HCPA utiliza ferramenta de IA para analisar exames de raio-X e priorizar o atendimento de casos graves

O Hospital de Clínicas de Porto Alegre (HCPA) realiza, em média, 3.500 exames de raio-X de tórax por mês, sendo este o exame de imagem mais frequente tanto no hospital quanto na medicina em geral. Isso se deve à sua segurança e eficiência na avaliação da saúde dos pulmões e do coração, permitindo visualizar as estruturas do tórax e identificar alterações que muitas vezes ainda não apresentam sintomas.

Após a realização do exame, o HCPA, assim como outras unidades de saúde, organiza a emissão dos laudos radiológicos com base em critérios administrativos, como a origem e a modalidade do exame. Nesse processo, pacientes com achados críticos podem acabar na mesma fila que aqueles sem alterações, aguardando avaliação médica. 

Atento a essa dinâmica, o Serviço de Física Médica e Radioproteção do HCPA, chefiado pelo físico Alexandre Bacelar, desenvolveu, em parceria com a startup NeuralMind, a solução Prioscan, que utiliza Inteligência Artificial (IA) para analisar automaticamente essas imagens, funcionando como um sistema de apoio à decisão médica. “A ferramenta analisa a imagem, identifica achados relevantes com base em critérios definidos pelos profissionais e classifica os exames em três níveis de prioridade. Assim, o especialista radiologista vai olhar esses laudos prioritários mais rápido do que olhava antes, e vai entregar um diagnóstico para o médico que solicitou o exame”, explica José Mendes, Físico de Imagem do Serviço de Física Médica e Radioproteção do HCPA. 

O sistema também opera de forma multimodal, conforme explica o físico de imagem Guilherme Garcia. Além de analisar as imagens, a IA incorpora informações clínicas registradas pelo médico no momento da solicitação do exame, como sintomas relatados pelo paciente. Esses dados textuais são processados em conjunto com o raio-x, atribuindo diferentes pesos a cada sintoma. Por exemplo, uma tosse isolada tende a ter menor relevância do que sinais como dor no peito, falta de ar ou indícios de disfunção respiratória. Com base nessa combinação de fatores, a IA cruza as informações clínicas e os achados radiológicos. 

A iniciativa surgiu a partir de um edital da Financiadora de Estudos e Projetos (Finep), vinculada ao Ministério da Ciência, Tecnologia e Inovação (MCTI). O financiamento público foi combinado com a expertise da startup no desenvolvimento de algoritmos e com a contribuição do hospital, que forneceu o problema, o conhecimento médico e os dados. “Os dados são públicos, mas são de origem da nossa instituição pública, a UFRGS”, afirma Maurício Saueressig, professor do Departamento de Cirurgia da UFRGS.

Esses dados são de grande importância para a elaboração da ferramenta, pois são eles que treinam os algoritmos para que aprendam padrões e relações entre a imagem e o diagnóstico, permitindo que o sistema identifique se há achados ou não no exame, além do nível de seriedade.

Inicialmente, foram utilizados mais de 500 mil exames para o aprimoramento da PrioScan, seguidos por conjuntos adicionais de 10 mil imagens do HCPA e, posteriormente, 40 mil imagens também do hospital para ajustes finos do algoritmo. Esse processo permite que o sistema reconheça padrões e se adapte às variações epidemiológicas da instituição e da região, além de considerar diferenças na linguagem dos laudos médicos.

Para garantir conformidade com a Lei Geral de Proteção de Dados (LGPD), todo o processamento ocorre em infraestrutura local, sem uso da nuvem. Os exames são enviados de forma anonimizada (por meio do sistema Orthanc PACS), analisados pela IA e devolvidos com a classificação de prioridade que será analisada pelo radiologista. Atualmente, o sistema processa cerca de 100 exames por dia, com tempo médio inferior a dois minutos por análise.

Embora já integrado à rotina do hospital, apenas radiologistas envolvidos na pesquisa têm acesso ao sistema, que ainda está em fase de testes. A previsão de conclusão é até o final do ano, quando deve ser realizada a submissão do PrioScan à validação clínica, etapa necessária para sua adoção plena na instituição. O desenvolvimento segue as diretrizes éticas do Conselho Federal de Medicina (CFM) e deverá passar pela avaliação da Agência Nacional de Vigilância Sanitária (Anvisa), responsável pela regulação de dispositivos médicos e softwares de saúde.

A solução apresenta um potencial de replicação no Sistema Único de Saúde (SUS), podendo ser expandida para hospitais regionais e unidades de atenção primária. Ao priorizar casos críticos, o uso da ferramenta permite que médicos concentrem esforços nos atendimentos mais urgentes. Além disso, contribui para altas mais rápidas e diminuição da superlotação hospitalar. Conforme explica Guilherme Garcia, o sistema também é escalável para outras modalidades de imagem, como tomografia e ressonância magnética, ampliando seu impacto na área da saúde.

Texto: Amanda Veríssimo, bolsista de Jornalismo no Jornal da Universidade