Inteligência Artificial em exames de imagem: mais precisão no diagnóstico de alterações pulmonares e pleurais a partir do raio X de tórax 

A aplicação da Inteligência Artificial (IA) na radiologia já é uma realidade na rotina de instituições que buscam diagnósticos mais precisos, fluxos eficientes e melhor uso de recursos. Nesse cenário, o Lunit INSIGHT CXR, solução da Coreia do Sul representada pela Strattner no Brasil, consolida-se como uma ferramenta de apoio clínico capaz de qualificar decisões médicas e fortalecer a sustentabilidade operacional de clínicas e hospitais. 

O uso da IA em exames de raio X de tórax amplia a capacidade de identificar achados relevantes e reduz falhas associadas à alta demanda assistencial. A inovação viabiliza a análise automática das imagens e sinaliza anormalidades torácicas com precisão considerável. Em alguns cenários, pode contribuir para levantar suspeitas de doenças graves — inclusive câncer de pulmão — e impactar o manejo do paciente, sempre como ferramenta de suporte à decisão clínica.  

Diagnóstico precoce de anormalidades pulmonares 

De acordo com Douglas Racy, Diretor Médico do Departamento de Radiologia e Diagnóstico por Imagem da Beneficência Portuguesa de São Paulo, durante a prática clínica, a Inteligência Artificial funciona como suporte à decisão, sem substituir o médico: “A IA ajuda a padronizar a triagem e a chamar atenção para achados críticos ou relevantes na radiografia de tórax, o que acelera a priorização dos casos com alterações significativas”. 

A sistematização da filtragem contribui para leituras mais consistentes, mesmo em contextos de grande volume de exames, como no pronto-socorro. Além da precisão diagnóstica, o uso de IA impacta diretamente na eficiência do fluxo de trabalho. Em muitos serviços, parte dos raios X de tórax realizados não recebe laudo imediato. Assim, a solução é capaz de apoiar o médico na interpretação da imagem e favorecer decisões clínicas mais seguras durante o atendimento. 

Segundo Racy, o modelo de IA funciona como um “segundo par de olhos” e uma aliada à tomada de decisão, encurtando o tempo de análise dos casos negativos ou de baixa complexidade. 

“Na BP da cidade de São Paulo, utilizamos o Lunit INSIGHT CXR no pronto-socorro, com detecção automatizada de múltiplos achados em radiografias de tórax, como utensílio de suporte à leitura. No fluxo do PS, esse apoio é particularmente relevante porque auxilia o médico assistente a interpretar imagens que nem sempre seriam laudadas formalmente no período em que o paciente ainda se encontra em atendimento, favorecendo a tomada de conduta. Além disso, quando o resultado da radiografia do tórax é solicitado sob demanda, a IA tende a atuar como uma checagem adicional, contribuindo para maior segurança durante a elaboração da análise pelo radiologista”, explica. 

Suporte da Inteligência Artificial na organização da jornada médica 

A priorização automática dos casos com maior probabilidade de alteração representa outro avanço relevante. No hospital onde o Dr. Racy atua, essa lógica trouxe ganhos claros para o dia a dia.

“A inovação favorece uma jornada mais organizada, pois diminui incertezas e retrabalhos decorrentes de reavaliações repetidas. Em relação à rotina do radiologista, a solução traz maior segurança durante a elaboração do laudo e ajudando a reduzir revisões posteriores por dúvida interpretativa, sempre mantendo claro que a ferramenta é de apoio e não substitui a decisão médica”, acrescenta. 

A IA possibilita a detecção dos principais achados torácicos e do processamento de um score de probabilidade de indicação de suspeitas, além de: 

• Melhorar a gestão de fila: a partir da priorização dos exames de acordo com suspeita clínica e gravidade; 

• Otimização do fluxo de trabalho: direciona atenção imediata aos casos mais críticos; 

• Redução de interrupções ad hoc: diminui discussões urgentes fora da ordem prevista, já que os achados relevantes são sinalizados automaticamente; 

• Aumento da produtividade útil: com mais casos resolvidos por hora e menor variabilidade entre atendimentos; 

• Jornada de trabalho mais organizada: com menos retrabalho e maior previsibilidade na rotina assistencial. 

A experiência dos usuários também reflete esse impacto. Em um questionário aplicado a médicos do pronto-socorro com pelo menos três meses de uso da ferramenta, a percepção geral alcançou média de aproximadamente 4 em uma escala de 1 a 5, o que indica tendência favorável em relação à usabilidade, à confiança diagnóstica e à influência na conduta clínica. 

Sustentabilidade financeira 

O uso estruturado de IA contribui diretamente para a sustentabilidade financeira das instituições de saúde em diferentes etapas do processo assistencial, desde que seja implementada com critérios claros e acompanhamento contínuo, como: 

• Otimização de recursos humanos: a ferramenta permite direcionar o tempo do radiologista e da equipe para atividades de maior complexidade e maior impacto clínico, enquanto auxilia na triagem, na organização da fila e na padronização de avaliações mais frequentes; 

• Melhoria na aquisição das imagens: além do apoio à interpretação, há aplicações de IA voltadas diretamente à etapa de aquisição, como aceleração de protocolos, melhoria de qualidade e correção de artefatos, o que pode reduzir repetição de imagens e reconvocação de pacientes por exames tecnicamente inadequados; 

• Redução de repetição de exames e custos indiretos: ao apoiar decisões mais rápidas e mais consistentes, a IA pode diminuir reavaliações motivadas por incerteza interpretativa, além de reduzir atrasos que se acumulam no fluxo assistencial; 

• Aumento de eficiência operacional: a partir da melhor priorização e menor retrabalho, tende a haver aumento de produtividade do sistema como um todo, o que permite processar mais exames com a mesma infraestrutura e reduzir gargalos em horários de maior demanda.  

Com essas ações, é possível limitar o esforço em tarefas repetitivas e melhorar a utilização do capital humano disponível, causando impacto direto em custos operacionais e na experiência do paciente. No ambiente hospitalar, a queda na repetição de exames pode representar um ganho de eficiência global, resultando em menor tempo de permanência, melhor gestão de leitos e diminuição da necessidade de exames complementares solicitados apenas por falta de clareza inicial. Em termos práticos, isso eleva a capacidade de entrega sem necessariamente ampliar proporcionalmente a estrutura. 

“Com melhor priorização e menor retrabalho, tende a haver aumento de produtividade do sistema como um todo, permitindo processar mais exames com a mesma infraestrutura e reduzir gargalos em horários de maior demanda”, compartilha Racy. 

Para a Strattner, essa inovação contribui na tomada de decisões clínicas mais seguras e por um sistema de saúde mais eficiente no mercado brasileiro.