferior à dos radiologistas, o que pode traduzir-se em mais falsos alarmes se não for integrado com supervisão humana.

O ponto central: em vez de perguntar “a IA iguala o radiologista?”, a questão certa é “um radiologista com IA supera um radiologista sem IA?” – e a resposta é claramente que sim. É este modelo, IA e médico a trabalhar em conjunto, que demonstra os melhores resultados na prática clínica.

No caso da imagiologia mamária (a sua subespecialidade), João Abrantes refere que as ferramentas de IA são usadas tanto para melhorar a qualidade e rapidez dos exames de Tomografia Computadorizada (TC) e ressonância magnética, como no apoio à decisão médica em radiografia convencional e mamografia. A sua presença estende-se, de forma concreta, a praticamente todas as modalidades de imagem.

No rastreio do cancro da mama, a aplicação mais validada é como “segundo leitor” e apoio ao diagnóstico:

“O ensaio MASAI, na Suécia, com mais de 105 mil mulheres, mostrou que um radiologista com IA deteta 29% mais cancros do que dois radiologistas a trabalhar em conjunto, com uma tendência para redução dos cancros de intervalo — casos que surgem entre rondas de rastreio e que representam as situações que mais nos preocupam. Na Alemanha, o estudo PRAIM, com 463 mil mulheres, confirmou um aumento de 17% na taxa de deteção.”

A utilização nas diferentes áreas

• Na radiografia convencional, a IA já está presente em muitos serviços de urgência para deteção de fraturas e triagem de achados críticos em radiografias do tórax, ajudando a priorizar os casos mais urgentes e a reduzir o número de diagnósticos não identificados.
• Na TC, algumas das aplicações mais robustas situam-se na avaliação do AVC agudo. Plataformas de triagem por IA estão instaladas em milhares de hospitais a nível mundial, reduzindo o tempo até ao tratamento no AVC isquémico, onde cada minuto conta para preservar tecido cerebral. Para a TC do tórax, existem algoritmos de identificação de embolias pulmonares e de deteção e seguimento de nódulos pulmonares no âmbito do rastreio do cancro do pulmão. Na TC cardíaca, a análise assistida por IA já tem código de reembolso próprio nos EUA.
• Na ressonância magnética, a aplicação mais disseminada (já em prática em várias unidades em Portugal) não é de deteção, mas de aceleração e melhoria da qualidade de imagem. Qualquer pessoa que tenha realizado uma RM sabe que é um exame demorado e pouco confortável; uma percentagem significativa não o consegue completar devido a claustrofobia. Os algoritmos de reconstrução por deep learning permitem reduzir em 40 a 50% o tempo necessário, tornando os exames mais rápidos e confortáveis para o doente e aumentando a capacidade das máquinas. Destaca-se também, na imagem cerebral, a utilização de sistemas de volumetria cerebral automatizada, fundamental no seguimento de esclerose múltipla e na avaliação de demência.

“As vantagens organizam-se em vários níveis“

Segurança do doente. No rastreio mamário, a leitura assistida por IA aumenta a taxa de deteção de cancro face ao radiologista isolado, reduzindo simultaneamente o número de estudos de aferição necessários. Na urgência, a IA identifica fraturas que poderiam passar despercebidas. No AVC, poupa minutos que se traduzem diretamente em menos sequelas neurológicas.

Qualidade diagnóstica. A IA tem um valor preditivo negativo muito elevado em exames de rastreio, como a mamografia. Permite classificar os exames de acordo com o risco de lesões malignas e, quando o resultado é de baixo risco e a avaliação do radiologista é concordante, a confiança na ausência de alterações suspeitas é muito elevada. No outro extremo, estes sistemas assinalam áreas de maior risco, permitindo ao médico concentrar-se nessas zonas, frequentemente com recurso a exames complementares como ecografia ou ressonância magnétic, e diagnosticar lesões cada vez mais precocemente.

Gestão da carga de trabalho. O ensaio MASAI demonstrou uma redução de 44% na carga de leitura no rastreio mamário com a IA como segundo leitor. Mas é importante ser rigoroso: na prática, a introdução de IA não significa necessariamente que o médico trabalha menos. Em muitos cenários, o radiologista demora mais tempo por caso, porque precisa de avaliar os resultados da IA e, em situações de discordância, fundamentar a decisão. O ganho real não é “trabalhar menos”, mas trabalhar melhor: com mais informação, mais segurança e maior capacidade de absorver o volume crescente de exames sem comprometer a qualidade.

Avaliação do risco futuro. Existem algoritmos que demonstram conseguir identificar pessoas com maior probabilidade de desenvolver cancro ou outras patologias em exames futuros, bem como avaliar o risco cardiovascular algo que o olho humano, por si só, não consegue fazer. Trata-se de uma “bola de cristal” que permite, por um lado, indicar quem beneficia de exames mais avançados ou de rastreio mais frequente e, por outro, quem pode, com segurança, espaçar os seus controlos.

“As preocupações principais não são as que a maioria espera”

A primeira é o viés de automação: a tendência para os médicos confiarem excessivamente na IA e perderem, progressivamente, o hábito da análise crítica independente. Para combater esta tendência, podem adotar-se estratégias já consolidadas noutras áreas (como na aviação, onde a dependência do piloto automático é ativamente monitorizada e mitigada). A ordem em que o radiologista interage com a IA importa: deve formar a sua opinião primeiro e só depois consultar o resultado do algoritmo, usando-o como “rede de segurança” ou “segundo par de olhos”. O risco não é a IA tomar decisões erradas. O risco é os humanos deixarem de questionar as decisões da IA.

A segunda preocupação é a formação e a literacia. O enquadramento regulamentar existe, o AI Act europeu está em vigor, e a data-limite para as obrigações de alto risco em dispositivos médicos é agosto. O que falta é a compreensão e implementação efetiva desta regulação pelos profissionais e pelas instituições de saúde. Dados da Sociedade Europeia de Radiologia revelam que 48% dos radiologistas europeus já utilizam IA, mas uma percentagem elevada admite lacunas no conhecimento sobre a regulamentação dos dispositivos. É necessária formação, não só para radiologistas, mas para todas as equipas que interagem com diagnósticos assistidos por IA.

Existem também limitações técnicas reais. Uma revisão sistemática mostrou que mais de 80% dos algoritmos de deep learning em radiologia apresentam perda de desempenho quando testados em dados externos, diferentes da população com que foram treinados. Torna-se, por isso, essencial avaliar a performance dos sistemas de IA aquando da sua implementação em cada hospital e garantir que essa performance se mantém constante e elevada após a entrada em funcionamento.

Recomendava esta especialização a um filho?

“Recomendo absolutamente. Vou mais longe: penso que a radiologia é uma das especialidades mais interessantes para entrar neste momento, precisamente por causa da IA. Pensem nisto da perspetiva de um jovem médico. Estão a entrar numa área onde vão trabalhar com tecnologia de ponta desde o primeiro dia. Onde as ferramentas melhoram todos os anos. Onde a precisão diagnóstica vai ser amplificada por IA que apanha o que nos poderia escapar. E onde podem focar as suas competências humanas — raciocínio clínico, comunicação, resolução de problemas complexos — nos casos que verdadeiramente as exigem”, sublinha João Abrantes.

O que deve mudar na formação?

A formação médica precisa de evoluir, e não se trata apenas de acrescentar uma unidade curricular de programação ou de ensinar médicos a escrever código.

Literacia de dados. Compreender datasets, viés e o que significam realmente sensibilidade e especificidade na avaliação de uma ferramenta de IA. Quando um fornecedor anuncia 95% de sensibilidade, é preciso saber fazer as perguntas certas: em que população? Com que prevalência? Qual a taxa de falsos positivos? As faculdades de medicina deviam ensinar isto da mesma forma que ensinam a interpretar um hemograma ou a ler um eletrocardiograma. A literacia em IA já não é opcional, é uma competência obrigatória.

Competências humanas. Raciocínio clínico. Comunicação. Capacidade de sintetizar informação de múltiplas fontes e tomar uma decisão. A IA pode analisar uma mamografia, mas não consegue sentar-se numa reunião multidisciplinar e discutir se uma mulher de 42 anos com história familiar e um achado borderline deve ser biopsada ou vigiada. É aqui que reside o valor insubstituível do médico especialista.

Base técnica mínima em IA. Alguma estatística, compreensão conceptual do funcionamento do machine learning — não para construir redes neuronais, mas para avaliar criticamente um artigo científico sobre IA em medicina e para comunicar com as outras profissões que crescentemente colaboram neste espaço: engenharia, ciência de dados, indústria.

A realidade atual está longe deste ideal. A Sociedade Europeia de Radiologia tem uma Master Class em IA; a Sociedade Norte-Americana tem um programa de certificação em IA para imagiologia. Mas são iniciativas pontuais. Falta uma integração curricular sistemática.

Os médicos que combinarem estas três dimensões — literacia de dados, competências clínicas e de comunicação, e capacidade técnica — serão os profissionais mais valiosos da medicina na próxima década. As faculdades que o reconhecerem e atualizarem os seus currículos vão ser capazes de formar médicos melhores.

É uma profissão em risco?

“Exatamente o contrário”, destaca o especialista. A procura por exames de imagem cresce mais depressa do que a capacidade de formar radiologistas. A IA não elimina postos de trabalho: torna a força de trabalho existente mais eficaz e a especialidade mais sustentável. O Bureau of Labor Statistics dos EUA projeta um crescimento de 5% no emprego em radiologia entre 2024 e 2034, acima da média. O inquérito EuroAIM/ESR de 2024 mostrou que mais de metade dos radiologistas não prevê redução de emprego, e que a experiência direta com IA se correlaciona com menor insegurança profissional.

Subscreve a nossa newsletter, onde todas as terças e quintas podes ler as melhores histórias do mundo da inovação e das empresas em Portugal e lá fora.