Imagine descobrir um câncer de pulmão quando ele ainda é do tamanho de uma ervilha, antes mesmo de causar qualquer sintoma. Parece ficção científica, mas é exatamente o que a inteligência artificial está tornando possível em diversas partes do mundo. Enquanto médicos experientes analisam centenas de imagens por dia, algoritmos treinados em milhões de exames conseguem identificar padrões invisíveis ao olho humano, detectando tumores minúsculos que poderiam passar despercebidos até que fosse tarde demais [1].
A promessa é sedutora: salvar vidas por meio da detecção precoce, quando as chances de cura ainda são altas. Mas será que estamos realmente preparados para confiar nossas vidas a máquinas? E, mais importante, por que essa revolução tecnológica ainda não chegou à maioria dos brasileiros?
A transformação silenciosa da medicina
O câncer de pulmão continua sendo um dos mais letais justamente porque costuma ser descoberto tarde demais. Quando os sintomas aparecem, como tosse persistente, falta de ar e dor no peito, frequentemente o tumor já avançou para estágios em que o tratamento se torna bem mais desafiador. A diferença entre descobrir a doença no estágio inicial ou tardio pode significar a diferença entre uma taxa de sobrevivência de 60% ou apenas 6%.
É aqui que a inteligência artificial entra como uma aliada inesperada. Utilizando técnicas sofisticadas de aprendizado de máquina e redes neurais profundas, essas ferramentas digitais processam tomografias computadorizadas de baixa dose e raios X com uma precisão que, em muitos casos, supera a capacidade humana isolada [1]. Não se trata de substituir médicos, mas de oferecer um segundo par de olhos, olhos digitais que não se cansam e foram treinados com milhões de imagens de pulmões saudáveis e doentes.
A tecnologia funciona identificando nódulos pulmonares, pequenas manchas que podem ser sinais precoces de câncer. O desafio sempre foi distinguir quais desses nódulos são realmente perigosos e quais são apenas cicatrizes benignas de infecções antigas. A inteligência artificial, alimentada por vastos bancos de dados, aprende a reconhecer padrões sutis que indicam malignidade, reduzindo um dilema comum na rotina dos radiologistas, se aquilo que aparece na imagem representa um risco real ou apenas uma sombra inofensiva [2].
O mundo já está na frente
Enquanto o debate ainda acontece em alguns países, outros já colhem resultados concretos. Nos Estados Unidos, ferramentas como o Eyonis LCS demonstraram que, quando radiologistas utilizam o apoio da inteligência artificial, a precisão diagnóstica pode aumentar em até 12,4% em comparação aos métodos tradicionais [3]. Embora o número pareça pequeno à primeira vista, ele representa milhares de vidas salvas em escala populacional.
O sistema Sybil, desenvolvido em parceria pelo MIT e por Harvard, vai além da simples detecção e consegue prever o risco de uma pessoa desenvolver câncer de pulmão nos anos seguintes, com base em tomografias atuais [4]. Essa abordagem permite que médicos acompanhem pacientes de alto risco antes mesmo do surgimento de um tumor. No UCHealth, a adoção da inteligência artificial resultou em um aumento de 30% na detecção precoce, com identificação de nódulos de diferentes tipos em um ritmo e precisão até então inalcançáveis [5].
No Reino Unido, a tecnologia foi incorporada ao UK Lung Screening Trial com resultados igualmente relevantes. O software de inteligência artificial alcançou sensibilidade de 97,8% na detecção de nódulos e ainda reduziu a sobrecarga dos radiologistas ao classificar automaticamente exames sem alterações significativas [6,7]. Com isso, os profissionais puderam concentrar esforços nos casos que realmente exigiam avaliação detalhada.
Na Bélgica e na China, modelos de inteligência artificial aplicados até mesmo a radiografias de tórax, exames mais simples e acessíveis do que tomografias, demonstraram aumento da acurácia médica e redução de falsos positivos [8]. Em Taiwan, pesquisadores combinaram inteligência artificial com dados genômicos para criar modelos preditivos que alcançaram 84,6% de acurácia [9].
Essas experiências apontam para um padrão claro. A inteligência artificial não funciona como solução isolada, mas apresenta melhores resultados quando integrada ao conhecimento clínico e aos critérios tradicionais de elegibilidade, como idade, histórico de tabagismo e outros fatores de risco [10].
O Brasil ainda assiste de fora
No Brasil, o cenário é mais preocupante. Enquanto países desenvolvidos já incorporaram essas tecnologias aos sistemas públicos de saúde, o país ainda enfrenta entraves estruturais. Isso não ocorre por falta de conhecimento técnico ou científico, mas por limitações de infraestrutura e investimento.
Atualmente, cerca de 85% dos casos de câncer de pulmão no Brasil são diagnosticados em estágios avançados, quando as opções terapêuticas são reduzidas e as taxas de sobrevivência caem drasticamente [11]. O Sistema Único de Saúde não conta com um programa nacional de rastreamento da doença, tampouco com o uso estruturado de inteligência artificial. Embora sociedades médicas recomendem essas abordagens em diretrizes, a ausência de infraestrutura impede sua aplicação prática.
Algumas iniciativas isoladas apontam caminhos possíveis. O projeto ProPulmão utiliza unidades móveis de tomografia computadorizada para levar o rastreamento a regiões remotas e poderia, futuramente, incorporar ferramentas de inteligência artificial [12]. O ensaio clínico BRELT3 avalia a viabilidade do rastreamento fora dos grandes centros urbanos, e análises preliminares indicam que o uso de IA pode tornar o programa custo-efetivo mesmo em um país com recursos limitados [13].
Apesar disso, a realidade é que a maioria dos brasileiros continuará recebendo o diagnóstico tarde demais. A tecnologia existe, mas o acesso ainda não. Chama atenção o fato de países vizinhos, como México e Argentina, já iniciarem a incorporação de inteligência artificial em programas públicos de rastreamento oncológico, enquanto o Brasil permanece limitado por desigualdades regionais e carências estruturais [14].
Promessas e riscos da inteligência artificial
A discussão sobre confiar decisões médicas a algoritmos é inevitável. Os benefícios são amplamente documentados. Estudos mostram que a inteligência artificial é capaz de detectar entre 70% e 85% dos cânceres de pulmão em estágios iniciais, fase em que as chances de cura são significativamente maiores [15]. A sensibilidade pode alcançar 97,8% quando a tecnologia é corretamente implementada [7].
Além disso, algoritmos mantêm desempenho constante, independentemente do volume de exames analisados. Isso reduz falhas associadas à fadiga humana e aumenta a eficiência dos serviços de diagnóstico.
Há também impactos econômicos positivos. A automação da análise de imagens reduz exames repetidos e procedimentos desnecessários, tornando o sistema mais eficiente [17]. Alguns estudos indicam redução expressiva de custos operacionais e aumento dos anos de vida ajustados por qualidade, os chamados QALYs [13]. A integração da IA com biomarcadores e dados clínicos também contribui para um cuidado mais preciso e equitativo [16].
Por outro lado, os riscos não podem ser ignorados. Falsos positivos ainda ocorrem e podem chegar a 25% dos casos, dependendo da calibração do sistema [18]. Isso significa ansiedade para o paciente e, em alguns casos, procedimentos invasivos desnecessários.
Outro ponto sensível é a exposição acumulada à radiação. Embora a tomografia de baixa dose utilize menos radiação do que exames convencionais, programas populacionais exigem avaliação rigorosa da relação entre riscos e benefícios [18].
Há ainda o risco de vieses algorítmicos. Sistemas treinados majoritariamente com dados de populações europeias ou norte-americanas podem apresentar desempenho inferior quando aplicados a grupos com características genéticas, ambientais ou ocupacionais distintas [19]. Por isso, a validação local e o ajuste contínuo dos modelos são indispensáveis.
Quanto custa salvar uma vida?
Do ponto de vista econômico, os dados são favoráveis. Nos Estados Unidos, uma tomografia de baixa dose com análise por inteligência artificial custa entre US$ 300 e US$ 500, valor geralmente coberto por planos de saúde para pacientes elegíveis [20]. Na Bélgica e na China, estudos demonstram que programas de rastreamento com IA são custo-efetivos quando o custo por QALY permanece abaixo de US$ 50 mil, patamar alcançado por essas iniciativas [9].
No Brasil, estimativas indicam um custo entre R$ 500 e R$ 1.000 por triagem [13]. Estudos nacionais sugerem que a incorporação da inteligência artificial pode reduzir despesas operacionais e ampliar significativamente os ganhos em qualidade e expectativa de vida, tornando o investimento justificável mesmo em um sistema subfinanciado.
Análises globais indicam que a adesão ampla a programas de rastreamento com IA pode gerar um valor aproximado de US$ 560 por pessoa ao longo da vida, considerando custos evitados e produtividade preservada [17].
Uma oportunidade que não pode ser desperdiçada
A inteligência artificial já demonstrou sua capacidade de transformar o diagnóstico precoce do câncer de pulmão. O desafio agora é garantir que essa transformação não fique restrita a poucos países ou populações.
O Brasil possui experiência em programas de saúde pública de grande escala, como campanhas de vacinação e rastreamento de outros tipos de câncer. Conta também com pesquisadores qualificados e centros de excelência. Falta, no entanto, a decisão estratégica de priorizar a prevenção com a mesma força dedicada ao tratamento.
A inteligência artificial não é uma solução milagrosa, mas é uma ferramenta poderosa. Quando implementada com validação rigorosa, investimento adequado e compromisso com a equidade, ela pode salvar milhares de vidas que hoje são perdidas por diagnósticos tardios.
A tecnologia já está pronta. O desafio agora é decidir se o país está disposto a ouvir o que ela tem a dizer e agir a tempo.
Nota importante: Este texto apresenta um panorama geral baseado em evidências científicas disponíveis. Decisões sobre rastreamento de câncer devem sempre ser tomadas em consulta com profissionais de saúde qualificados, considerando fatores de risco individuais e o contexto clínico específico.
Referências
[1] https://pmc.ncbi.nlm.nih.gov/articles/PMC10486721
[2] https://www.nature.com/articles/s41698-025-00986-7
[3] https://www.cancernetwork.com/view/ai-ml-based-software-improves-diagnostic-accuracy-in-lung-cancer
[4] https://www.insideprecisionmedicine.com/topics/oncology/ai-deep-learning-tool-sharpens-lung-cancer-screening-accuracy
[5] https://www.uchealth.com/en/media-room/articles/ai-ct-lung-cancer-screenings-drive-30-percent-improvement-detection
[6] https://www.sciencedirect.com/science/article/pii/S0959804925001054
[7] https://pubmed.ncbi.nlm.nih.gov/40141842
[8] https://www.rsna.org/news/2023/june/ai-improves-lung-cancer-detection
[9] https://www.mdpi.com/2072-6694/16/3/674
[10] https://thorax.bmj.com/content/early/2024/09/25/thorax-2024-221662.full
[11] https://jbp.org.br/details/2761/en-US
[12] https://journals.sagepub.com/doi/10.1177/10732748221121385
[13] https://onlinelibrary.wiley.com/doi/full/10.1002/cso2.70000
[14] https://www.youtube.com/watch?v=RAx63pAjMcs
[15] https://www.frontiersin.org/research-topics/71754/artificial-intelligence-advancing-lung-cancer-screening-and-treatment
[16] https://journals.sagepub.com/doi/10.1177/10732748241297373
[17] https://www.news-medical.net/news/20250304/AI-successfully-reduces-workload-in-lung-cancer-screening.aspx
[18] https://ccts.amegroups.org/article/view/51427/html
[19] https://oncodata.com/how-ai-is-redefining-lung-cancer-screening-precision
[20] https://www.lung.org/lung-health-diseases/lung-disease-lookup/lung-cancer/saved-by-the-scan