O que a FDA liberou
A FDA concedeu autorização 510(k) ao DeepHealth Breast Ultrasound, software de inteligência artificial que detecta, caracteriza e reporta lesões mamárias em exames de ultrassonografia. A liberação saiu em 30 de julho de 2026, sob o registro K260303, e cobre o dispositivo See-Mode Augmented Reporting Tool, Breast (SMART-B), fabricado pela See-Mode Technologies e distribuído pela DeepHealth — subsidiária integral da RadNet.
A promessa não é substituir o radiologista, e sim padronizar a etapa mais frágil do exame: a descrição da lesão. Em vez de cada profissional redigir à mão os descritores morfológicos, o sistema extrai as medidas, classifica os achados segundo o léxico do ACR BI-RADS e devolve um rascunho de laudo estruturado.
Os números do estudo multileitor
Os dados que sustentam a autorização vêm de um estudo multileitor, multicaso (MRMC) conduzido com 16 radiologistas certificados nos Estados Unidos, em centros de imagem e hospitais selecionados. Três resultados foram divulgados pela empresa:
- Acurácia de localização de lesões superior a 98% — ou seja, quando existe lesão, o software aponta o lugar certo.
- Ganho de 8% na sensibilidade para detecção de câncer de mama em relação à leitura sem assistência.
- Redução de 37% no tempo de interpretação do radiologista.
O desenho MRMC é o padrão-ouro para avaliar ferramentas de auxílio à decisão em imagem, justamente porque mede o mesmo leitor com e sem o software, controlando a variabilidade entre profissionais. Vale registrar, no entanto, que se trata de dados apresentados pelo fabricante no processo regulatório; a publicação revisada por pares com o detalhamento metodológico completo é o próximo passo natural.
Como a ferramenta funciona na prática
O fluxo tem três camadas. A primeira é a detecção automática de lesões em imagens padrão de ultrassom mamário. A segunda é a caracterização: o sistema classifica forma, orientação, margem, padrão ecogênico e características posteriores — exatamente os descritores do léxico BI-RADS do American College of Radiology. A terceira é a geração automática do relatório, já com as medidas padronizadas extraídas durante a aquisição.
Essa última camada é a que muda a rotina do técnico. Hoje, boa parte do tempo do sonografista vai em medir manualmente e transcrever números. Automatizar a extração padronizada de medidas elimina uma fonte clássica de erro de digitação e de discrepância entre o que foi medido e o que foi laudado.
Por que o ultrassom de mama precisava disso
Entre os métodos de imagem mamária, a ultrassonografia é o mais dependente do operador. A imagem só existe enquanto o transdutor está posicionado — não há um conjunto de dados volumétrico completo para reinterpretar depois, como acontece na tomossíntese ou na ressonância. Se a lesão não foi documentada no plano certo, ela simplesmente não está no exame.
Some-se a isso a variabilidade na aplicação do léxico BI-RADS. A fronteira entre uma categoria 3 (provavelmente benigno, seguimento em seis meses) e uma 4a (suspeição baixa, indica biópsia) depende de julgamento morfológico sutil. É nessa faixa que se concentram tanto as biópsias evitáveis quanto os seguimentos que deveriam ter sido biópsia. Padronizar descritores ataca diretamente esse ponto.
O contexto de volume também pesa. O ultrassom segue como principal exame complementar em mamas densas e permanece central no rastreamento suplementar, um debate que segue vivo — já discutimos se o ultrassom ainda é útil no rastreamento na era da tomossíntese, e por que a RM supera a mamografia em mamas densas. Em qualquer cenário, o volume de ultrassons mamários não vai cair.
Reembolso, escala e o papel da RadNet
Um detalhe frequentemente ignorado nas manchetes de IA: o produto já nasce com caminho de reembolso. A DeepHealth informa que clientes nos Estados Unidos podem buscar pagamento sob um código CPT de Categoria III existente para caracterização tecidual quantitativa por ultrassom — sujeito, como sempre, à política de cada operadora.
A escala de implantação também é relevante. A solução deve ser implantada na rede de centros da RadNet até o fim de 2026, cobrindo um volume estimado em mais de 700 mil ultrassons mamários por ano potencialmente elegíveis. É um dos maiores desdobramentos reais de IA em imagem já anunciados, e transforma a própria RadNet no maior laboratório de mundo real do produto.
“Com a solução da DeepHealth, conseguimos maior padronização dos fluxos de trabalho, melhorando a consistência e economizando tempo”, afirmou o Dr. Jason McKellop, diretor médico de imagem da mulher da RadNet na Califórnia.
O que muda para o serviço — inclusive no Brasil
Para o radiologista, o ganho mais imediato não é diagnóstico, é de consistência. Um laudo que sempre traz os mesmos cinco descritores, na mesma ordem, com medidas rastreáveis, é um laudo comparável ao longo do tempo — condição indispensável para avaliar crescimento de nódulo em seguimento.
Para o gestor, a conta é de produtividade: 37% de redução no tempo de interpretação, se confirmada fora do ambiente do estudo, muda o dimensionamento da agenda. Ainda assim, a implantação exige atenção a três pontos práticos: integração com o PACS e com o sistema de laudo já em uso, protocolo de aquisição padronizado entre os técnicos e um processo claro de revisão — a saída da IA é rascunho, não laudo assinado.
No Brasil, o produto ainda depende de registro na Anvisa para comercialização, e o modelo de reembolso via código CPT de Categoria III não tem equivalente direto no rol da ANS. A leitura correta, portanto, é acompanhar o caso como sinalização de tendência — a mesma direção do software que guia ultrassom de TVP à beira do leito, também autorizado recentemente: a IA está migrando do exame estático para o exame operador-dependente.
Limitações e o que observar daqui para frente
Três reservas honestas. Primeira: os números de desempenho são do fabricante e vêm de um estudo com 16 leitores em centros selecionados — desempenho em população não selecionada tende a ser menor. Segunda: o ganho de sensibilidade precisa ser lido junto com o efeito sobre especificidade, dado que não foi divulgado com o mesmo destaque; toda ferramenta que aumenta detecção corre o risco de aumentar biópsias benignas. Terceira: autorização 510(k) atesta equivalência substancial a um dispositivo predicado, não benefício clínico em desfecho.
O que valerá a pena observar nos próximos meses é justamente o dado de mundo real da rede RadNet: taxa de recall, valor preditivo positivo da biópsia e tempo de laudo antes e depois da implantação, em centenas de milhares de exames. Se esses indicadores se moverem na direção certa em escala, o caso deixa de ser uma nota regulatória e vira evidência.
Fontes: AuntMinnie — DeepHealth lands FDA nod for breast ultrasound AI software e comunicado oficial da DeepHealth.
