Este site é operado por uma empresa ou empresas de propriedade da Informa PLC e todos os direitos autorais residem com eles. A sede da Informa PLC é 5 Howick Place, Londres SW1P 1WG. Registrado na Inglaterra e no País de Gales. Número 8860726.
Saúde Business faz parte da divisão Informa Markets da Informa PLC
Como a IA e a telemedicina estão transformando a radiologia no Brasil?
Os avanços na radiologia, incluindo o uso da inteligência artificial, tornam exames de imagem mais eficientes, embora a integração de sistemas e a privacidade dos dados ainda sejam desafiadores.
Nos últimos anos, a radiologia vem passando por avanços. O primeiro deles é a adoção da radiologia digital, que oferece várias vantagens sobre os métodos tradicionais baseados em filme, incluindo melhor qualidade de imagem e a capacidade de aplicar ferramentas de processamento de imagem digitais para melhorar a visualização. Isso facilita a detecção e a caracterização de patologias.
Além disso, há uma redução significativa na exposição à radiação e um fluxo de trabalho mais eficiente, já que as imagens podem ser acessadas e compartilhadas eletronicamente. Equipamentos com inteligência artificial (IA) embarcada, aliados à telemedicina, vêm revolucionando o acesso à saúde seja de onde o paciente estiver.
Segundo a empresa de consultoria Statista, em 2021, o uso da inteligência artificial na saúde gerava uma movimentação de US$ 11 bilhões em todo o mundo. Agora, a previsão é alcançar US$ 188 bilhões até 2030.
De acordo com o Future Health Index, estudo realizado pela Philips, 31% dos líderes de saúde no Brasil estão investindo em IA para otimizar a eficiência operacional, incluindo a automatização de documentos; para agendamento de pacientes, equipes e tarefas; e para melhorar o fluxo de trabalho; enquanto isso, 27% estão investindo em IA para integrar diagnósticos, 26% investem em para suporte à decisão clínica e 25% apostam em IA para prever resultados.
Tecnologia para uma radiologia mais eficiente
Recentemente, tem sido possível observar avanços significativos em algoritmos de IA para radiologia, incluindo melhorias na precisão dos algoritmos de aprendizado profundo (deep learning), que agora podem identificar e classificar com precisão várias condições em estágios iniciais.
João Paulo Souza, diretor das Modalidades de Imagem Molecular e Tomografia Computadorizada, e Leonardo Packer, diretor da Modalidade de Ressonância Magnética, ambos da GE HealthCare América Latina, destacam como últimas inovações em algoritmos de IA o aprendizado profundo para identificar padrões complexos nas imagens e assim tornar o conhecimento sob os dados exponencial.
“Além disso, alguns algoritmos de IA estão sendo desenvolvidos para prever o aparecimento de doenças com base nas imagens, gerando insights automatizados para trazer mais atenção ao corpo médico, o que pode permitir intervenções preventivas”, destacam. A plataforma de IA aberta da GE HealthCare permite, aos desenvolvedores de software, criar e implementar algoritmos de IA personalizados para análise de imagens médicas.
Com tecnologias baseadas em inteligência artificial, também torna-se possível automatizar e acelerar tarefas de rotina a partir de um alto volume de dados que são transformados em insights centrados no paciente para um diagnóstico e tratamento assertivos e definitivos. “Ela ainda facilita e melhora a produtividade e rotina da equipe clínica: menos tempo com relatórios; redução das interrupções de exames e excelência na qualidade de imagem”, opina André Toledo, líder de Diagnóstico por Imagem LATAM na Philips.
A empresa, cita ele, possui um sistema de tomografia computadorizada de alto rendimento voltado para as necessidades de radiologia de rotina e programas de triagem de alto volume. Alimentado por IA, o equipamento inclui recursos de reconstrução de imagem e aprimoramento de fluxo de trabalho, resultando em diagnósticos mais preciso e maior retorno do investimento.
“Estamos desenvolvendo aplicações clínicas avançadas que oferecem aos radiologistas maior assertividade e produtividade ao laudar exames. Tudo isso também disponibilizado em plataforma Software as a Service (SAAS), o que traz mais facilidade e segurança para o cliente”, complementa Toledo.
Uma outra inovação tecnológica, mas que está ainda em fase de pesquisa, é a chamada tecnologia LLM (large language model), uma técnica de inteligência artificial que tem ganhado destaque nos últimos anos.
“Um LLM é uma arquitetura de modelo de rede neural baseada em um componente específico, chamado Transformer AI, que tem potencial para contribuir com a área da saúde tanto no diagnóstico quanto no tratamento de doenças”, diz Osvaldo Landi, gerente Médico de Inovação & Dados da Fundação Instituto de Pesquisa e Estudo de Diagnóstico por Imagem (FIDI).
Ele também destaca a inteligência artificial multimodal, que busca outras informações dos pacientes, além dos exames diagnósticos, como antecedentes de saúde, resultados de exames laboratoriais e qualidade do sono, para oferecer um diagnóstico mais preciso e auxiliar na tomada da melhor decisão terapêutica.
Inteligência artificial em diferentes etapas
No Hospital Sírio-Libanês, a inteligência artificial tem contribuído para melhorar a precisão diagnóstica e o gerenciamento da carga de trabalho. “Ferramentas como o RAPID, utilizada para a análise de acidente vascular cerebral (AVC), demonstram como a IA pode agilizar o tratamento e melhorar os resultados dos pacientes, permitindo uma rápida interpretação das imagens, o que é crucial para a intervenção terapêutica eficaz. Na área de gestão, temos uma inteligência artificial que prevê o risco de no-show de pacientes baseado em características específicas do indivíduo”, explica João Paulo Bernardes, coordenador Médico da Radiologia do Hospital Sírio-Libanês em Brasília.
Na Dasa, conta Victor Gadelha, head Médico de Inovação, Pesquisa e Educação, são utilizados também algoritmos de NLP (Processamento de Linguagem Natural) para identificar pacientes que estão em gap de cuidados e acionar o médico responsável, alertando para a necessidade de retomada de exames e procedimentos.
São estabelecidas regras para análise de diversos laudos que identificam pelo menos 43 doenças em que não há dúvida da pertinência da próxima etapa do cuidado. Uma equipe de médicos é responsável pelo contato com o médico prescritor, que encaminhará o paciente para novos exames ou tratamento.
“A área de Data Analytics e IA da Dasa também é responsável pelo desenvolvimento e implementação de algoritmos, além de fornecimento de dados que são insumos para a criação de programas com foco na eficiência, como a leitura automática de pedidos médicos. A parceria feita com a Google Cloud disponibilizou à Dasa ferramentas capazes de analisar um grande volume de dados. Com esse tipo de tecnologia, a companhia criou um sistema próprio de reconhecimento óptico de caracteres (OCR) para a leitura automática de pedidos médicos”, explica Gadelha.
A inteligência artificial generativa também tem sido estudada por aqui. No InovaHC, uma parceria foi firmada com a Amazon Web Services (AWS) para a criação de um Laboratório de IA generativa. “O primeiro projeto do GAL (Gerador Adaptativo de Laudos) quer transformar a maneira como laudos radiológicos são criados, a partir de uma ferramenta que permite a estruturação automática de laudos radiológicos, levando em conta o histórico do paciente, de forma ágil e precisa”, conta Marco Bego, diretor executivo.
Esta primeira fase envolve o uso de modelos de linguagem para construção de um sumário com informações do paciente, facilitando a estruturação de laudos pela equipe de radiologia.
Dentre os projetos em andamento, Bego cita um que visa o aperfeiçoamento de ferramentas de triagem automática da presença de cirrose e câncer hepático em exames de imagem. Uma das frentes deste projeto é avaliar a perda de massa muscular em pacientes com diagnóstico de câncer, uma condição que afeta os resultados do tratamento.
“A equipe chegou a um algoritmo com uma precisão de mais de 90% para o diagnóstico precoce da perda de massa muscular e a inteligência artificial leva cerca de 1 minuto para fazer a medida pelo exame de tomografia, com uma precisão tão boa quanto a análise de um profissional. Manualmente, essa medida levaria cerca de 30 minutos”, destaca ele.
Avanço da telerradiologia e o impacto no futuro da saúde
A inteligência artificial também tem sido um pilar no suporte à telemedicina, especialmente desde a pandemia de Covid-19, permitindo diagnósticos remotos precisos e rápidos. Por meio de algoritmos avançados, a IA pode analisar imagens médicas remotamente, permitindo o diagnóstico e a interpretação de exames de imagem em locais distantes.
Fortalecida pela IA, a telerradiologia traz vantagens, como a otimização dos recursos humanos, redução de custos operacionais e melhora na entrega de relatórios diagnósticos em tempo real. Além disso, proporciona uma maior colaboração entre especialistas de diferentes áreas geográficas, enriquecendo as decisões clínicas através de uma abordagem mais integrada e informada.
Landi lembra que a telerradiologia pode desempenhar um papel fundamental para auxílio diagnóstico no futuro devido à escassez de especialistas nesta área. “A busca por essa especialização tem diminuído, o que tornará cada vez mais difícil contar com profissionais capacitados, com conhecimento técnico relevante para analisar e laudar exames. Nesse contexto, sem dúvida, a telerradiologia ganha destaque.”
Um dos grandes aliados para o crescimento da telerradiologia é a expansão da rede 5G. O Hospital Israelita Albert Einstein implementou recentemente a tecnologia 5G. Apesar dos desafios iniciais, como a limitação de equipamentos compatíveis com o 5G e a ausência de alguns produtos derivados desta tecnologia, como o network slice, que promete revolucionar a gestão de redes com maior velocidade e menor latência, os resultados preliminares têm se mostrado promissores.
“Nossos testes iniciais, especialmente com a unidade móvel de saúde equipada com 5G, demonstraram que mesmo em áreas de sinal mais fraco, o 5G provou ser capaz de sustentar a transmissão de dados críticos, como o envio de imagens de tomografia para análise centralizada, com velocidades impressionantes. Isso minimiza significativamente o impacto de eventuais instabilidades de rede, garantindo que o diagnóstico e o tratamento possam ser realizados sem atrasos, melhorando assim a qualidade do serviço oferecido aos pacientes”, explica Marcos Queiroz, diretor de Medicina Diagnóstica do Hospital Israelita Albert Einstein.
Ele se diz ainda particularmente entusiasmado com as possibilidades que novas funcionalidades do 5G, como o network slice, podem oferecer. “Esta tecnologia nos permitirá criar redes virtuais dedicadas, garantindo a disponibilidade, a velocidade e a segurança necessárias para aplicações críticas de saúde, desde telemedicina até monitoramento remoto de pacientes, promovendo uma maior integração dos serviços de saúde e melhorando a eficiência operacional.”
Sobre o 5G, Bego compartilha a experiência do InovaHC com o projeto OpenCare5G, concebido pelo Hospital das Clínicas e que teve início em 2021. “Médicos do InRad (Instituto de Radiologia) realizaram uma expedição ao Parque Indígena do Xingu, no Mato Grosso, onde puderam treinar agentes de saúde para uso de equipamentos de ultrassom no atendimento à própria comunidade. Os agentes indígenas de saúde ficam conectados, via satélite, a médicos do Hospital das Clínicas, a mais de 1,5 mil km da cidade de São Paulo, para a troca de informações e orientação no diagnóstico dos casos. Isso permite atendimento médico remoto mais ágil e a identificação de casos graves que exigem remoção aérea. Um caso diagnosticado corretamente gera um ganho enorme na qualidade de vida do indivíduo e para a aldeia toda.”
Para Roberto Caldeira Cury, diretor Médico e de Experiência do Cliente Medicina Diagnóstica da Dasa, a telerradiologia deverá se beneficiar cada vez mais do aprimoramento dos algoritmos, trazendo ainda mais acurácia às interpretações e análises dos exames, favorecendo os serviços – especialmente em regiões com escassez de especialistas.
O que ainda precisa evoluir?
Atualmente, apesar dos avanços, o uso da IA em diagnóstico por imagem ainda enfrenta desafios, seja por conta de sistemas que não se comunicam, equipamentos e soluções que geram um alto volume de dados ou pelas informações que chegam de forma fragmentada.
“Para que as soluções habilitadas para IA se consolidem, elas precisam integrar os fluxos de trabalho dos profissionais de saúde e as rotinas diárias de saúde das pessoas. Podemos obter os insights mais relevantes dos dados que realmente fazem a diferença no ponto de atendimento ou nas etapas de processamento e pós processamento de exames. É por isso que os profissionais de saúde e os pacientes precisam estar no centro da inovação da inteligência artificial na área da saúde”, diz Toledo.
Outro desafio que se pode pontuar é o grande volume de imagens que precisam ser armazenadas por anos. Segundo Landi, existem estratégias, como reduzir o tamanho da imagem sem perder a informação. “Dentro do PACS podemos armazenar as imagens de maneira inteligente, permitindo que elas sejam acessadas quando necessário.”
Já em relação à telerradiologia, Landi aponta como desafios a regulação da telemedicina e questões relacionadas à privacidade e segurança dos dados. “É preciso garantir que tenhamos uma infraestrutura tecnológica adequada para manter a privacidade do paciente e garantir que a imagem do exame esteja acessível apenas ao médico interessado.”
