Combinar navegação centralizada de pacientes com inteligência artificial mais que dobrou a adesão ao rastreamento de câncer de pulmão em um grande sistema de saúde dos Estados Unidos — e elevou a detecção de tumores em estágios iniciais. Os dados foram apresentados no congresso anual da American Society of Clinical Oncology (ASCO), em Chicago.
O que o estudo mostrou
O OSF HealthCare, sistema com 17 hospitais em áreas rurais e urbanas, conseguiu elevar sua taxa de rastreamento de câncer de pulmão entre pacientes elegíveis de 18% para 42% ao longo de cinco anos. O salto foi obtido com um modelo de navegação centralizada de pacientes somado a tecnologias de rastreamento apoiadas por IA. As intervenções também aumentaram a detecção de cânceres em estágios mais precoces.
“Uma abordagem multifacetada, combinando navegação centralizada e tecnologias inovadoras de rastreamento, pode aumentar ainda mais a adesão”, afirmou o primeiro autor e apresentador, Jun Zhang, MD, PhD, do OSF HealthCare Cancer Institute.
Como a navegação centralizada e a IA atuam
O gargalo do rastreamento de pulmão raramente está no exame em si, e sim em todo o processo ao redor dele: identificar quem é elegível, contatar o paciente, agendar a tomografia de baixa dose, garantir o retorno e acompanhar achados. A navegação centralizada concentra essas tarefas em uma equipe dedicada, em vez de deixá-las dispersas entre consultórios sobrecarregados.
É nesse fluxo que a IA entra como reforço — apoiando a identificação de candidatos elegíveis e a análise das imagens. Ferramentas algorítmicas ajudam a sinalizar pacientes de alto risco nos registros e a padronizar a leitura dos exames, reduzindo a chance de que um nódulo suspeito passe despercebido. O resultado é menos pacientes perdidos em cada etapa do funil de rastreamento.
Por que o rastreamento de pulmão ainda é subutilizado
O rastreamento por tomografia computadorizada de baixa dose é recomendado para fumantes e ex-fumantes de alto risco, justamente o grupo em que o diagnóstico precoce mais muda o desfecho. Ainda assim, a adesão é historicamente baixa em quase todos os sistemas de saúde — uma taxa inicial de 18%, como a do OSF, está longe de ser exceção. Estigma, desconhecimento, barreiras logísticas e fragmentação do cuidado afastam os pacientes do exame.
O câncer de pulmão continua entre os mais letais porque costuma ser diagnosticado tarde. Deslocar o diagnóstico para estágios iniciais é, na prática, o fator que mais impacta a sobrevida — e é exatamente isso que um programa de rastreamento bem coordenado entrega.
A base de evidências por trás do rastreamento
O entusiasmo com o rastreamento não é gratuito. O estudo norte-americano NLST mostrou que a tomografia de baixa dose reduziu a mortalidade por câncer de pulmão em cerca de 20% na comparação com a radiografia de tórax, em fumantes de alto risco. O ensaio europeu NELSON confirmou e ampliou esses achados anos depois, consolidando a TC de baixa dose como padrão de rastreamento para a população elegível.
O problema é que essa evidência robusta nunca se converteu em adesão proporcional. É justamente essa lacuna entre o que a ciência recomenda e o que chega ao paciente que iniciativas como a do OSF buscam fechar — não inventando um exame novo, mas garantindo que o exame certo alcance quem dele precisa.
Implicações para a prática e o cenário brasileiro
Para o radiologista, o recado é claro: a qualidade da imagem é necessária, mas não suficiente. O valor clínico nasce do programa em torno dela. A leitura padronizada de nódulos, o uso de classificações como o Lung-RADS e o acompanhamento estruturado de achados são tão decisivos quanto o próprio scanner. Vale lembrar o que já discutimos sobre os achados incidentais na TC de pulmão e o risco de câncer, em que a detecção oportunística depende de um circuito de seguimento confiável.
No Brasil, onde o rastreamento organizado de pulmão ainda engatinha, o caso do OSF aponta um caminho viável: investir em navegação e em tecnologia de apoio à decisão pode ampliar o alcance sem exigir, de imediato, mais equipamentos. A IA aplicada à leitura, como vimos ao tratar da performance de algoritmos em raio-X de tórax, é uma peça desse quebra-cabeça — desde que validada para a população local.
Perspectivas
O estudo do OSF reforça uma tendência que vai além da radiologia: a de tratar o rastreamento como um sistema, não como um exame isolado. À medida que a IA amadurece para identificar elegíveis, priorizar filas e padronizar laudos, e que a navegação garante que o paciente não se perca no caminho, a expectativa é de que taxas de adesão antes consideradas teto se tornem o novo piso. O desafio seguinte será replicar esses ganhos em sistemas com menos recursos — e garantir que o aumento na detecção se traduza, de fato, em mais vidas salvas.
Fonte: AuntMinnie
