Estudo com Large Language Models converte 1.102 laudos de tomografia de tórax em formato estruturado, validação por 12 radiologistas, e competição entre mais de 168 submissões
Uma pesquisa da Universidade Federal de Alagoas avançou no uso de IA em laudos radiológicos ao transformar textos livres de tomografia de tórax em dados estruturados, prontos para sistemas digitais.
O trabalho avalia modelos de linguagem de grande escala, com foco na padronização e interoperabilidade, buscando facilitar auditoria, pesquisa e integração em prontuários eletrônicos.
Os resultados, e a premiação como Melhor Artigo no Simpósio Brasileiro de Computação Aplicada à Saúde, mostram possibilidades reais de apoio à prática radiológica, conforme informação divulgada pela Gazeta Nordestina.
O desafio da padronização em laudos
Na rotina clínica, laudos em texto livre variam entre profissionais e instituições, o que dificulta leitura uniforme e processamento automático. A falta de padronização impacta auditorias, vigilância e pesquisas.
Em português, o problema é ampliado pela menor disponibilidade de ferramentas de processamento de linguagem natural otimizadas para o idioma, tornando a busca por soluções de IA em laudos radiológicos uma prioridade para serviços de saúde.
Como a pesquisa converte texto em JSON
O estudo da Ufal testou Large Language Models para organizar automaticamente campos como tipo de exame, técnica usada, achados radiológicos e impressão diagnóstica em um formato JSON, preservando a terminologia do radiologista.
Foram analisados 1.102 laudos reais e anonimizados, com o modelo extraindo informações padronizadas que podem ser lidas e reaproveitadas por sistemas computacionais, reduzindo a variabilidade dos documentos.
Validação e reconhecimento científico
A validação incluiu avaliação qualitativa por 12 radiologistas e análise comparativa quantitativa, apontando que a estruturação automatizada é viável mesmo sem treinamento específico dos modelos.
O trabalho, que integra a linha do grupo Icad, venceu a trilha principal do SBCAS 2026 entre mais de 168 submissões, em um evento com taxa de aceitação geral de aproximadamente 35%, consolidando o reconhecimento nacional da iniciativa.
Resultados, limitações e próxima etapa
Os LLMs mostraram desempenho consistente em campos padronizados dos laudos, mas encontraram desafios em partes mais descritivas, como achados incidentais, o que indica caminhos para aprimoramento.
A proposta da equipe é que a IA em laudos radiológicos auxilie o trabalho humano, tornando informações mais organizadas, reutilizáveis e interoperáveis, sem substituir o radiologista.
Aplicações práticas podem incluir melhor integração com prontuários eletrônicos, suporte a pesquisas em saúde pública e maior eficiência na atenção, especialmente no sistema público.
