IA na imagem: ver mais cedo no ultrassom

O atraso diagnóstico, sem número redondo

Endometriose é doença de alta prevalência e de diagnóstico tardio, mas o tamanho desse atraso não é um número único. A revisão sistemática de De Corte e colaboradores encontrou uma faixa que vai de 0,3 a 12 anos entre 17 estudos, porque cada trabalho define "atraso" de um jeito — atraso global, atraso primário, atraso clínico — e porque país e perfil de população deslocam o resultado (De Corte, 2025). Pelo caminho convencional até a confirmação, a média descrita é de 6,4 anos (Avery, 2024). Citar "sete anos" como se fosse um dado fechado é impreciso, e a imprecisão custa credibilidade.

Há um achado dessas revisões que circula muito menos do que o número: o atraso é atribuído primariamente ao médico, não à paciente. Antes de qualquer discussão sobre algoritmo, o gargalo está em pensar em endometriose diante de dismenorreia incapacitante, dispareunia de profundidade, dor intestinal cíclica e infertilidade. Nenhum modelo computacional interpreta um exame que não foi solicitado.

O que o ultrassom já entrega e os três gargalos que restam

A base contra a qual toda promessa de IA precisa ser medida é o desempenho atual do ultrassom transvaginal realizado com protocolo. O endometrioma ovariano é detectado de forma confiável e deve ser considerado diagnóstico. A endometriose profunda é avaliada com alta especificidade, mas com sensibilidade apenas moderada. A doença superficial permanece com avaliação sonográfica incipiente (Avery, 2024).

Daí decorre a frase clínica mais útil deste episódio: exame negativo não afasta endometriose. Isso pertence ao laudo, pertence à conversa com a paciente e pertence ao raciocínio de quem recebe o resultado. Um exame positivo em mãos treinadas já vale como diagnóstico; um exame normal apenas devolve a decisão ao julgamento clínico.

Os limites que sobram não são de aparelho. O primeiro gargalo é o exame que não foi pedido, porque a hipótese não foi levantada na anamnese. O segundo é o exame feito sem protocolo: o mapeamento por compartimentos exige preparo, sistematização e tempo de sala, e um rastreio genérico não cumpre essa função. O terceiro é o examinador não treinado para a pesquisa dirigida da doença profunda, cuja sensibilidade depende de curva de aprendizado e não de aparelho.

Os três são problemas humanos e organizacionais. Reconhecê-los delimita com honestidade onde a inteligência artificial pode contribuir e onde ela simplesmente não tem como atuar.

Duas perguntas que costumam ser confundidas

A primeira pergunta — a IA encurta o atraso diagnóstico? — é uma pergunta de sistema de saúde. Depende de quem pensa na hipótese, de quem tem acesso ao exame especializado e de como a rede está organizada. Nenhum modelo de imagem responde por isso.

A segunda pergunta — a IA melhora a leitura de quem já fez o exame? — é técnica, mensurável e tem evidência publicada. É nesse recorte, e apenas nele, que existe resultado demonstrado hoje. Manter as duas perguntas separadas evita a confusão mais comum quando o tema chega ao consultório.

Onde a IA já mostra resultado publicado

O dado mais sólido disponível não é de acurácia, e sim de concordância. Em análise de ressonância multissequência sobre 395 casos com confirmação anatomopatológica e 356 controles, a sensibilidade dos radiologistas passou de 84,48% para 87,93% com assistência do modelo, enquanto a concordância entre leitores subiu de kappa 0,57 para 0,68 (Moassefi, 2026). O ganho de sensibilidade é modesto; o achado é a redução da variabilidade. Vale o registro editorial: esse estudo é de ressonância, não de ultrassom.

No ultrassom, um modelo convolucional treinado para diferenciar abscesso tubo-ovariano de endometrioma alcançou AUROC de 0,986, contra 0,68 a 0,78 dos ultrassonografistas e 0,564 do CA-125 (Hu, 2023). O número impressiona e exige a letra miúda: conjunto de teste independente pequeno, de um único centro, sem validação externa. Isso caracteriza prova de conceito, não desempenho de prática clínica.

A radiômica segue outro caminho: converte a imagem em números em vez de produzir uma imagem melhor. Aplicando entropia de Shannon a regiões de interesse no nódulo de endometriose profunda do paramétrio e no tecido adjacente, em 52 mulheres operadas, obteve-se AUC de 91,36% para separar lesão de tecido perilesional, sem uso de aprendizado profundo — o que torna a implementação mais realista (Scovazzi, 2025). É estudo-piloto, retrospectivo e de centro único.

O tamanho real da literatura e o contraponto honesto

Uma revisão sistemática dedicada a IA sobre imagem de ultrassom em endometriose localizou apenas cinco estudos, com acurácia de 0,89 a 0,93 para modelos profundos e de 0,80 a 0,85 para aprendizado de máquina clássico (Esmailzadeh, 2026). Outra revisão, sobre IA em ultrassom ginecológico benigno, reuniu 59 estudos, dos quais apenas 6 tratavam de endometriose, nenhum com validação externa e com alto risco de viés na seleção de casos e no teste índice (Moro, 2025). Uma terceira síntese, com 36 estudos, descreveu sensibilidades agrupadas de 81,7% a 96,7%, quase sempre em cenário simples de caso contra controle (Sivajohan, 2022). Separar doente confirmada de controle saudável não é a pergunta do consultório.

O contraponto também precisa aparecer. Há aplicação de aprendizado profundo ao ultrassom de adenomiose com acurácia de apenas 51% (Raimondo, 2023), e há classificação automatizada de massas ovarianas em que lesões benignas foram rotuladas como malignas, uma delas um endometrioma (Giourga, 2024). Somem-se a validação externa quase sempre ausente, o espectro artificial de caso contra controle e a prevalência enriquecida das coortes de centro terciário, que não se transporta para o ambulatório geral. Modelos de triagem construídos sobre variáveis clínicas estruturadas ilustram bem o ponto: costumam ser mais úteis para reforçar uma suspeita do que para descartá-la.

Produção brasileira e o outro lado do número

O Brasil aparece na cadeia com trabalho de segmentação automática, por aprendizado profundo, do nódulo de endometriose profunda em topografia retossigmoide na ressonância, com participação da Dra. Alice Brandão na autoria. Os resultados por paciente foram de 96,7% de acurácia e 100% de sensibilidade, com Dice de 65,4% (Figueredo, 2024).

O outro lado do mesmo estudo é o que dá credibilidade ao relato: base privada, centro único, 158 exames, um único equipamento de 1,5 T, ausência de validação externa e precisão de apenas 0,37 por imagem. O desempenho por paciente é bom porque a agregação resgata o resultado — e essa distinção entre métrica por imagem e métrica por paciente é exatamente o tipo de leitura crítica que o ginecologista precisa levar para qualquer demonstração de IA que lhe apresentarem.

O que faz ver mais cedo hoje

Quatro condutas antecipam o diagnóstico, e nenhuma delas é computacional. Pensar em endometriose na primeira consulta diante do quadro típico. Solicitar o exame certo, com mapeamento por compartimentos e não rastreio genérico. Encaminhar a quem tenha treinamento específico para a pesquisa da doença profunda. E registrar que exame negativo não exclui a doença.

A inteligência artificial entra depois desses quatro passos, com valor demonstrado sobretudo na função de segundo leitor, aproximando a leitura de profissionais diferentes. Não há, até aqui, estudo prospectivo mostrando que o uso de IA em imagem de endometriose mude conduta, encurte o tempo até o diagnóstico ou melhore desfecho. Ver mais cedo não virá do algoritmo: virá de quem pensa em endometriose na primeira consulta e de quem sabe fazer o exame. A IA apoia; quem decide é o médico.

Para levar

• O atraso diagnóstico não tem número único: a faixa publicada vai de 0,3 a 12 anos conforme a definição adotada, e o atraso é atribuído primariamente ao médico.
• O ultrassom transvaginal especializado é diagnóstico para o endometrioma e altamente específico para a doença profunda, mas exame negativo não exclui endometriose.
• O melhor resultado publicado de IA nessa área é de concordância entre leitores, não de acurácia, e foi obtido em ressonância, não em ultrassom.
• Diante de qualquer número de IA, pergunte o tamanho do conjunto de teste, se houve validação externa e qual era a prevalência da coorte.
• A literatura de IA em ultrassom de endometriose ainda é pequena e sem validação externa consistente, o que impede recomendação de uso clínico.
• Não existe estudo prospectivo demonstrando mudança de conduta ou de desfecho: a IA apoia; quem decide é o médico.