Descubra os benefícios da inteligência artificial na radiologia

A inteligência artificial (IA) está melhorando a precisão das imagens, simplificando os fluxos de trabalho e gerando melhores resultados para os pacientes. À medida que a demanda por diagnósticos de alta qualidade cresce e os produtos de IA estão se tornando mais maduros e clinicamente confiáveis, os benefícios da IA em radiologia estão se tornando mais aparentes. Desde reduzir a carga de trabalho do radiologista, simplificar os fluxos de trabalho com base na gravidade do caso até detectar anormalidades sutis, a IA capacita os profissionais de saúde a oferecer cuidados mais rápidos e precisos com menos erros.

Estudos destacam o impacto da IA, incluindo relatórios de alcançar até 94,4% de precisão na detecção de nódulos pulmonares e reduzir o tempo de leitura dos radiologistas em 17%. [1] Esses benefícios da inteligência artificial em radiologia permitem uma análise de imagem mais rápida, uma tomada de decisões mais nítida e um melhor atendimento ao paciente, abordando os desafios em ambientes de saúde de alto volume. Esses benefícios permitem uma análise de imagem mais rápida, uma tomada de decisões mais nítida e um melhor atendimento ao paciente, abordando os desafios em ambientes de saúde de alto volume.

A sinergia entre inteligência artificial e radiologia marca uma mudança de paradigma, capacitando os radiologistas a trabalhar de forma mais inteligente. A IA automatiza tarefas repetitivas, como segmentação de imagens, oferece segundas opiniões confiáveis e detecta e destaca padrões sutis, como tumores em estágio inicial que, de outra forma, poderiam passar despercebidos, aumentando a precisão e a confiança do diagnóstico.

Ômega AI™ está ajudando a liderar essa transformação com uma arquitetura nativa da nuvem que suporta resumos de relatórios gerados por IA, ditado por voz via RADPAIR™ e módulos de explicação de IA incorporados para simplificar os relatórios. Os radiologistas podem sinalizar automaticamente descobertas críticas, extrair estudos anteriores e acionar automações de fluxo de trabalho com ferramentas que ocupam pouco espaço, reduzindo o tempo gasto em tarefas manuais e aumentando o foco em casos complexos.

À medida que os sistemas de saúde enfrentam demandas crescentes de imagens, a IA e a radiologia juntas fornecem soluções escaláveis para fluxos de trabalho de inteligência artificial de radiologia. Com ferramentas como o reconhecimento de voz do Augnito™ para documentação clínica, a capacidade do iCAD de avaliar e identificar áreas de suspeita, imagens de mamografia e BlumeCom o engajamento de pacientes habilitado pelo ChatGPT, a IA está redefinindo não apenas a forma como os radiologistas interpretam as imagens, mas como consultórios inteiros se comunicam, colaboram e prestam cuidados. Ao reduzir o esgotamento e permitir o foco em casos complexos, a IA apoia a detecção precoce e intervenções oportunas, garantindo melhores prognósticos e revolucionando o futuro das imagens médicas com eficiência e precisão.

O que é “Inteligência Artificial em Radiologia”?

A inteligência artificial em radiologia se refere ao uso de tecnologias baseadas em IA em imagens médicas para auxiliar na interpretação de exames, apoiar diagnósticos clínicos e melhorar o atendimento geral ao paciente. Em sua essência, a IA em radiologia aproveita o poder do aprendizado de máquina (ML) e dos algoritmos de aprendizado profundo para processar grandes quantidades de dados de imagem e identificar anormalidades que podem ser difíceis de detectar com o olho humano.

Esses algoritmos são treinados em milhares — às vezes milhões — de imagens médicas anotadas, permitindo que eles reconheçam padrões e detectem problemas como tumores, fraturas, nódulos pulmonares e doenças vasculares com alta precisão. Ao analisar dados de imagem complexos em grande escala, a IA serve como um segundo par de olhos, ajudando os radiologistas a melhorar a precisão do diagnóstico e reduzir a supervisão.

Principais características da IA em radiologia:

• Aprendizado de máquina e aprendizado profundo: Permite o reconhecimento de padrões e a detecção avançada de anomalias.
• Análise automatizada de imagens: Os sistemas de IA podem escanear milhares de imagens em segundos, sinalizando descobertas suspeitas para os radiologistas analisarem.
• Integração entre modalidades: A IA é aplicada em vários tipos de imagem, incluindo raio-X, tomografia computadorizada, ressonância magnética, mamografia e ultrassom.
• Adoção crescente: Com o aumento da validação clínica, mais hospitais e centros de imagem estão implementando ferramentas de IA para aumentar a produtividade e os resultados dos pacientes.

Os recursos de IA integrados da OmegaAI, como criadores de relatórios baseados em IA, ferramentas de colaboração de radiologistas e automações de fluxo de trabalho personalizáveis, são excelentes exemplos de como a IA está profundamente incorporada ao ciclo de vida da imagem.

Como integrar a IA às práticas de radiologia

A integração bem-sucedida da IA nas práticas de radiologia exige planejamento estratégico, alinhamento clínico e uma forte parceria com seu fornecedor de tecnologia. Abaixo está um guia prático para ajudar as práticas de radiologia a adotar a IA de uma forma que maximize o impacto e, ao mesmo tempo, apoie a conformidade, a educação e o sucesso operacional.

1. Avalie a infraestrutura tecnológica atual

Avalie seu ambiente de TI para determinar se ele pode oferecer suporte à implementação de IA. Sistemas como PACS, RIS e EHRs devem ser compatíveis com soluções de IA. Considere fatores como interoperabilidade de dados, largura de banda de rede e escalabilidade de armazenamento. A metodologia para integração da ferramenta de IA e suas plataformas de tecnologia também é essencial para operacionalizar os recursos da IA em seu fluxo de trabalho.

Um parceiro de software confiável desempenha um papel fundamental aqui. Na RamSoft, ajudamos os clientes na realização de avaliações de infraestrutura e na criação de fluxos de trabalho personalizados alinhados às demandas de imagem. Nossa equipe ajuda a configurar o OmegaAI e o PowerServer para corresponder às realidades técnicas e clínicas de cada prática, garantindo a prontidão desde o primeiro dia.

2. Escolha as ferramentas de IA e os casos de uso certos

Nem toda ferramenta de IA se adequa a todas as configurações. Comece identificando casos de uso de alto impacto que se beneficiam de ferramentas de IA, como triagem, detecção de anomalias, geração automática de relatórios ou roteamento inteligente. Em seguida, avalie fornecedores e plataformas com base em resultados comprovados, padrões de segurança e facilidade de integração.

As soluções da RamSoft são criadas para se integrarem perfeitamente às modalidades de imagem. Fornecemos ferramentas independentes de fornecedor e conectamos clientes a parceiros de IA, como Augnito, RADPAIR, Ikonopedia, CARPL, iCAD e NewVue, por exemplo, para otimizar a cobertura de casos de uso. Nossas plataformas suportam protocolos de interoperabilidade padrão, incluindo FHIR, DICOM e HL7, para garantir uma troca de dados tranquila em ambientes RIS, PACS e EHR. Esses padrões amplamente adotados também permitem uma fácil integração com soluções de fornecedores terceirizados e ferramentas de IA, permitindo que as práticas criem ecossistemas de imagem flexíveis e prontos para o futuro.

3. Treine e aprimore sua equipe

A adoção da IA não se trata apenas de software; trata-se de pessoas. O suporte e o treinamento estruturado para radiologistas, tecnólogos e funcionários administrativos são essenciais para criar confiança e conforto com ferramentas assistidas por IA. Garantir que cada membro da equipe entenda como usar o sistema de forma eficaz ajuda a maximizar seu valor e promove uma adoção mais suave em todo o fluxo de trabalho de radiologia.

Apoiamos nossos clientes com integração estruturada, tutoriais em vídeo, um portal de suporte e treinamento em tempo real durante a implantação. Nossa documentação inclui guias do usuário e melhores práticas personalizadas para vários fluxos de trabalho.

4. Garanta a privacidade dos dados e a conformidade regulatória

A segurança dos dados do paciente é fundamental. Seu fornecedor de IA deve estar em conformidade com o HIPAA, o GDPR e outros padrões globais. As soluções da RamSoft são apoiadas por:

• Certificação SOC 2 Tipo II
• EM ISO 13485:2016 (MDSAP)
• Liberação FDA 510 (k)
• Conformidade com ICSA, IHE e PIPEDA

Sistema de gerenciamento de qualidade da RamSoft é auditado regularmente e garante a adesão às regulamentações globais de dispositivos médicos. Isso dá aos clientes confiança na segurança e confiabilidade de nossa plataforma.

5. Monitore, avalie e itere

A IA deve evoluir com sua prática. Após a implantação, acompanhe métricas como precisão do diagnóstico, tempo de resposta e satisfação do usuário. Estabeleça ciclos de revisão regulares e garanta que os ciclos de feedback estejam em vigor.

Os clientes da RamSoft utilizam painéis sem código, análises integradas e nossa equipe de suporte para ajustar os fluxos de trabalho e solicitar personalizações à medida que suas necessidades aumentam.

Suporte contínuo com o qual você pode contar

O que diferencia uma boa integração de IA é o relacionamento contínuo. A RamSoft fornece Suporte global 24/7 por meio de várias opções convenientes, incluindo telefone, bate-papo ao vivo, SMS, WhatsApp e um portal de suporte baseado em tickets.

Nossos clientes também se beneficiam de uma biblioteca de recursos abrangente, guias do usuário e atualizações de produtos para garantir um sucesso duradouro. Quer se trate de orientação de conformidade, consultoria de fluxo de trabalho ou solução de problemas técnicos, estamos aqui para ajudá-lo em cada etapa do processo.

Benefícios da integração da IA na radiologia

A integração da IA nas práticas de radiologia oferece benefícios mensuráveis e multifacetados. Esses benefícios da IA em radiologia abrangem precisão diagnóstica, eficiência operacional e qualidade geral do atendimento ao paciente, tornando a IA um facilitador essencial de fluxos de trabalho de imagem mais inteligentes e sustentáveis.

1. Precisão de diagnóstico aprimorada

Os sistemas de imagem de IA demonstraram uma precisão excepcional na identificação de anormalidades em várias modalidades de imagem. Estudos mostraram que os algoritmos de IA podem atingir até 94,4% de AUROC para detecção de nódulos pulmonares e 89,6% para detecção de câncer de mama em grandes conjuntos de dados de mais de 22.000 mamografias. Ao analisar milhares de imagens em segundos, a IA reduz a chance de diagnósticos perdidos e sinaliza indicadores sutis que podem não ser imediatamente visíveis ao olho humano.

Essa precisão aprimorada não substitui o julgamento clínico; ela o reforça. Os radiologistas podem usar a IA para validar suas interpretações, melhorando a precisão do diagnóstico e a confiança nos diagnósticos e reduzindo os falsos positivos. O resultado são decisões mais bem informadas que beneficiam diretamente a segurança do paciente e a qualidade do atendimento.

2. Maior eficiência do fluxo de trabalho

A IA desempenha um papel importante na melhoria da eficiência ao automatizar tarefas repetitivas de imagem e minimizar o esforço manual necessário para classificar e triar estudos. Um estudo descobriu que o tempo de leitura pode ser reduzido em 17%, principalmente ao usar a IA para priorizar casos urgentes ou reduzir os falsos positivos na mamografia, onde um Redução de 69% em falsos positivos foi observado. Foi demonstrado que ferramentas assistidas por IA reduzem os tempos de interpretação da radiografia de tórax de 11,2 dias a apenas 2,7 dias, demonstrando sua capacidade de aumentar a produtividade em ambientes de alto volume.

Com processos repetitivos transferidos para sistemas inteligentes, os radiologistas podem concentrar sua atenção em leituras complexas, consultas e colaborações multidisciplinares; em última análise, aprimorando a qualidade e a eficiência radiológica da prestação de cuidados.

3. Suporte para radiologistas em casos complexos

A IA funciona como um assistente clínico confiável ao lidar com doenças raras, patologias sobrepostas ou descobertas ambíguas. Em especialidades como neuroimagem ou oncologia, as ferramentas de IA podem destacar padrões ou anomalias que exigem uma inspeção mais detalhada. Em vez de oferecer conclusões definitivas, a IA apresenta dados relevantes que ajudam os radiologistas a tomar decisões mais bem informadas.

Esse papel de segunda opinião é particularmente valioso em ambientes rurais ou com recursos limitados, onde o acesso a conhecimentos especializados em subespecialidades pode ser limitado. Ao melhorar o acesso ao suporte à decisão, a IA ajuda a padronizar o atendimento em diferentes ambientes e garante consistência na interpretação de imagens.

4. Melhores resultados para os pacientes

Um dos impactos mais poderosos da IA na radiologia está nos resultados dos pacientes. A detecção precoce por meio de imagens assistidas por IA leva a intervenções precoces, especialmente em cânceres e doenças cardiovasculares. Isso reduz os atrasos no tratamento e aumenta a probabilidade de resultados bem-sucedidos.

Os pacientes também se beneficiam de uma resposta mais rápida das imagens, menos exames redundantes e maior clareza em seus diagnósticos. Como resultado, a ansiedade do paciente é reduzida, a satisfação melhora e o cuidado se torna mais proativo do que reativo. Ao ajudar os radiologistas a fornecer relatórios precisos e oportunos, a IA apoia as metas mais amplas do atendimento centrado no paciente.

5. Capacitação e confiança do radiologista

Em vez de substituir os radiologistas, a IA serve como uma poderosa aliada que aprimora suas capacidades e a confiança na tomada de decisões. Ao auxiliar em tarefas como detecção de anomalias, segmentação de imagens e relatórios clínicos, a IA ajuda os radiologistas a detectar descobertas sutis e reduzir a incerteza diagnóstica, especialmente em casos complexos ou ambíguos.

Essa camada adicional de suporte à decisão fornece segurança, especialmente ao revisar estudos de alto risco ou urgentes. Com a IA destacando possíveis áreas de interesse ou preocupação, os radiologistas podem validar suas descobertas com mais confiança, sabendo que têm um segundo par de olhos digitais.

Em ambientes de alta pressão, a IA também ajuda a mitigar a fadiga e a sobrecarga cognitiva ao assumir tarefas repetitivas e manuais. Isso permite que os radiologistas se concentrem nos aspectos mais significativos de seu trabalho; diagnósticos complexos, colaboração interdisciplinar e comunicação com o paciente.

Fatores a serem considerados antes de integrar a IA na radiologia

Apesar de seus benefícios claros, a integração da IA à radiologia traz desafios que exigem uma análise cuidadosa. A integração bem-sucedida da IA depende não apenas da tecnologia em si, mas também da prontidão institucional, da infraestrutura, do treinamento e do alinhamento de longo prazo com as metas clínicas. Aqui estão os principais fatores que as práticas devem avaliar:

1. Altos custos iniciais de configuração

Embora as soluções de IA ofereçam ganhos de eficiência a longo prazo e valor de diagnóstico, o investimento inicial pode ser substancial. Os custos podem incluir atualização de hardware, integração de software, treinamento de pessoal e personalização de fluxos de trabalho. Para centros de radiologia menores ou baseados na comunidade, essa barreira financeira pode ser difícil de superar sem financiamento externo ou suporte de fornecedores. As organizações devem considerar implementações em fases ou plataformas de IA baseadas em nuvem, que oferecem mais flexibilidade sem a carga de extensas atualizações de infraestrutura.

2. Preocupações com privacidade e segurança de dados

As plataformas de IA na área da saúde devem atender aos mais altos padrões de segurança de dados. Proteger informações confidenciais de pacientes não é negociável, especialmente porque as ferramentas de IA geralmente acessam grandes volumes de dados de imagem em diferentes sistemas. É essencial garantir a conformidade com os regulamentos de privacidade, como HIPAA, GDPR, PIPEDA e leis locais de soberania de dados. Procure fornecedores de IA que ofereçam suporte à criptografia, registros de auditoria e controle de acesso baseado em funções. Auditorias de segurança regulares e protocolos documentados de resposta a incidentes devem estar em vigor para gerenciar riscos potenciais.

3. Treinamento e adaptação de radiologistas

A adoção não se trata apenas de implementar software; trata-se de capacitar os radiologistas a usá-lo de forma eficaz. A partir de 2021, apenas 30% dos radiologistas relataram o uso clínico da IA, com muitos citando falta de treinamento e ceticismo sobre os benefícios do mundo real. A educação em IA deve ir além da integração e incluir oportunidades contínuas de aprender, experimentar e se adaptar. Os radiologistas devem entender como as ferramentas de IA geram resultados, como interpretá-los e onde a supervisão humana continua sendo essencial. Envolver os médicos no início do processo de seleção e implementação também pode melhorar o engajamento e a confiança.

4. Desafios de integração de sistemas

A tecnologia de IA em evolução deve se integrar perfeitamente às modalidades existentes de RIS, PACS, EHRs e imagem. Soluções mal integradas podem interromper os fluxos de trabalho, reduzir a geração de relatórios ou aumentar o risco de perda de dados. As práticas devem avaliar a compatibilidade técnica com antecedência e trabalhar com fornecedores que ofereçam um forte suporte à implementação. Padrões de interoperabilidade como DICOM, HL7 e FHIR devem ser suportados para garantir uma troca perfeita de dados. Também é vantajoso escolher plataformas com APIs abertas ou experiência de integração estabelecida.

5. Garantindo a precisão e a confiabilidade das ferramentas de IA

Até mesmo os algoritmos de IA mais promissores devem ser validados em ambientes clínicos do mundo real. A precisão pode variar com base na população de pacientes, nas diferenças de equipamento e na complexidade do caso. As equipes de radiologia devem estabelecer parâmetros de referência para avaliar o desempenho contínuo e criar ciclos de feedback para identificar inconsistências. Auditorias periódicas, supervisão clínica e painéis de desempenho são importantes para manter altos padrões e melhoria contínua. A IA deve ser vista como uma ferramenta em evolução, não como uma solução estática.

6. Considerações éticas e legais

A IA levanta questões importantes sobre responsabilidade, justiça e transparência. Quem é responsável se uma sugestão baseada em IA levar a um diagnóstico incorreto? Como podemos evitar o viés algorítmico que pode afetar certos grupos de pacientes? Essas preocupações devem ser abordadas por meio de diretrizes de uso claras, conformidade regulatória e princípios de design inovadores. Pesquisas mostram que 55,4% dos radiologistas acreditam que relatórios somente com IA não seriam aceitos pelos pacientes, ressaltando a necessidade de supervisão humana contínua nos relatórios e na comunicação.

Futuro da IA em radiologia

À medida que as tendências da inteligência artificial em radiologia continuam evoluindo, o futuro promete avanços poderosos que vão além da interpretação de imagens. À medida que o campo evolui, espera-se que a IA desempenhe um papel fundamental na análise preditiva, na medicina personalizada e até no planejamento cirúrgico assistido por IA. Essas inovações não apenas simplificarão o diagnóstico, mas também permitirão estratégias proativas de tratamento.

Por exemplo, os modelos preditivos de IA podem analisar dados de imagens e do histórico do paciente para prever o risco de certas condições, como doenças cardiovasculares ou câncer, antes mesmo que os sintomas apareçam. Esse sistema de alerta precoce pode ajudar radiologistas e médicos solicitantes a intervirem mais cedo, potencialmente melhorando os resultados a longo prazo.

Outra área interessante é o planejamento cirúrgico assistido por IA, em que informações avançadas de imagem ajudam a orientar procedimentos minimamente invasivos com maior precisão. Em combinação com imagens em tempo real, a IA pode permitir cirurgias mais seguras e rápidas e uma recuperação mais rápida para os pacientes.

A integração do processamento de linguagem natural e da IA sensível ao contexto também continuará aprimorando os relatórios radiológicos, permitindo uma automação mais inteligente e recomendações mais específicas para pacientes.

À medida que a IA se torna mais sofisticada, a chave será garantir que ela complemente, e não substitua, a experiência clínica. O radiologista permanecerá no centro das decisões de interpretação e cuidados, com a IA como uma poderosa aliada.

Como a RamSoft integra a IA na radiologia?

Na RamSoft, nossa abordagem à inteligência artificial é construída em torno da capacitação de radiologistas. Integramos perfeitamente a IA ao ecossistema de radiologia para melhorar a precisão, acelerar os fluxos de trabalho e reduzir a carga cognitiva. Nosso objetivo é ajudar os profissionais de saúde a fazer mais, com maior confiança e menos atrito.

IA incorporada ao núcleo

Nossa plataforma principal, Ômega AI, é um RIS/PACS/VNA nativo da nuvem que incorpora IA em toda a jornada de geração de imagens. Da automação inteligente da lista de trabalho à interpretação de imagens aprimorada por IA, o OmegaAI permite que as práticas de radiologia encaminhem estudos de forma inteligente, priorizem casos urgentes e automatizem etapas de rotina.

Por meio do roteamento de imagens DICOM e de regras personalizáveis, os radiologistas recebem o estudo certo no momento certo, melhorando os tempos de resposta e a eficiência do diagnóstico.

Suporte à decisão e inteligência de relatórios

Usando integrações com inovadores de IA, como Agnito, REPARAÇÃO DE ESTRADAS, e Iconopédia, oferecemos ferramentas que apoiam a tomada de decisões clínicas:

• Reconhecimento de voz e relatórios estruturados via Augnito simplifique a documentação.
  
  
• Resumos e explicações de relatórios gerados por IA dentro do RADPAIR, reduza o tempo de geração de relatórios e melhore a consistência.
  
  
• Rastreamento automatizado e alertas de lesões de parceiros como a Ikonopedia melhoram a segurança e a precisão do acompanhamento, especialmente na mamografia.
  
  

Essas ferramentas ajudam os radiologistas a gerenciar o aumento dos volumes de imagem, preservando a precisão e a personalização no atendimento.

Integração perfeita do sistema

OmegaAI e Servidor de energia são projetados para se integrarem sem problemas aos ambientes PACS, RIS e EHR existentes. Oferecemos suporte a formatos de interoperabilidade padrão, como HL7, DICOM e FHIR, facilitando a colocação de IA em camadas sobre sua infraestrutura atual.

Apoiado em cada etapa do processo

Nossos serviços de integração, configuração e suporte são desenvolvidos com base em fluxos de trabalho reais de radiologia. Seja ajudando clientes crie automações personalizadas, treine equipes ou solucione problemas de integrações, o suporte global da RamSoft está disponível 24 horas por dia, 7 dias por semana, em várias plataformas, incluindo telefone, chat ao vivo e WhatsApp.

Resumindo, não oferecemos apenas IA; oferecemos IA do mundo real que funciona para radiologistas atualmente, ao mesmo tempo em que os preparamos para o que vem por aí.

Pronto para ver como a IA pode transformar seu fluxo de trabalho de radiologia?

Solicite uma demonstração hoje e descubra o poder do OmegaAI em ação.

Perguntas frequentes

Qual é a integração da IA na radiologia?

A integração da IA em radiologia significa incorporar software inteligente ao fluxo de trabalho de imagem para auxiliar na análise de escaneamento, triagem de casos e geração de relatórios. Essas ferramentas atuam como auxiliares clínicos, auxiliando os radiologistas na tomada de decisões mais rápidas e precisas.

Por que precisamos de IA em radiologia?

A IA ajuda a gerenciar o volume crescente de imagens médicas melhorando a eficiência, reduzindo o erro humano e aumentando a confiança no diagnóstico. Ele permite a detecção precoce de doenças e reduz o tempo de resposta dos relatórios.

Quão precisa é a IA em radiologia?

Estudos demonstraram que a IA pode atingir até 94,4% de precisão na detecção de nódulos pulmonares [4] e mais de 89% na detecção do câncer de mama [2], destacando seu valor como uma ferramenta de diagnóstico de suporte.

A radiologia será substituída pela IA?

Não. A IA foi projetada para apoio, não substitua, radiologistas. Ele automatiza tarefas repetitivas e destaca as principais descobertas, mas o julgamento clínico e a interpretação contextual continuam sendo essenciais.

Qual é o papel da inteligência artificial na radiologia diagnóstica?

A IA aprimora a radiologia diagnóstica analisando imagens, sinalizando anormalidades, priorizando casos urgentes e auxiliando com relatórios estruturados; tudo isso ao mesmo tempo em que apoia o processo final de tomada de decisão do radiologista.

A IA é melhor do que os radiologistas?

A IA não substitui os radiologistas; é uma ferramenta que melhora a velocidade, a precisão e a confiança. A experiência humana é insubstituível quando se trata de interpretar descobertas complexas, entender o contexto do paciente e comunicar resultados.

Referências

1. Najjar, R. (2023). Redefinindo a radiologia: uma revisão da integração da inteligência artificial em imagens médicas. Diagnóstico (Basileia), 13 (17), 2760. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10487271/
   
   
2. Seker, M.E., Koyluoglu, Y.O., Ozaydin, A.N., et al. Capacidades de diagnóstico da inteligência artificial como leitor adicional em um programa de rastreamento do câncer de mama. Radiologia Europeia. 2024; 34:6145 —6157. doi: 10.1007/s00330-024-10661-3.
   
   
3. Mayo, R.C., Kent, D., Sen, L.C., et al. Redução de marcações falso-positivas em mamografias: um estudo retrospectivo de comparação usando um CAD baseado em inteligência artificial. Imagem com dígitos J. 2019; 32 (4) :618—624. doi: 10.1007/s10278-018-0168-6. PMCID: PMC6646646.
   
   
4. Irmici, G., Cè, M., Caloro, E., et al. Radiografia de tórax em radiologia de emergência: quais aplicativos de inteligência artificial estão disponíveis? Diagnóstico (Basileia). 2023; 13 (2) :216. doi: 10.3390/diagnósticos13020216. PMCID: PMC9858224.