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 se tornam mais maduros e clinicamente confiáveis, os benefícios da IA na radiologia estão se tornando mais evidentes. Desde a redução da carga de trabalho dos radiologistas, passando pela simplificação dos fluxos de trabalho com base na gravidade dos casos, até a detecção de anomalias sutis, a IA permite que os profissionais de saúde prestem cuidados mais rápidos e precisos, com menos erros.

Estudos destacam o impacto da IA, incluindo relatos de que foi alcançada uma precisão de até 94,4% na detecção de nódulos pulmonares e uma redução de 17% no tempo de leitura dos radiologistas. [1] Esses benefícios da inteligência artificial na radiologia permitem uma análise mais rápida das imagens, uma tomada de decisão mais precisa e um melhor atendimento ao paciente, enfrentando os desafios em ambientes de saúde de alto volume. Esses benefícios permitem uma análise mais rápida das imagens, uma tomada de decisão mais precisa e um melhor atendimento ao paciente, enfrentando os desafios em ambientes de saúde de alto volume.

A sinergia entre inteligência artificial e radiologia marca uma mudança de paradigma, permitindo que os radiologistas trabalhem 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.

OmegaAI™ está ajudando a liderar essa transformação com uma arquitetura nativa da nuvem que oferece suporte a resumos de relatórios gerados por IA, ditado por voz via RADPAIR™ e módulos de explicação de IA integrados para simplificar a geração de relatórios. Os radiologistas podem sinalizar automaticamente achados críticos, extrair estudos anteriores e acionar automações de fluxo de trabalho com ferramentas que não ocupam 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 por imagens, a IA e a radiologia juntas oferecem soluções escaláveis para fluxos de trabalho de inteligência artificial em radiologia. Com ferramentas como o reconhecimento de voz da Augnito™ para documentação clínica, a capacidade do iCAD de avaliar e identificar áreas suspeitas em imagens de mamografia e o envolvimento do paciente habilitado para ChatGPT da Blume, a IA está redefinindo não apenas como os radiologistas interpretam imagens, mas como toda a prática médica se comunica, colabora e presta 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 da imagem médica com eficiência e precisão.

O que é “Inteligência Artificial em Radiologia”?

A inteligência artificial em radiologia refere-se 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 algoritmos de aprendizado profundo para processar grandes quantidades de dados de imagens e identificar anormalidades que podem ser difíceis de detectar a olho nu.

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

Principais recursos da IA na 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 digitalizar milhares de imagens em segundos, sinalizando achados suspeitos para que os radiologistas analisem.
• Integração entre modalidades: a IA é aplicada em vários tipos de imagens, incluindo raios-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 do OmegaAI, como criadores de relatórios baseados em IA, ferramentas de colaboração para radiologistas e automações de fluxo de trabalho personalizáveis, são excelentes exemplos de como a IA está profundamente incorporada em todo o ciclo de vida da imagem.

Como integrar a IA nas práticas de radiologia

A integração bem-sucedida da IA nas práticas de radiologia requer planejamento estratégico, alinhamento clínico e uma parceria sólida com seu provedor de tecnologia. Abaixo está um guia prático para ajudar as práticas de radiologia a adotar a IA de forma a maximizar o impacto e, ao mesmo tempo, apoiar a conformidade, a educação e o sucesso operacional.

1. Avalie a infraestrutura tecnológica atual

Avalie seu ambiente de TI para determinar se ele pode suportar a implementação da IA. Sistemas como PACS, RIS e EHRs devem ser compatíveis com soluções de IA. Considere fatores como interoperabilidade de dados, largura de banda da rede e escalabilidade de armazenamento. A metodologia para integração da ferramenta de IA e suas plataformas tecnológicas 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 a fazer avaliações de infraestrutura e a criar fluxos de trabalho personalizados alinhados com as demandas de imagem. Nossa equipe ajuda a configurar o OmegaAI e o PowerServer para atender 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 é adequada para todos os ambientes. 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. Depois, avalie os fornecedores e as plataformas com base em resultados comprovados, padrões de segurança e facilidade de integração.

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

3. Treine e aprimore sua equipe

A adoção da IA não se resume apenas ao software; trata-se de pessoas. O suporte e o treinamento estruturado para radiologistas, tecnólogos e equipe administrativa são essenciais para construir confiança e conforto com as ferramentas assistidas por IA. Garantir que todos os membros da equipe entendam 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 implementação. Nossa documentação inclui guias do usuário e práticas recomendadas adaptadas a vários fluxos de trabalho.

4. Garantir a privacidade dos dados e a conformidade regulatória

A segurança dos dados dos pacientes é fundamental. Seu fornecedor de IA deve estar em conformidade com a HIPAA, o GDPR e outras normas globais. As soluções da RamSoft são respaldadas por:

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

O Sistema de Gestão da Qualidade da RamSoft é auditado regularmente e garante a conformidade com as regulamentações globais para dispositivos médicos. Isso dá aos clientes confiança na segurança e na confiabilidade da nossa plataforma.

5. Monitorar, avaliar e iterar

A IA deve evoluir com a 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 aproveitam painéis sem código, análises integradas e nossa equipe de suporte para ajustar os fluxos de trabalho e solicitar personalizações à medida que suas necessidades crescem.

Suporte contínuo com o qual você pode contar

O que diferencia uma boa integração de IA é o relacionamento contínuo. A RamSoft oferece suporte global 24 horas por dia, 7 dias por semana, , por meio de várias opções convenientes, incluindo telefone, chat 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 o sucesso duradouro. Seja orientação sobre conformidade, consultoria sobre fluxo de trabalho ou solução de problemas técnicos, estamos aqui para te apoiar em cada etapa do caminho.

Benefícios da integração da IA na radiologia

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

1. Maior precisão diagnóstica

Os sistemas de imagem com IA têm demonstrado 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 com mais de 22.000 mamografias. Ao analisar milhares de imagens em segundos, a IA reduz a chance de diagnósticos errados e sinaliza indicadores sutis que podem não ser imediatamente visíveis ao olho humano.

Essa precisão aprimorada não substitui o julgamento clínico, mas o reforça. Os radiologistas podem usar a IA para validar suas interpretações, melhorando a precisão e a confiança nos diagnósticos, ao mesmo tempo em que reduzem 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 significativo na melhoria da eficiência, automatizando tarefas repetitivas de imagem e minimizando o esforço manual necessário para classificar e triar estudos. Um estudo descobriu que o tempo de leitura pode ser reduzido em 17%, principalmente quando se usa IA para priorizar casos urgentes ou reduzir falsos positivos em mamografias, onde foi observada uma redução de 69% nos falsos positivos. Ferramentas assistidas por IA mostraram que podem reduzir o tempo de interpretação de raios-X do tórax de 11,2 dias para apenas 2,7 dias, mostrando sua capacidade de aumentar a produtividade em ambientes de alto volume.

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

3. Apoio aos radiologistas em casos complexos

A IA funciona como um assistente clínico confiável ao lidar com doenças raras, patologias sobrepostas ou achados ambíguos. Em especialidades como neuroimagem ou oncologia, as ferramentas de IA podem destacar padrões ou anomalias que merecem 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 especialistas em subespecialidades pode ser restrito. Ao melhorar o acesso ao suporte à decisão, a IA ajuda a padronizar o atendimento em diferentes ambientes e garante a consistência na interpretação de imagens.

4. Melhores resultados para os pacientes

Um dos impactos mais poderosos da IA na radiologia é nos resultados dos pacientes. A detecção precoce por meio de imagens assistidas por IA leva a intervenções mais rápidas, especialmente em casos de câncer e doenças cardiovasculares. Isso reduz atrasos no tratamento e aumenta a chance de resultados positivos.

Os pacientes também se beneficiam de um processamento mais rápido das imagens, menos exames desnecessários e maior clareza nos diagnósticos. Como resultado, a ansiedade dos pacientes diminui, a satisfação melhora e os cuidados se tornam mais proativos, em vez de reativos. Ao ajudar os radiologistas a entregar laudos precisos e em tempo hábil, a IA apoia os objetivos mais amplos dos cuidados centrados no paciente.

5. Empoderamento e confiança do radiologista

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

Essa camada adicional de apoio à decisão oferece tranquilidade, especialmente ao revisar estudos de alto risco ou urgentes. Com a IA destacando áreas potenciais 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 reduzir a fadiga e a sobrecarga cognitiva, assumindo tarefas repetitivas e manuais. Isso permite que os radiologistas se concentrem nos aspectos mais significativos do seu trabalho: diagnósticos complexos, colaboração interdisciplinar e comunicação com os pacientes.

Fatores a considerar antes de integrar a IA na radiologia

Apesar dos benefícios claros, integrar a IA na radiologia traz desafios que precisam ser considerados com cuidado. A integração bem-sucedida da IA depende não só da tecnologia em si, mas também da prontidão institucional, infraestrutura, treinamento e alinhamento de longo prazo com os objetivos clínicos. Aqui estão os principais fatores que as clínicas devem avaliar:

1. Altos custos iniciais de configuração

Embora as soluções de IA ofereçam ganhos de eficiência e valor diagnóstico a longo prazo, 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 comunitários, essa barreira financeira pode ser difícil de superar sem financiamento externo ou suporte do fornecedor. As organizações devem considerar implementações em fases ou plataformas de IA baseadas em nuvem, que oferecem mais flexibilidade sem o peso de atualizações extensas 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 dos pacientes é imprescindível, especialmente porque as ferramentas de IA costumam acessar grandes volumes de dados de imagens em diferentes sistemas. É essencial garantir a conformidade com regulamentos de privacidade, como HIPAA, GDPR, PIPEDA e leis locais de soberania de dados. Procure fornecedores de IA que ofereçam criptografia, registros de auditoria e controle de acesso baseado em funções. Auditorias de segurança regulares e protocolos de resposta a incidentes documentados devem ser implementados para gerenciar riscos potenciais.

3. Treinamento e adaptação dos radiologistas

A adoção não se resume à implementação do software; trata-se de capacitar os radiologistas para usá-lo de forma eficaz. Em 2021, apenas 30% dos radiologistas relataram uso clínico da IA, com muitos citando a falta de treinamento e o ceticismo sobre os benefícios reais. A educação em IA deve ir além da integração e incluir oportunidades contínuas de aprendizagem, experimentação e adaptação. 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 desde o início do processo de seleção e implementação também pode melhorar o envolvimento e a confiança.

4. Desafios de integração do sistema

A tecnologia de IA em evolução deve se integrar perfeitamente aos RIS, PACS, EHRs e modalidades de imagem existentes. Soluções mal integradas podem interromper fluxos de trabalho, retardar a geração de relatórios ou aumentar o risco de perda de dados. As clínicas devem avaliar a compatibilidade técnica antecipadamente 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 de dados sem falhas. Também é bom escolher plataformas com APIs abertas ou experiência comprovada em integração.

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

Mesmo os algoritmos de IA mais promissores precisam ser validados em ambientes clínicos reais. A precisão pode variar de acordo com a população de pacientes, diferenças de equipamentos e complexidade dos casos. As equipes de radiologia devem estabelecer referências para avaliar o desempenho contínuo e criar ciclos de feedback para sinalizar inconsistências. Auditorias periódicas, supervisão clínica e painéis de desempenho são importantes para manter padrões elevados 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 leva 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 que incluem o ser humano no processo. Pesquisas mostram que 55,4% dos radiologistas acreditam que relatórios baseados apenas em IA não seriam aceitos pelos pacientes, ressaltando a necessidade de supervisão humana contínua nos relatórios e na comunicação.

O futuro da IA na radiologia

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

Por exemplo, modelos preditivos de IA podem analisar imagens e dados 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 intervir mais cedo, melhorando potencialmente os resultados a longo prazo.

Outra área empolgante é o planejamento cirúrgico assistido por IA, onde insights avançados 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 vai continuar a melhorar os relatórios radiológicos, permitindo uma automação mais inteligente e recomendações mais específicas para cada paciente.

À medida que a IA se torna mais sofisticada, o segredo vai ser garantir que ela complemente — e não substitua — a experiência clínica. O radiologista continuará sendo fundamental para a interpretação e as decisões de tratamento, com a IA como uma aliada poderosa.

Como a RamSoft integra a IA na radiologia?

Na RamSoft, nossa abordagem à inteligência artificial é construída em torno do empoderamento dos radiologistas. Integramos a IA perfeitamente no ecossistema da 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 mais confiança e menos atrito.

IA integrada no núcleo

Nossa plataforma principal, OmegaAI, é um RIS/PACS/VNA nativo da nuvem que incorpora IA em toda a jornada de imagem. Desde a automação inteligente de listas de trabalho até a interpretação de imagens aprimorada por IA, o OmegaAI permite que os consultórios de radiologia encaminhem estudos de forma inteligente, priorizem casos urgentes e automatizem etapas rotineiras.

Por meio do encaminhamento de imagens DICOM e regras personalizáveis, os radiologistas recebem o estudo certo na hora certa, melhorando os tempos de resposta e a eficiência do diagnóstico.

Suporte à decisão e inteligência de relatórios

Usando integrações com inovadores em IA, como Augnito, RADPAIR e Ikonopedia, oferecemos ferramentas que dão suporte à tomada de decisões clínicas:

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

Essas ferramentas ajudam os radiologistas a gerenciar volumes crescentes de imagens, preservando a precisão e a personalização no atendimento.

Integração perfeita do sistema

OmegaAI e PowerServer foram projetados para se integrar perfeitamente aos ambientes PACS, RIS e EHR existentes. Oferecemos suporte a formatos de interoperabilidade padrão, como HL7, DICOM e FHIR, facilitando a integração da IA à sua infraestrutura atual.

Suporte em todas as etapas

Nossos serviços de integração, configuração e suporte são desenvolvidos com base em fluxos de trabalho reais de radiologia. Seja ajudando os clientes a criar automações personalizadas, treinar equipes ou solucionar problemas de integração, 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; a gente oferece IA do mundo real que funciona para radiologistas hoje, enquanto os prepara para o que está por vir.

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

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

Perguntas frequentes 

O que é a integração da IA na radiologia?

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

Por que precisamos da IA na radiologia?

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

Qual é a precisão da IA na 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 de câncer de mama[2] — destacando seu valor como ferramenta de apoio ao diagnóstico.

A radiologia será substituída pela IA?

Não. A IA foi projetada para apoiar, e não substituir, os radiologistas. Ela automatiza tarefas repetitivas e destaca os principais achados, mas o julgamento clínico e a interpretação contextual continuam sendo essenciais.

Qual é o papel da inteligência artificial na radiologia diagnóstica?

A IA melhora a radiologia diagnóstica analisando imagens, sinalizando anormalidades, priorizando casos urgentes e auxiliando na elaboração de relatórios estruturados, tudo isso enquanto apoia o processo de tomada de decisão final 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 achados complexos, entender o contexto do paciente e comunicar os resultados.

Referências

1. Najjar, R. (2023). Redefinindo a radiologia: uma revisão da integração da inteligência artificial na imagem médica. Diagnostics (Basel), 13(17), 2760. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10487271/
   
   
2. Seker, M.E., Koyluoglu, Y.O., Ozaydin, A.N., et al. Diagnostic capabilities of artificial intelligence as an additional reader in a breast cancer screening program. European Radiology. 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 falsas positivas em mamografias: um estudo comparativo retrospectivo usando um CAD baseado em inteligência artificial. J Digit Imaging. 2019;32(4):618–624. doi: 10.1007/s10278-018-0168-6. PMCID: PMC6646646.
   
   
4. Irmici, G., Cè, M., Caloro, E., et al. Radiografia torácica em radiologia de emergência: quais aplicações de inteligência artificial estão disponíveis? Diagnostics (Basileia). 2023;13(2):216. doi: 10.3390/diagnostics13020216. PMCID: PMC9858224.