Mesmas imagens, laudos diferentes
Um estudo publicado no Journal of the American College of Radiology (JACR) mediu algo que todo coordenador de serviço suspeita, mas raramente consegue quantificar: a taxa de falso-positivo no rastreamento de câncer de pulmão com tomografia de baixa dose varia de 11% a 22% entre radiologistas. Em pares sorteados ao acaso, um dos dois leitores tinha, em média, o dobro da chance de chamar um achado suspeito que depois se revelaria inofensivo. A imagem é a mesma. A pergunta clínica é a mesma. O que muda é quem laudou.
O que o estudo do JACR mediu
Os pesquisadores partiram de uma base ampla: 1,4 mil radiologistas, cada um com no mínimo 50 exames de rastreamento por tomografia de baixa dose (LDCT, na sigla inglesa) — cerca de 200 mil exames no total. O corte mínimo de 50 leituras por profissional não é detalhe metodológico irrelevante: ele elimina o leitor ocasional, cuja taxa oscilaria por puro azar amostral, e deixa no cálculo apenas quem tem volume suficiente para que a taxa observada reflita comportamento real de leitura.
A partir daí, o grupo calculou taxas de falso-positivo separadamente para exames de linha de base (o primeiro exame de cada participante) e para exames de seguimento. A separação faz sentido clínico: no exame inicial, tudo é novo e qualquer nódulo precisa ser caracterizado; no seguimento, o leitor já tem comparação temporal e pode julgar estabilidade. Mesmo assim, a dispersão apareceu nas duas situações.
O achado seguinte é o que dá densidade ao estudo. Radiologistas com taxa de falso-positivo acima da mediana também tinham sensibilidade maior: 97% contra 92% dos colegas abaixo da mediana. Ou seja, o leitor “alarmista” não estava simplesmente errando — estava capturando mais câncer. Isso desloca a discussão de competência para calibração: não se trata de leitores bons e ruins, e sim de onde cada um posiciona seu limiar de suspeita.
O paradoxo dos 100 alarmes por um câncer
O número que deveria circular em toda reunião de rastreamento é este: nos exames de linha de base lidos por radiologistas com taxa de falso-positivo abaixo da mediana, haveria cerca de 100 exames falso-positivos a menos para cada câncer verdadeiro deixado de detectar. Cem alarmes evitados ao custo de um diagnóstico perdido.
Qual dos dois cenários é preferível? A resposta não é técnica, é de valores — e provavelmente varia com quem responde. Para o participante que recebe uma convocação de retorno, faz um novo exame, espera três meses e descobre que era cicatriz, o custo é ansiedade, tempo e exposição adicional. Para o participante cujo nódulo passou batido, o custo é potencialmente a vida. A maioria dos pacientes, colocada diante dessa escolha, tende a aceitar o alarme falso. O sistema de saúde, que paga a cascata de exames e procedimentos de investigação, tende a pensar diferente.
Vale lembrar que “falso-positivo” no rastreamento pulmonar raramente significa uma biópsia imediata. Costuma significar reclassificação para Lung-RADS 3 ou 4A, tomografia de controle em três ou seis meses e, em uma fração dos casos, PET/CT ou punção. O dano é real, mas é distribuído: um pouco de ansiedade, um pouco de dose acumulada, um pouco de fila ocupada. É exatamente o tipo de custo que se acumula sem aparecer em indicador nenhum.
Por que a mamografia enfrentou isso primeiro
A participação no rastreamento pulmonar vem crescendo — de números de um dígito há uma década para 19% em levantamento recente —, mas segue distante dos cerca de 75% observados no rastreamento mamário. Essa diferença de maturidade explica muita coisa. A mamografia já passou pelo problema da variabilidade entre leitores e construiu um arsenal de resposta: programas de padronização de interpretação, sistemas de feedback automatizado com devolutiva de indicadores individuais, intervenções educacionais dirigidas e dupla leitura seletiva nos casos de maior incerteza.
Os autores do JACR sugerem exatamente esse caminho para a LDCT. É uma recomendação modesta na aparência e exigente na prática, porque implica medir o desempenho individual de cada leitor e devolver esse número a ele — algo que serviços costumam evitar por atrito interno. A experiência da mamografia mostra que funciona, e mostra também que só funciona quando o dado volta como instrumento de calibração, não como ranking punitivo.
Há um paralelo direto com o esforço de padronizar métricas de imagem no restante da tomografia. A proposta de uma escala de cinco estrelas para avaliar a qualidade da imagem em TC nasce do mesmo diagnóstico: onde não há escala comum, sobra opinião. E vale notar que a técnica já fez a parte dela — a dose média em TC caiu cerca de 22% em uma década nos Estados Unidos, com reconstrução iterativa e modulação automática de corrente. O gargalo migrou do equipamento para a interpretação.
O que fazer no serviço de imagem brasileiro
Para quem coordena um programa de rastreamento no Brasil, três medidas são aplicáveis sem investimento novo. A primeira é medir: extrair do RIS ou do PACS a distribuição de Lung-RADS por leitor e calcular a taxa de convocação de retorno de cada um. Sem esse número, qualquer discussão sobre calibração é anedótica. A segunda é comparar com referência externa — a faixa de 11% a 22% do estudo dá um intervalo plausível para situar o próprio serviço. A terceira é instituir dupla leitura dirigida, não universal: revisar em conjunto apenas os casos classificados como 3 e 4A, onde o desacordo se concentra.
Existe também um ganho de eficiência aqui que costuma passar despercebido. Cada convocação de retorno evitada é uma vaga de tomógrafo liberada e um laudo a menos na fila — e a fila é o problema estrutural da radiologia contemporânea, como mostra o dado de que o tempo de laudo em radiologia cresceu 177% em uma década nos Estados Unidos. Calibrar limiar de suspeita não é só qualidade assistencial; é gestão de capacidade.
Limites e o que vem depois
O estudo é retrospectivo e observacional, e nada nele prova que padronizar a leitura vá melhorar desfecho de mortalidade. Também não separa quanto da variabilidade vem do leitor e quanto vem do contexto em que ele trabalha: protocolo de aquisição, qualidade do equipamento, disponibilidade de exames anteriores para comparação, pressão de produtividade. Um radiologista sem histórico prévio no PACS é estruturalmente mais propenso a chamar um nódulo de suspeito — e isso é problema de interoperabilidade, não de calibração.
A próxima fronteira previsível é a IA como segunda opinião de triagem, com a promessa de estreitar a dispersão entre leitores ao oferecer uma referência quantitativa de volumetria e crescimento nodular. A promessa é boa e a evidência ainda é jovem. Enquanto ela madura, o instrumento disponível continua sendo o mais antigo da medicina: medir o que se faz, comparar com os pares e ajustar. O estudo do JACR não resolve o dilema entre detectar mais e alarmar menos — ele apenas coloca um preço nele. Cem para um.
Fonte: The Imaging Wire
