A radiologia foi a primeira especialidade médica a se tornar verdadeiramente digital — e hoje paga o preço dessa dianteira. Em um artigo de opinião assinado por Nicholas Galante e Rish Seth, a tese é direta: décadas de novas tecnologias empilhadas sobre uma infraestrutura antiga produziram o que os autores chamam de “podridão digital”, um acúmulo de fragmentação que corrói a eficiência justamente da área que mais cedo abraçou a transformação digital.
A especialidade que digitalizou primeiro
Em meados dos anos 2000, a radiologia estava tecnologicamente à frente do resto da medicina — não de forma incremental, mas estrutural, no modo como o trabalho era feito. A transição do filme para a imagem digital não foi um simples upgrade de ferramentas; foi uma mudança fundamental na operação. Quando o Baltimore VA Medical Center se tornou a primeira instituição sem filme, em 1993, demonstrou que uma especialidade inteira podia se reorganizar em torno de uma nova base tecnológica.
No início da década de 2010, o PACS já estava implantado em cerca de 90% dos hospitais, encerrando de vez o capítulo do filme físico. Essa transformação exigiu resolver a interoperabilidade, e foi aí que o padrão DICOM criou uma linguagem comum para os dados de imagem — anos antes do resto da saúde. Na mesma época, a radiologia adotou o reconhecimento de voz de forma mais completa do que qualquer outra área da medicina. Juntos, esses avanços fizeram dela a primeira especialidade nativamente digital.
O que é a “podridão digital”
O problema é que a radiologia continuou construindo sobre o que já havia construído. Cada nova capacidade — visualização avançada, triagem assistida por IA, enterprise imaging, laudo estruturado — foi introduzida em um ambiente projetado para uma era de menor volume de exames e menor complexidade de dados. Os sistemas não foram mal desenhados; eles apenas não foram desenhados para o que veio depois. É essa degradação gradual, com novas camadas sobre uma fundação ultrapassada, que os autores batizam de podridão digital.
Mais capacidade trouxe mais complexidade. O PACS foi transformador e permitiu leituras mais eficientes e flexíveis. A expectativa era que as tecnologias seguintes entregassem ganhos semelhantes. Na prática, a história é mais complicada: cada nova ferramenta entrou em um ambiente em que a integração nunca foi totalmente resolvida. Sistemas antigos geravam ineficiência pela lentidão; os novos geram ineficiência por fragmentação e interrupção. O resultado aparece no dia a dia como alternância constante entre imagem e laudo, navegação repetitiva por modelos e cópia manual de informações que deveriam fluir sozinhas — com taxas de burnout estimadas entre 45% e 60%.
Quem decide e quem sofre
Há ainda uma dimensão política. Os radiologistas raramente são os principais responsáveis pela escolha dessas ferramentas; decisões costumam ser guiadas por prioridades administrativas ou financeiras que nem sempre se alinham com o modo como o profissional realmente trabalha. Quando ferramentas são adotadas assim, tendem a persistir mesmo sem entregar valor, e o conhecimento institucional se concentra em poucas pessoas, criando gargalos e risco.
Enquanto isso, a realidade clínica não para de mudar: os volumes de imagem crescem, a complexidade dos dados aumenta e os prazos de laudo se apertam, sem que a força de trabalho cresça na mesma proporção — um descompasso que já discutimos ao tratar das vagas que não se preenchem e da escassez regional de radiologistas. O paradoxo é cruel: a especialidade gera mais dados do que nunca, mas grande parte deles segue fragmentada entre sistemas e presa em infraestrutura legada. É uma escassez artificial dentro de um sistema definido pela abundância.
IA sem uma moldura de integração
A inteligência artificial agrava o quadro quando chega sem uma estrutura coerente de integração. Muitas ferramentas têm bom desempenho nas tarefas para as quais foram criadas, mas são implantadas em ambientes que não foram construídos para absorvê-las de forma limpa. O efeito é contraintuitivo: em vez de reduzir a carga de trabalho de maneira consistente, a IA muitas vezes adiciona etapas e decisões, elevando a carga cognitiva em vez de aliviá-la. A saída não é menos tecnologia, mas integração — uma lição que aparece com clareza em iniciativas que levam o laudo nativo para dentro do “cockpit” do radiologista e em formatos como o laudo multimídia interativo.
O caminho da maturidade
A radiologia funciona como a infraestrutura diagnóstica central da medicina moderna. Quando esse sistema desacelera ou se fragmenta, o impacto vai muito além do departamento de imagem, atingindo clínicos e pacientes. Historicamente, a radiologia sempre foi um indicador antecipado de como a tecnologia entra na prática clínica — e a lição agora não é mais sobre adotar tecnologia, mas sobre o que vem depois da adoção.
Para os autores, a fricção de fluxo, a fragmentação e a sobrecarga cognitiva não são sinais de declínio, e sim as dores de crescimento previsíveis de um setor que se moveu rápido e agora está pronto para amadurecer. A fundação estava certa; a padronização estava certa. O que falta é aplicar a mesma clareza de propósito à integração de fluxos de trabalho, ferramentas de IA e sistemas clínicos em uma experiência coerente, com o radiologista no centro. No Brasil, onde muitos serviços ainda consolidam PACS e enfrentam os mesmos sistemas heterogêneos, essa é uma agenda especialmente concreta.
Fonte: Radiology Today — artigo de Nicholas Galante, MD, e Rish Seth, MD, CIIP.
