O sinal já estava na tomografia; ninguém conseguia enxergá-lo
Um modelo de radiômica da Mayo Clinic reconheceu 73% dos cânceres de pâncreas em tomografias abdominais que haviam sido laudadas como normais, com mediana de 16 meses de antecedência em relação ao diagnóstico clínico. O sistema se chama REDMOD, sigla de Radiomics-based Early Detection Model, e foi publicado na revista Gut em abril de 2026. Ele não procura massa, não mede nódulo e não delimita lesão: quantifica centenas de descritores de textura e arquitetura do parênquima pancreático e compara esse perfil com o de pessoas que, anos depois, adoeceram. Nas mesmas imagens, a leitura humana sem apoio computacional ficou pouco abaixo de 40%.
Vale fixar a categoria antes de discutir o número, porque ela muda tudo. Isto não é diagnóstico por imagem no sentido clássico. É imagem oportunista e preditiva: o exame foi pedido por dor abdominal, trauma, controle de um nódulo renal ou estadiamento de outra doença, e o algoritmo entra depois, sobre um estudo que já está no arquivo, para devolver uma probabilidade de risco futuro. O alvo não é a doença visível, e sim a tendência biológica que a antecede. A reportagem Subtle Signals, da Radiology Today, reuniu o caso do pâncreas com linhas paralelas em pulmão, mama e coluna torácica para mostrar que o movimento é mais amplo do que um órgão.
O estudo: 1.462 pacientes, 968 atributos e um desenho caso-controle
O esforço começou em 2019 e uma prova de conceito saiu na Gastroenterology em 2022. A versão validada reúne quase seis anos de refinamento em segmentação automática, engenharia de atributos e construção de classificador. A coorte final tem 219 pacientes com TC pré-diagnóstica obtida entre 3 e 36 meses antes do diagnóstico de adenocarcinoma ductal e 1.243 controles com pâncreas normal e pelo menos três anos livres de câncer, totalizando perto de 2.000 exames. O conjunto de treino ficou com 969 casos e o de teste com 493, em razão aproximada de sete controles para cada caso; 71% das TCs pré-diagnósticas do conjunto de teste vieram de fora da instituição de origem, em aparelhos e protocolos diferentes.
A segmentação do pâncreas é feita por uma nnU-Net tridimensional. Do conjunto de 968 atributos radiômicos candidatos, 40 sobreviveram à seleção, e cerca de 90% deles derivam de imagens filtradas, e não da imagem bruta. A decisão final sai de um comitê de três classificadores: regressão logística, floresta aleatória e XGBoost. No ponto de operação publicado, o modelo entrega sensibilidade de 73% com especificidade de 81% e área sob a curva de 0,82 quando usa os atributos filtrados, contra 0,74 sem eles. Numa validação externa independente, a especificidade chegou a 87,5%, e a concordância teste-reteste em exames seriados do mesmo paciente ficou entre 90% e 92%.
Dois recortes chamam atenção. Em exames feitos há mais de dois anos do diagnóstico, o modelo apontou quase três vezes mais cânceres futuros do que a revisão convencional. E a estabilidade longitudinal sugere que o escore pode ser acompanhado ao longo do tempo, e não apenas lido uma vez. Ajit Goenka, radiologista e especialista em medicina nuclear da Mayo Clinic que lidera o projeto, contou à Radiology Today que a ideia nasceu de uma frustração de rotina assistencial: ver pacientes com diagnóstico de câncer de pâncreas que tinham tomografias de meses ou anos antes laudadas como normais. O câncer estava lá, disse ele, mas ainda não havia se declarado visualmente.
Radiômica em linguagem direta, e por que risco não é diagnóstico
Radiômica é a conversão sistemática de uma imagem em números. Depois de delimitar o órgão, o software calcula histogramas de intensidade, medidas de forma e, sobretudo, estatísticas de ordem superior que descrevem como os voxels se organizam entre si: grosseria, homogeneidade, entropia, comprimento de sequências de cinza semelhantes. Filtros de wavelet e laplaciano-gaussiano ampliam escalas de textura que o olho não separa. Nenhum desses números cria informação nova; são descritores do que a aquisição já havia registrado. Quando o estroma pancreático começa a se desorganizar na fase pré-clínica, a hipótese é que a assinatura apareça nessas estatísticas antes de virar contorno perceptível.
O próprio Goenka insiste na fronteira: trata-se de um sinal de risco, não de um diagnóstico. Um resultado positivo significa que aquele pâncreas tem características parecidas com as de quem adoeceu depois, e a conduta passa a depender de história clínica e perfil de risco, podendo incluir TC de controle, ecoendoscopia, PET molecular, amostragem tecidual ou apenas vigilância. O público-alvo também é estreito de propósito: pessoas com diabetes de início recente após os 50 anos e escore de risco validado. Famílias com câncer de pâncreas hereditário já têm programas próprios de vigilância com ressonância e ecoendoscopia e não são o caso de uso pretendido.
A tese não é exclusiva do pâncreas. Já publicamos aqui a IA que superou radiologistas na detecção precoce do câncer de pâncreas, o modelo que tenta prever risco de câncer de mama uma década antes a partir da mamografia de rastreamento e o trabalho de radiômica que gradua osteoartrite de mão em radiografia simples. Na mesma família entram os achados incidentais na TC de pulmão que sinalizam risco de câncer. O denominador comum é o mesmo: extrair do exame mais do que a pergunta que o motivou.
O que muda no serviço de imagem, e o que trava no Brasil
Fora do pâncreas, outros grupos citados pela reportagem seguem a mesma lógica. Na University of Illinois Cancer Center, em Chicago, Ameen Salahudeen investiga se TCs de tórax e mamografias já realizadas carregam pistas de risco oncológico futuro, com a aposta prática de que uma estimativa individualizada aumente a adesão ao acompanhamento. Na Catholic University of Korea, Joon-Yong Jung adapta um modelo de base para radiografia de tórax a fim de reconhecer alterações da coluna torácica que aparecem no filme mas raramente ganham atenção, porque o exame foi pedido para avaliar coração e pulmão; o trabalho foi submetido ao RSNA 2026. Paul Chang, da University of Chicago, lembra que parte da triagem oportunista já é viável hoje para quantificar cálcio coronariano, esteatose hepática e sarcopenia, medidas impraticáveis de fazer à mão em escala.
No Brasil, o argumento econômico é favorável por um motivo simples: o exame já foi pago. Onde não há orçamento para programa de rastreamento populacional, reaproveitar uma TC de abdome que já está no PACS custa processamento, não aquisição. O gargalo está em outro lugar. Exige integração real entre PACS, RIS e o modelo, com resultado que chegue ao lugar certo em vez de morrer num relatório paralelo; exige uma via de encaminhamento definida antes de ligar o algoritmo; e exige responder à pergunta desconfortável de quem responde por um alerta de risco que ninguém pediu. O radiologista que laudou uma TC de abdome normal não foi consultado sobre pâncreas. Se o escore aparece depois, precisa estar claro quem comunica, quem acompanha e quem arca com a investigação subsequente.
Onde isso pode furar: caso-controle, kernel e tempo de antecipação
Há três ressalvas técnicas que nenhum comunicado resolve. A primeira é o desenho. Um estudo retrospectivo caso-controle com sete controles por caso não reproduz a prevalência real da doença; o valor preditivo positivo relatado, próximo de 36%, despenca quando a mesma sensibilidade e especificidade encontram uma população não selecionada. Com 81% de especificidade, cerca de um em cada cinco pâncreas saudáveis recebe alerta, e cada alerta custa exame, tempo e ansiedade. A segunda é a generalização: radiômica é notoriamente sensível a fabricante, espessura de corte, kernel de reconstrução e fase de contraste. O fato de 90% dos atributos virem de imagens filtradas e de 71% das TCs de teste serem externas ajuda, mas não substitui validação em parques de equipamentos heterogêneos como os brasileiros.
A terceira é o viés de antecipação diagnóstica. Detectar 16 meses antes só vale se a conduta nesse intervalo mudar o desfecho; caso contrário, o paciente apenas passa mais tempo sabendo. É por isso que o grupo da Mayo levou o modelo ao estudo prospectivo AI-PACED, que avalia estratificação automática de risco, imagem seriada com apoio de IA e biobanco em pessoas com diabetes de início recente, com desfecho primário de tempo até o diagnóstico. O desenho mantém uma barreira rígida: os laudos clínicos saem de radiologistas cegos ao estudo e alimentam o prontuário normalmente, enquanto a análise de IA roda em dados desidentificados, sem entrar no prontuário nem orientar conduta.
Curtis Langlotz, de Stanford, resume o estado da arte: detectar anormalidade já visível a IA faz bem, e prever doença futura é a fronteira seguinte, que na maioria dos casos vai exigir dados multimodais, não só imagem. Chang é mais direto quanto ao risco de atropelo, ao lembrar que conseguir fazer uma previsão não significa automaticamente que ela seja benéfica, e que será preciso demonstrar melhora no cuidado, e não apenas significância estatística. Enquanto essa prova não vem, o resultado do REDMOD deve ser lido pelo que ele é: a demonstração mais consistente até agora de que existe informação clínica útil em exames que já consideramos normais.
Fonte: Radiology Today
