Atender um número crescente de pacientes com recursos finitos é um dos grandes desafios dos sistemas de saúde. Na radiologia, essa equação ganha contornos ainda mais complexos: ampliar o acesso aos exames exige equipamentos, infraestrutura, profissionais especializados, sistemas capazes de processar grandes volumes de informação e, cada vez mais, tecnologia para tornar todo esse fluxo mais eficiente.

A China oferece uma perspectiva particularmente interessante para essa discussão. Assim como o Brasil, é um país de dimensões continentais, com uma população numerosa, desigualdades regionais e o desafio de garantir acesso à saúde em um cenário no qual a demanda pode superar a capacidade de atendimento. Durante um programa de formação em técnicas de imagens médicas realizado recentemente no país, foi possível observar como grandes hospitais chineses vêm enfrentando essa questão e qual papel a inteligência artificial ocupa nesse processo.

O primeiro aspecto que chama atenção é a escala. Em um hospital de Xangai com 800 leitos, foi observado agendas de dois minutos para tomografias sem contraste, dez minutos para ressonâncias e metas de até 100 laudos por radiologista ao dia. Em outra instituição, com 3.200 leitos e cerca de 450 mil atendimentos mensais, o mesmo princípio de alta produtividade estava presente nos serviços de imagem. Comparados às médias de produtividade de exames e laudos brasileiros, estamos falando do dobro da capacidade produtiva.

Os números impressionam, mas olhar apenas para eles pode levar à conclusão errada de que o diferencial está na sofisticação dos equipamentos. A tecnologia é parte importante dessa capacidade, mas o que sustenta a escala é um sistema organizado para funcionar de maneira integrada.

Isso aparece desde a infraestrutura física até a forma como pacientes e profissionais circulam pelos serviços. Portas automatizadas, painéis de chamada, disposição dos ambientes e protocolos enxutos reduzem intervalos entre etapas. Há uma lógica clara de fluxo, combinada a uma cultura operacional na qual cada participante conhece seu papel dentro do processo.

É nesse ambiente que a inteligência artificial ganha uma dimensão particularmente relevante.

Na radiologia, estamos acostumados a associar IA principalmente à análise das imagens: identificação de lesões, segmentação de estruturas, realização de medidas ou apoio ao diagnóstico. Essas aplicações continuam fundamentais, mas o que se observa na China aponta para uma evolução importante. A IA começa a participar também da organização do próprio fluxo de trabalho.

Nos serviços visitados, exames de tomografia e ressonância podem ser enviados automaticamente para ferramentas de inteligência artificial antes da avaliação do radiologista. O sistema analisa as imagens, identifica e marca possíveis alterações e disponibiliza sugestões estruturadas para apoiar a elaboração do laudo. Em alguns modelos apresentados durante o programa, a tecnologia também pode contribuir para priorizar casos e construir listas de trabalho considerando achados identificados pela IA, perfil do paciente, características dos profissionais, metas de produtividade e prazos de atendimento.

Essa mudança é mais relevante do que pode parecer.

Ela indica uma passagem da IA como ferramenta pontual para a inteligência artificial como parte de um ecossistema de operação. O sistema deixa de atuar apenas sobre a imagem e passa a conectar informações, organizar tarefas e apoiar decisões ao longo de diferentes etapas da jornada.

Para instituições de saúde, esse movimento traz uma mensagem importante: o potencial da IA não pode ser analisado separadamente dos processos em que ela será incorporada.

Um algoritmo sofisticado não transforma sozinho a capacidade de um serviço. Para gerar impacto real, precisa conversar com sistemas, equipamentos, dados e profissionais. Precisa estar inserido em uma infraestrutura adequada e, sobretudo, em um processo que tenha sido desenhado para aproveitar aquilo que a tecnologia oferece.

A experiência chinesa mostra justamente a força dessa combinação. Automação, padronização e IA aparecem associadas a uma organização operacional orientada para atender grandes volumes. No relato dos profissionais do INRAD que participaram do programa, a percepção foi de que a eficiência observada não decorre de uma solução isolada, mas da integração entre tecnologia, processos, pessoas e infraestrutura.

Ao mesmo tempo, escala e velocidade não podem ser os únicos indicadores de eficiência em saúde.

As visitas foram oportunidades de observação e troca de conhecimento, e não avaliações da qualidade assistencial das instituições. Também foram identificadas diferenças entre alguns fluxos chineses e práticas de segurança já consolidadas no Brasil. Isso reforça outro princípio importante quando analisamos experiências internacionais: aprender com outros modelos não significa reproduzi-los integralmente.

Cada sistema de saúde possui características regulatórias, assistenciais, econômicas e culturais próprias. A pergunta mais produtiva, portanto, não é como importar determinado modelo, mas quais soluções podem ser adaptadas para resolver problemas concretos da nossa realidade.

Para o Brasil, essa discussão é especialmente relevante. Em um sistema de dimensões continentais como o SUS, ampliar capacidade não significa necessariamente apenas instalar mais equipamentos ou aumentar equipes. Há um espaço significativo para melhorar a maneira como recursos, informações e profissionais já disponíveis se relacionam.

Inteligência artificial, automação e integração de dados podem contribuir para reduzir etapas manuais, organizar informações clínicas, apoiar a priorização de casos e tornar o trabalho dos especialistas mais eficiente. Mas seu valor será proporcional à capacidade das instituições de integrar essas ferramentas à assistência de maneira segura e coerente.

No INRAD, diferentes iniciativas de inteligência artificial vêm sendo desenvolvidas justamente com o objetivo de apoiar o atendimento e a produção de laudos. A experiência chinesa acrescenta novas referências a esse trabalho ao permitir observar tecnologias aplicadas na prática e, principalmente, em ambientes submetidos a uma demanda extremamente elevada.

Talvez esse seja o principal aprendizado da radiologia em escala: inovação não está apenas em incorporar novas tecnologias, mas em construir um ambiente no qual elas consigam efetivamente melhorar a operação e ampliar a capacidade dos profissionais.

A inteligência artificial terá um papel cada vez maior nesse cenário. Seu impacto, porém, não será medido apenas pela precisão de um algoritmo. Será medido também pela capacidade de transformar fluxos, conectar sistemas e permitir que instituições atendam mais e melhor.

Para países que enfrentam o desafio permanente de ampliar o acesso à saúde, essa pode ser uma das aplicações mais relevantes da tecnologia.

*Cleiton Caldeira é Diretor de Infraestrutura, Tecnologia e Inovação do INRAD HCFMUSP.