IA în radiologie: ce arată de fapt dovezile științifice

Puține domenii ale medicinei au primit atâtea produse de inteligență artificială (IA) ca radiologia și puține au fost însoțite de atâtea afirmații exagerate. Pentru un director de spital sau pentru un minister care decide unde să investească, întrebarea utilă nu este dacă IA poate citi imagini. Întrebarea este care utilizări au fost testate în condiții apropiate de practica reală, ce au măsurat aceste teste și ce au lăsat fără răspuns. Acest articol analizează trei domenii propuse adesea primele pentru programele naționale: screeningul mamar, triajul AVC și detectarea nodulilor pulmonari.

Un punct de plecare realist: majoritatea produselor au puține dovezi publicate

O revizie din 2021 publicată în European Radiology a inventariat 100 de produse de IA cu marcaj CE pentru radiologia clinică, de la 54 de furnizori. Pentru 64 dintre ele, autorii nu au găsit nicio dovadă de eficacitate evaluată inter pares. Acolo unde existau dovezi, majoritatea studiilor măsurau acuratețea diagnostică. Doar 18 din cele 100 de produse aveau dovezi la nivelul impactului asupra raționamentului diagnostic, al rezultatelor pentru pacienți sau al costurilor. Piața a crescut de atunci, însă decalajul dintre autorizarea de reglementare și dovada beneficiului clinic rămâne punctul de plecare pentru orice achiziție.

Un marcaj CE sau o autorizare FDA arată că un produs îndeplinește cerințele de siguranță și performanță pentru scopul declarat. Ele nu arată că produsul va îmbunătăți rezultatele într-un anumit spital, pe propriile aparate, cu propria populație de pacienți.

Screeningul mamar: studiul randomizat MASAI

Cele mai solide dovezi pentru IA în radiologie provin din Suedia. Studiul MASAI (Mammography Screening with Artificial Intelligence) a repartizat randomizat femeile din programul național de screening, în patru centre din sud-vestul Suediei, fie la screening asistat de IA, fie la dubla citire standard efectuată de doi radiologi. Sistemul de IA (Transpara 1.7.0) atribuia fiecărei examinări un scor de risc. Examinările cu risc scăzut erau citite de un singur radiolog, iar cele cu riscul cel mai ridicat de doi radiologi, cu zonele suspecte evidențiate. Radiologii au luat fiecare decizie de rechemare.

Rezultatele studiului au fost raportate până acum în trei etape:

• Analiza de siguranță clinică (Lancet Oncology, 2023), pe 80.033 de femei: rata de detectare a cancerului a fost de 6,1 la 1.000 cu sprijinul IA și de 5,1 la 1.000 cu citirea standard, cu rate similare de rezultate fals-pozitive și o reducere cu 44,3% a volumului de muncă pentru citirea mamografiilor.
• Performanța screeningului (Lancet Digital Health, 2025), pe 105.934 de femei: rata de detectare a crescut la 6,4 față de 5,0 la 1.000 (un raport de 1,29). Cancerele suplimentare au fost în principal cancere invazive mici, fără afectarea ganglionilor limfatici, fără o creștere semnificativă a rechemărilor sau a rezultatelor fals-pozitive și cu o reducere de 44,2% a numărului de citiri.
• Criteriul final principal (Lancet, 2026): rata cancerelor de interval, adică a cancerelor diagnosticate între rundele de screening și pe care screeningul nu le-a detectat, a fost de 1,55 față de 1,76 la 1.000. Rezultatul a îndeplinit criteriul de non-inferioritate al studiului. Sensibilitatea a fost mai mare cu sprijinul IA (80,5% față de 73,8%), iar specificitatea a fost aceeași în ambele grupuri (98,5%).

Ce nu ne spune MASAI

MASAI a testat un singur produs de IA într-un singur program de screening care folosește dubla citire, cu radiologi experimentați în imagistica sânului și un sistem de invitare la nivel populațional. Rezultatul cel mai robust este cel privind volumul de muncă: IA poate înlocui în siguranță unul dintre cei doi cititori pentru majoritatea examinărilor. Programele care folosesc deja citirea unică, au echipamente diferite sau deservesc alte populații au nevoie de propria validare. De asemenea, MASAI nu a măsurat mortalitatea, ceea ce ar necesita o urmărire mult mai îndelungată.

AVC: triajul prin IA al ocluziei de vas mare

În accidentul vascular cerebral (AVC) ischemic cauzat de ocluzia unui vas mare (LVO), beneficiul trombectomiei scade rapid odată cu trecerea timpului. Instrumentele de IA care semnalează o suspiciune de LVO pe angiografia CT și alertează telefonic echipa de AVC sunt concepute pentru a accelera fluxul de lucru. Ele nu sunt concepute pentru a înlocui diagnosticul radiologului.

Testul cel mai clar este un studiu randomizat pe clustere, de tip stepped-wedge, desfășurat în patru centre complexe de AVC din Houston și publicat în JAMA Neurology în 2023. Dintre cei 243 de pacienți incluși, cu AVC prin LVO tratați prin trombectomie, activarea detectării automate a LVO împreună cu mesageria securizată de grup a fost asociată cu o reducere cu 11,2 minute a timpului de la sosire până la puncția femurală (door-to-groin) și cu o reducere de 9,8 minute a intervalului de la CT până la începerea tratamentului. Nu a existat nicio diferență în timpii de tromboliză sau în durata spitalizării. Într-o analiză exploratorie, nu a existat o diferență semnificativă în independența funcțională la 90 de zile.

Intervenția testată a fost un software combinat cu un flux de comunicare, astfel încât câștigurile depind în egală măsură de sistemul de alertare și de organizarea echipei, nu doar de algoritm. De asemenea, studiul nu a avut puterea statistică necesară pentru a demonstra rezultate mai bune pentru pacienți. Pentru un sistem de sănătate, argumentul economic pentru IA în AVC se bazează așadar pe un traseu de îngrijire a AVC bine organizat, cu o echipă de trombectomie disponibilă. Fără aceasta, o alertă mai rapidă nu are cui să ajungă.

Nodulii pulmonari: date solide privind acuratețea, date puține privind rezultatele

Screeningul prin CT cu doză redusă la fumătorii cu risc ridicat are dovezi randomizate de beneficiu, independent de IA. În studiul olandezo-belgian NELSON (NEJM, 2020), screeningul a redus mortalitatea prin cancer pulmonar la bărbați cu 24% la zece ani (raport al ratelor 0,76). Screeningul generează volume mari de examinări CT și numeroși noduli mici, ceea ce îl face un candidat evident pentru detectarea asistată de calculator (CADe) și pentru măsurarea nodulilor.

Rezultatele privind acuratețea sunt impresionante. Un model de învățare profundă citat pe scară largă, publicat în Nature Medicine în 2019, a atins o arie sub curbă de 94,4% pe cazurile din National Lung Screening Trial. Atunci când examinările anterioare nu erau disponibile, a depășit performanța a șase radiologi, cu reduceri absolute de 11% ale rezultatelor fals-pozitive și de 5% ale celor fals-negative. Asemenea rezultate provin însă din studii retrospective cu cititori, nu din implementări prospective.

O revizie sistematică din 2026, publicată în European Radiology, privind soluțiile de IA disponibile comercial pentru evaluarea nodulilor pulmonari pe CT, a identificat 95 de studii. Baza de dovezi s-a maturizat: până în 2024, peste o treime dintre studii abordau niveluri superioare, precum raționamentul diagnostic, deciziile terapeutice sau rezultatele pentru pacienți. Totuși, toate studiile incluse prezentau un risc ridicat de eroare sistematică în cel puțin un domeniu, aproape două treimi implicau finanțare sau coautorat din partea furnizorilor, iar dovezile privind rezultatele pentru pacienți și raportul cost-eficacitate rămân limitate.

Cinci condiții pentru o implementare responsabilă

În 2024, societățile de radiologie din SUA, Canada, Europa, Australia și Noua Zeelandă (ACR, CAR, ESR, RANZCR și RSNA) au emis o declarație comună privind dezvoltarea, achiziția, implementarea și monitorizarea instrumentelor de IA. Temele acesteia, împreună cu studiile de mai sus, sugerează o listă practică de verificare:

1. Validare locală înainte de punerea în funcțiune. Testați instrumentul retrospectiv pe propriile aparate, protocoale și populație de pacienți, comparativ cu rapoartele radiologilor și cu rezultatele urmăririi.
2. Radiologul implicat în decizie, prin proiectare. Definiți exact ce face IA, de exemplu triaj, semnalare sau măsurare, și cine validează rezultatul. În MASAI și în studiul privind AVC, clinicienii au luat fiecare decizie.
3. Integrarea în fluxul de lucru. Rezultatele trebuie să apară în PACS și în sistemul de raportare, iar alertele trebuie să ajungă la cineva care poate acționa. Studiul privind AVC a măsurat software-ul împreună cu mesageria, nu software-ul singur.
4. Monitorizare continuă. Performanța se poate degrada odată cu introducerea unor aparate noi, modificarea protocoalelor sau schimbarea structurii cazurilor. Urmăriți continuu ratele de concordanță, rezultatele fals-pozitive și constatările omise, nu doar la momentul achiziției.
5. Alinierea la reglementări. Potrivit Regulamentului UE privind IA (AI Act), sistemele de IA care sunt ele însele dispozitive medicale sau componente de siguranță ale acestora și care necesită evaluarea conformității de către o terță parte sunt clasificate ca fiind cu risc ridicat. În urma modificărilor din 2026 aduse prin pachetul AI Omnibus, aceste obligații se aplică din 2 august 2028. Pentru o țară candidată la aderarea la Uniunea Europeană, achiziționarea unor instrumente care vor îndeplini acest standard evită refacerea ulterioară a lucrurilor.

Ce înseamnă acest lucru pentru Republica Moldova

Republica Moldova efectuează anual aproximativ 350.000–400.000 de investigații CT, RMN și PET-CT, iar imagistica medicală este unul dintre cele cinci domenii de IA ale Programului Național de Digitalizare a Sistemului de Sănătate (2025–2030). Dovezile indică o ordine rațională de implementare. Începeți cu utilizările în care IA a demonstrat că poate reduce în siguranță volumul de muncă sau poate accelera traseele critice în timp, efectuați validarea locală pe date din Republica Moldova și lăsați radiologii să răspundă de fiecare raport.

Două caracteristici ale programului ajută. În primul rând, deoarece datele medicale trebuie să rămână în țară, atât validarea, cât și inferența în producție pot rula pe capacitate de calcul GPU dedicată, găzduită în Republica Moldova. Astfel, imaginile și rapoartele rămân sub jurisdicție națională, iar performanța poate fi monitorizată în raport cu rezultatele locale. În al doilea rând, un program național poate face ceea ce spitalele individuale reușesc rareori: să construiască un set comun și curat de date de validare și să aplice aceleași criterii de acceptare fiecărui instrument înainte ca acesta să ajungă în uz clinic.

Lecturi și soluții conexe

• IA pentru imagistică medicală: CT, RMN și PET-CT
• Importul de echipamente de imagistică medicală
• Infrastructură de IA suverană, on-premise
• Dimensionarea infrastructurii GPU pentru IA în sănătate
• Suveranitatea datelor medicale: GDPR, EHDS și Regulamentul UE privind IA (AI Act)

Planificați un proiect pilot de IA în imagistică sau un studiu de validare? Contactați Import Medical pentru a discuta o implementare bazată pe dovezi în spitalele din Republica Moldova.

IA în radiologie screening mamografic triajul AVC detectarea nodulilor pulmonari validare clinică

Surse

1. Screening performance and characteristics of breast cancer detected in the MASAI trial (Lancet Digital Health, 2025) — The Lancet Digital Health
2. Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading in the MASAI study (Lancet, 2026) — The Lancet
3. Automated Large Vessel Occlusion Detection Software and Thrombectomy Treatment Times: A Cluster Randomized Clinical Trial — JAMA Neurology
4. Scientific evidence of commercial artificial intelligence products for pulmonary nodule assessment on CT scans: a systematic review — European Radiology
5. Artificial intelligence in radiology: 100 commercially available products and their scientific evidence — European Radiology
6. Developing, purchasing, implementing and monitoring AI tools in radiology: practical considerations. A multi-society statement from the ACR, CAR, ESR, RANZCR and RSNA — Journal of Medical Imaging and Radiation Oncology