IA na detecção, classificação e laudo: reduzindo a variabilidade entre operadores no ultrassom

Estudos recentes mostram que algoritmos de IA para detecção, classificação e mensuração no ultrassom podem igualar ou superar a acurácia média de radiologistas e, de forma consistente, reduzir a variabilidade entre observadores.

O ultrassom é, por natureza, o exame de imagem mais dependente do operador. Diferente da tomografia computadorizada ou da ressonância magnética, em que um protocolo automatizado adquire um volume padronizado independentemente de quem opera o equipamento, o ultrassom exige que a pessoa que segura o transdutor escolha o plano de corte, ajuste ganho e profundidade, reconheça a anatomia em tempo real e decida qual imagem capturar e medir. Essa dependência de habilidade manual e de julgamento visual instantâneo é a principal fonte de variabilidade inter-operador e inter-observador documentada na literatura, afetando desde a estimativa de fração de ejeção até a classificação de nódulos de tireoide e mama.

É exatamente essa característica que torna a inteligência artificial particularmente relevante para o ultrassom, mais até do que para outras modalidades. Um algoritmo não se cansa ao final de um plantão, não varia sua atenção conforme a experiência acumulada e aplica os mesmos critérios de forma idêntica ao primeiro e ao milésimo exame. Nos últimos anos, uma quantidade crescente de estudos publicados em revistas como Radiology, European Heart Journal – Cardiovascular Imaging, Ultrasound in Obstetrics & Gynecology e Gland Surgery vem quantificando, com números concretos de acurácia, área sob a curva (AUC) e concordância inter-observador (coeficiente kappa ou ICC), até que ponto a IA cumpre essa promessa.

Detecção e classificação de nódulos de tireoide

Uma revisão sistemática com metanálise publicada na Gland Surgery, reunindo 69 estudos sobre sistemas de IA para detecção de malignidade em nódulos de tireoide ao ultrassom, encontrou sensibilidade combinada de 89% (IC 95%: 87-91%), especificidade de 84% (IC 95%: 80-88%) e AUC de 0,93 (IC 95%: 0,91-0,95). Em análise pareada direta com radiologistas experientes em nove estudos, a IA alcançou AUC de 0,922 contra 0,842 dos radiologistas (diferença estatisticamente significativa, p<0,0001), com sensibilidade semelhante (85,2% vs. 85,8%) mas especificidade nitidamente maior (83,6% vs. 71,4%) — ou seja, a IA erra menos ao classificar nódulos benignos como suspeitos, reduzindo biópsias desnecessárias.

Um estudo publicado na Radiology sobre um modelo de IA baseado nas categorias do ACR TI-RADS (MTI-RADS) reportou AUC de 0,91 (IC 95%: 0,87-0,95), sensibilidade de 83% e especificidade de 87% para diagnóstico de malignidade. Quando comparado a radiologistas juniores, o modelo teve desempenho significativamente superior em AUC (0,78 vs. p<0,001), sensibilidade e especificidade; quando comparado a radiologistas experientes, o desempenho foi equivalente em AUC e sensibilidade, mas com especificidade ainda maior para a IA (87% vs. 80%, p=0,02). Isso ilustra um padrão recorrente na literatura: a IA tende a nivelar por cima o desempenho de examinadores menos experientes, funcionando como um segundo olho que reduz a diferença entre iniciantes e especialistas.

Nódulos de mama e apoio à categorização BI-RADS

No ultrassom mamário, sistemas comerciais de apoio à decisão já acumulam dados robustos. O S-Detect (Samsung), avaliado em uma metanálise de 11 estudos, apresentou sensibilidade de 0,82 (IC 95%: 0,74-0,88), especificidade de 0,83 (IC 95%: 0,78-0,88) e AUC de 0,90. O sistema Koios DS, por sua vez, obteve AUC média de 0,88 quando usado isoladamente; curiosamente, quando radiologistas usaram o Koios como apoio (US + DS), a AUC média do leitor foi de 0,87, contra 0,83 no ultrassom convencional sem apoio — uma melhora modesta, porém consistente, na acurácia do examinador humano.

O ganho mais expressivo, porém, costuma aparecer na concordância entre observadores, não apenas na acurácia isolada. Com o Koios DS, a concordância inter-observador (Kendall τ-b) subiu de 0,54 para 0,68, e a variabilidade intra-observador caiu de 13,6% para 10,8% de casos discordantes. No sistema BU-CAD, a AUC do leitor aumentou de 0,758 para 0,829 com o apoio da IA, e o tempo de leitura caiu cerca de 40% (de 30,15 para 18,11 segundos por caso). Já para lesões BI-RADS 4, categoria que concentra a maior variabilidade e o maior número de biópsias com resultado benigno, sistemas de IA em tempo real vêm sendo estudados especificamente para reduzir a taxa de biópsias desnecessárias sem comprometer a sensibilidade para câncer.

Mensuração automatizada e redução da variabilidade quantitativa

Talvez o exemplo mais maduro de IA reduzindo variabilidade quantitativa venha da ecocardiografia. Um estudo publicado no European Heart Journal – Cardiovascular Imaging validou um método de IA para medir automaticamente volumes ventriculares e fração de ejeção, comparando-o a medidas manuais em bases de dados internas e externas. A diferença média para a fração de ejeção ficou entre -5,5 e 0,3 pontos percentuais, com sucesso na análise em 95-100% dos exames. O achado mais relevante, porém, foi metodológico: todos os intervalos de confiança de 95% para a razão de variância ficaram abaixo de 1,0, indicando que a variabilidade da IA foi menor do que a variabilidade inter-observador entre dois cardiologistas humanos — e o método também se mostrou não inferior à repetição do mesmo operador (teste-reteste).

Na obstetrícia, um estudo publicado na BMC Pregnancy and Childbirth avaliou um software de biometria fetal automatizada (CUPID) no segundo trimestre. A reprodutibilidade intra-observador da IA foi virtualmente perfeita (ICC = 1,0), contra ICC de 0,974-0,999 para um radiologista sênior e 0,749-0,934 para um radiologista júnior. O erro médio absoluto da IA variou de 0,36 a 2,53 mm nas medidas biométricas, enquanto o radiologista júnior apresentou erros de 0,64 a 8,13 mm — uma diferença expressiva justamente no grupo de examinadores menos experientes, que é onde a variabilidade inter-observador mais compromete a estimativa de idade gestacional e peso fetal. A IA também processou cada medida em 0,05-0,07 segundos, contra 4,79-13,44 segundos manualmente.

Resultados semelhantes vêm sendo descritos para a espessura médio-intimal de carótida (EMI), medida clássica de risco cardiovascular subclínico cujo valor absoluto muda pouco entre indivíduos saudáveis e doentes — tornando-a extremamente sensível a pequenas variações de técnica de medição manual. Sistemas semiautomatizados e totalmente automatizados de detecção de bordas por contorno ativo, avaliados desde os anos 2000 e refinados com redes neurais mais recentemente (incluindo arquiteturas com atenção/transformers), buscam justamente eliminar a subjetividade do posicionamento manual dos cursores nas interfaces íntima-lúmen e média-adventícia, ponto identificado como a principal fonte de variabilidade entre operadores nesse tipo de mensuração.

Orientação de qualidade da imagem em tempo real

Além de interpretar imagens já adquiridas, uma nova geração de ferramentas atua durante a própria aquisição, sinalizando em tempo real se o plano de corte, o enquadramento ou o ganho estão adequados antes de a imagem ser salva e medida. Um estudo sobre concordância intra e inter-observador de um sistema objetivo de pontuação de qualidade de imagem transvaginal, desenhado justamente para treinar algoritmos de IA, ilustra por que esse passo importa: se a qualidade da imagem de entrada já varia entre operadores, qualquer classificação ou medição automatizada feita a partir dela herda parte dessa variabilidade. A automação completa da aquisição — em que o próprio sistema guia ou realiza a varredura — é abordada em profundidade em outro artigo desta série; aqui cabe destacar que a garantia de qualidade da imagem de entrada é hoje reconhecida como pré-requisito para que os ganhos de acurácia da IA na detecção e classificação se sustentem na prática clínica.

Geração de laudos assistida por IA

Um campo em rápida expansão combina os achados estruturados da IA de detecção/classificação com modelos de linguagem para gerar automaticamente o texto do laudo. Sistemas descritos recentemente na literatura — incluindo abordagens que integram anotações do radiologista com análise de deep learning para sintetizar laudos multimodais estruturados de ultrassom mamário, e ferramentas que transformam descrições faladas pelo examinador durante o exame em laudos estruturados usando modelos de linguagem de grande porte (LLMs) — têm como objetivo reduzir o tempo de digitação, padronizar a terminologia (por exemplo, garantindo que os descritores usados realmente correspondam à categoria BI-RADS ou TI-RADS atribuída) e diminuir erros de transcrição. Esses sistemas ainda são majoritariamente semiautomatizados: a IA propõe um rascunho estruturado a partir dos achados de imagem, mas a validação final do texto e da conduta permanece com o médico responsável.

Evidência direta sobre concordância inter-observador

Vale reunir, lado a lado, os números de concordância citados ao longo deste artigo, porque é essa a métrica que responde diretamente à pergunta clínica sobre variabilidade. Para nódulos de tireoide, a concordância inter-observador com o sistema Koios DS subiu de 0,622 para 0,876 (escala de coeficiente de concordância), e o sistema AI-SONIC atingiu coeficiente de Kendall de 0,995, superando a concordância típica entre examinadores humanos, que fica entre 0,72 e 0,85. Para nódulos de mama com o Koios DS, a concordância subiu de 0,54 para 0,68 (Kendall τ-b). Para fração de ejeção, todos os intervalos de confiança de variância da IA ficaram abaixo da variabilidade inter-observador humana. Em conjunto, esses dados — obtidos em populações e equipamentos distintos, com diferentes fabricantes de software — convergem para a mesma conclusão: a IA tende a reduzir, de forma mensurável e reprodutível, a variação de resultado que hoje depende de quem realiza ou interpreta o exame.

Limitações honestas: viés, generalização e regulação

Esses resultados não devem ser lidos como uma substituição do julgamento médico. A primeira limitação é o viés de dados de treinamento: a maioria dos algoritmos comerciais foi desenvolvida e validada predominantemente em populações e equipamentos de poucos centros, muitas vezes na Ásia Oriental (para tireoide) ou na América do Norte e Europa (para mama e coração), e seu desempenho pode cair quando aplicado a populações com prevalência de doença, biotipo ou padrões de equipamento diferentes dos dados de treinamento — um problema de generalização amplamente discutido na literatura sobre regulação de dispositivos de IA em imagem. A segunda é a dependência de equipamento e configuração: um modelo treinado com imagens de um fabricante de transdutor pode perder acurácia em aparelhos de outra marca ou com parâmetros de ganho/frequência distintos.

Do ponto de vista regulatório, cabe lembrar que o status de aprovação varia por país, por indicação de uso e por versão de software. Nos Estados Unidos, dezenas de algoritmos de imagem com componente de IA/machine learning já receberam autorização da FDA nos últimos anos, a maioria pela via 510(k) com base em predicados anteriores — o que levanta, segundo revisões publicadas na Radiology e em periódicos de política regulatória, questões sobre a transparência dos dados de validação e sobre até que ponto atualizações de software após a aprovação continuam sendo adequadamente supervisionadas. No Brasil, cabe à ANVISA a regulamentação de softwares como dispositivos médicos (SaMD); antes de adotar qualquer ferramenta de IA na prática clínica, o médico deve verificar se ela possui registro vigente para a indicação pretendida no país onde atua, e não apenas em outro mercado.

Por fim, o consenso emergente na literatura — reforçado por artigos de posicionamento sobre IA em ultrassom que discutem responsabilidade e governança — é que essas ferramentas devem ser usadas como apoio à decisão, não como substituição da avaliação médica. Mesmo os estudos com os melhores resultados de acurácia recomendam que casos discordantes entre IA e examinador, achados incidentais fora do escopo do algoritmo e decisões de conduta clínica (biópsia, seguimento, encaminhamento) continuem sob responsabilidade e assinatura de um médico. A IA reduz variabilidade e pode aumentar consistência, mas a responsabilidade final pelo diagnóstico e pela conduta permanece médica.