Priorização de radiografias torácicas por IA na via diagnóstica do câncer de pulmão: ensaio randomizado LungIMPACT

Por que este estudo importa para os pacientes

O câncer de pulmão está entre os mais letais em parte porque frequentemente é detectado tardiamente. Muitos esperam que a inteligência artificial consiga sinalizar rapidamente radiografias torácicas preocupantes, para que as pessoas façam os exames e recebam tratamento mais cedo. Este grande ensaio testou se usar IA para mover radiografias suspeitas para o início da fila no Serviço Nacional de Saúde do Reino Unido realmente aceleraria o diagnóstico de câncer de pulmão. A resposta oferece um importante ajuste de expectativas sobre como a IA deve ser usada na prática clínica cotidiana.

Como o câncer de pulmão costuma ser detectado

Para muitas pessoas, o primeiro passo rumo a um diagnóstico de câncer de pulmão é uma radiografia torácica solicitada pelo médico de família. Se a radiografia parecer anormal ou o paciente estiver em alto risco, ele deve então fazer um exame mais detalhado chamado tomografia computadorizada (TC) e ser visto por especialistas rapidamente. As diretrizes nacionais da Inglaterra recomendam que a TC idealmente ocorra dentro de três dias após uma radiografia suspeita, mas a pressão sobre os aparelhos e a equipe frequentemente causa atrasos. Essas esperas podem piorar os desfechos e causar grande ansiedade em pacientes que ficam sem saber o resultado.

O que se esperava que o sistema de IA fizesse

Os pesquisadores testaram um programa de IA que analisa radiografias torácicas assim que são feitas. Em alguns dias, se a IA considerasse que uma radiografia poderia ser anormal, aquele caso era movido para o topo da lista de trabalho da radiologia para revisão humana rápida. Em outros dias, as marcações da IA ainda eram visíveis para a equipe, mas não havia priorização especial. Mais de 93.000 radiografias de quase 87.000 adultos de cinco grupos hospitalares do NHS foram incluídas. As questões principais eram se a priorização por IA reduziria o tempo até a TC e até o diagnóstico confirmado de câncer de pulmão em comparação com a prática habitual.

O que o ensaio realmente encontrou

Apesar da escala do estudo, a priorização por IA não acelerou etapas-chave na via do câncer de pulmão. Entre mais de 13.000 pessoas que fizeram TC, a espera típica da radiografia até a TC foi de 53 dias, com ou sem priorização por IA. Entre as 558 pessoas diagnosticadas com câncer de pulmão, o tempo mediano da radiografia ao diagnóstico foi de cerca de um mês e meio em ambos os grupos. Também não houve diferenças significativas na rapidez das encaminhamentos urgentes, no início do tratamento ou no estágio em que os cânceres foram detectados. A IA ajudou a reduzir o tempo da radiografia até o laudo escrito, mas essa redução não foi grande o suficiente para alterar os passos seguintes no cuidado dos pacientes.

O que a IA acertou e errou

A equipe analisou cuidadosamente os casos em que a IA e os leitores humanos discordaram. Essas discordâncias ocorreram em cerca de uma em cada três radiografias. Revisores especialistas julgaram que em quase um quarto desses casos discordantes havia achados importantes que requeriam alguma ação, incluindo muitos cânceres que apareceram depois. No geral, a IA detectou a maioria dos cânceres em categorias como sombras óbvias, mas também gerou um número notável de alarmes falsos e deixou de identificar uma pequena fração de cânceres, especialmente nódulos sutis. Essas verificações extras podem aumentar o trabalho da equipe ocupada e provocar fadiga de alertas, em que avisos frequentes tornam as pessoas menos responsivas ao longo do tempo.

O que isso significa para o futuro da IA nas clínicas

A mensagem principal deste ensaio é que simplesmente usar IA para reorganizar radiografias na fila de laudos não acelera, por si só, o diagnóstico do câncer de pulmão em uma via de saúde já estabelecida. Qualquer benefício de leituras computadorizadas mais rápidas foi limitado por gargalos do mundo real, como disponibilidade de aparelhos de TC e capacidade das clínicas. Os autores concluem que ferramentas de IA para radiografia torácica não devem ser implantadas apenas para priorização de listas de trabalho neste contexto. Em vez disso, esforços futuros precisam avaliar como a IA pode ser combinada com mudanças mais amplas na via de atendimento, como decisões no mesmo dia e pacotes de exames, e como ela pode melhor apoiar — em vez de substituir — o julgamento humano cuidadoso.

Citação: Woznitza, N., Smith, L., Rawlinson, J. et al. AI-based chest X-ray prioritization in the lung cancer diagnostic pathway: the LungIMPACT randomized controlled trial. Nat Med 32, 1737–1744 (2026). https://doi.org/10.1038/s41591-026-04253-5

Palavras-chave: câncer de pulmão, radiografia torácica, IA médica, vias diagnósticas, ensaios clínicos