ImagemMedica.com

Da Matriz ao Diagnóstico: O Impacto da Inteligência Artificial no Processamento de Imagens Médicas

2026-07-10T23:06:28.331-03:00

O projeto "Física Médica em Foco", uma iniciativa da Comissão de Área de Física Médica da Sociedade Brasileira de Física (SBF), promove uma série de diálogos dedicados à valorização e discussão dos avanços científicos e desafios da área na saúde e na sociedade.

Em um episódio recente, o Prof. Paulo Costa, coordenador da comissão e docente da USP, e a Prof.ª Mariana Zanc Tonel, pesquisadora da Universidade Franciscana (UFN), receberam a Prof.ª Ana Maria Marques da Silva. Com uma trajetória de destaque, Ana Maria é doutora em física pela USP, docente do programa de pós-graduação em radiologia da Faculdade de Medicina da USP e diretora tesoureira da SBF, trazendo sua vasta experiência em informática médica e análise de dados para o debate.

O tema central da palestra, intitulada "Quando os Pixels Falam", explora como a transição para os equipamentos digitais transformou a detecção de sinais em uma matriz matemática de números, os pixels. A ideia fundamental apresentada é que os pixels, quando analisados em conjunto e em sua relação mútua, transmitem informações biológicas e clínicas que vão muito além da simples visualização visual, funcionando como uma fonte rica de dados para o diagnóstico moderno.

Durante a apresentação, foram detalhados diversos tópicos sobre o processamento digital de imagens, que envolve o uso de álgebra e ferramentas computacionais para operações como ajuste de brilho, contraste e realce de interfaces.

A palestrante explicou que técnicas mais sofisticadas, como a redução de ruído por meio de transformadas de Fourier, permitem atuar no domínio da frequência para melhorar a qualidade da imagem antes ou depois da reconstrução tomográfica.

Outro ponto crucial abordado foi a segmentação de imagens, processo que delimita órgãos ou regiões de interesse, evoluindo de métodos manuais laboriosos para algoritmos de Machine Learning e Deep Learning que, embora automatizem a tarefa, ainda exigem supervisão humana devido à diversidade anatômica.

A palestra também aprofundou o conceito de Radiômica, descrita como uma "fala sofisticada" dos pixels, onde características de forma, textura e homogeneidade são convertidas em atributos matemáticos, como a entropia. Esses dados permitem identificar se um tumor é espiculado ou arredondado, auxiliando na determinação da malignidade de forma quantitativa. Além disso, foi discutida a capacidade da Inteligência Artificial em revelar padrões invisíveis ao olho humano, permitindo, por meio de estudos longitudinais, prever a resposta de um paciente a tratamentos específicos, como a imunoterapia, com base em características sutis extraídas das imagens originais.

A Prof.ª Ana Maria destacou que o físico médico deve ser responsável pelo comissionamento e teste regular dos softwares de IA, garantindo que os algoritmos não "alucinem" e que mantenham a performance em bancos de dados locais com imagens reais de pacientes. Além da garantia da qualidade, esse profissional assume um novo papel na curadoria de dados e na análise quantitativa, sendo essencial para lidar com as incertezas dos modelos preditivos e para integrar equipes multidisciplinares que traduzem a "língua dos pixels" para a medicina de precisão.

Para compreender profundamente como essas tecnologias estão moldando o futuro da saúde e os novos horizontes da profissão, convidamos todos a assistir ao conteúdo completo da palestra no canal da Sociedade Brasileira de Física no YouTube. É uma oportunidade imperdível para estudantes e profissionais explorarem os desafios da harmonização de dados e a evolução da física médica em solo nacional

A Inteligência Artificial na Saúde: Do Diagnóstico por Imagem à Medicina de Precisão

2026-05-10T23:56:00.002-03:00

A revolução tecnológica que vivemos hoje tem o seu epicentro na área da saúde, onde a Inteligência Artificial (IA) deixou de ser uma promessa futurista para se tornar um pilar fundamental da medicina moderna. Atualmente, o setor de saúde é responsável pela geração de aproximadamente 30% de todo o volume de dados do mundo, o que cria o cenário ideal para o treinamento de modelos de aprendizado de máquina (BAJWA et al., 2021).

No campo da radiologia e da imagenologia, essa transformação é particularmente profunda, uma vez que o processamento de imagens médicas representa a aplicação líder da IA na atualidade (TORRES; WERMELINGER; FERREIRA, 2025). É importante compreender que a IA não deve ser encarada como uma substituta para o olhar atento do radiologista ou do técnico, mas sim como uma ferramenta de amplificação e aumento, focada em melhorar a eficiência e a eficácia da interação entre o profissional e o paciente (BAJWA et al., 2021).

O avanço tecnológico permitiu a transição de sistemas antigos, baseados em regras rígidas, para os modelos de aprendizado profundo, conhecidos como Deep Learning. Dentro dessa categoria, as Redes Neurais Convolucionais (CNNs) são as verdadeiras especialistas em processar dados que possuem uma estrutura de grade, como as imagens médicas (TORRES; WERMELINGER; FERREIRA, 2025). Essa capacidade técnica traduz-se em benefícios reais à beira do leito: entre 2015 e 2020, mais da metade dos dispositivos baseados em IA aprovados para uso médico nos Estados Unidos e na Europa destinavam-se à radiologia (BAJWA et al., 2021). Na prática, esses algoritmos atuam como um "segundo leitor" incansável, auxiliando na detecção de patologias que poderiam passar despercebidas ao olho humano em rotinas exaustivas.

Os números demonstram o impacto direto na segurança do paciente. Em programas de rastreamento de câncer de mama, por exemplo, o auxílio da IA permitiu que radiologistas detectassem 17,6% mais tumores precoces sem que isso aumentasse a taxa de falsos positivos (BAJWA et al., 2021). Na detecção de pneumonia em radiografias de tórax, modelos de IA já demonstram desempenho equivalente ou superior ao de especialistas (KHAN et al., 2026). Além do diagnóstico, a automação de medições quantitativas — como o cálculo da fração de ejeção em ecocardiogramas ou a segmentação de lesões cerebrais em ressonâncias magnéticas — libera o profissional de tarefas manuais repetitivas, permitindo que ele foque em interpretações clínicas complexas e no cuidado direto ao ser humano (BAJWA et al., 2021).

Além da precisão técnica, a IA está redefinindo a eficiência operacional dos hospitais e clínicas. Estudos apontam que a integração dessas ferramentas pode reduzir o erro diagnóstico de 22% para 12%, uma queda de 45% que salva vidas (BORKAR; DE, 2025). A tecnologia ajuda os clínicos a superar vieses cognitivos comuns, como o fechamento prematuro, que ocorre quando se aceita um diagnóstico antes de considerar todas as possibilidades (BORKAR; DE, 2025). Além disso, sistemas de triagem inteligente em departamentos de emergência otimizam o fluxo de pacientes, reduzindo tempos de espera e garantindo que casos críticos sejam priorizados com agilidade (AIWERIOGHENE; OSUCHUKWU, 2025).

Contudo, este novo horizonte traz desafios éticos que não podem ser ignorados. Um dos principais pontos de debate é o problema da "caixa preta", que se refere à dificuldade de entender como algoritmos complexos chegam a certas decisões (AZIZ et al., 2024). Por isso, a comunidade científica defende a IA Explicável (XAI), que busca tornar os sistemas mais transparentes e compreensíveis para os profissionais de saúde (AZIZ et al., 2024). Também é vital garantir a privacidade dos dados sensíveis dos pacientes e lutar contra possíveis vieses algorítmicos que poderiam perpetuar disparidades no atendimento a minorias (NKRUMAH; ENGMANN; ADU-MANU, 2025).

Olhando para o futuro, caminhamos para uma "simbiose humano-IA", onde a tecnologia trabalhará silenciosamente em segundo plano, integrando dados de exames de imagem, informações genéticas e registros eletrônicos para oferecer uma medicina de precisão verdadeiramente personalizada (KHAN et al., 2026). Assim podemos prever que no futuro teremos uma assistência à saúde que seja preventiva e focada na dignidade humana, garantindo que a inovação tecnológica sirva para aproximar, e não afastar, o profissional de seu paciente (GORELIK et al., 2025).

Como o conteúdo de hoje foi um pouco mais técnico, preparamos um pequeno glossário para ajudar a compreender alguns termos:

Algoritmos de "Caixa Preta": Refere-se a sistemas de IA cujos processos internos de decisão são tão complexos que humanos não conseguem explicar exatamente por que o computador chegou a um resultado específico;.
CNN (Redes Neurais Convolucionais): Um tipo de inteligência artificial inspirada no cérebro humano, altamente especializada em "enxergar" e identificar padrões em imagens e fotografias médicas
.Deep Learning (Aprendizado Profundo): Uma técnica avançada onde o computador aprende sozinho através de várias camadas de processamento, sendo excelente para lidar com grandes volumes de dados complexos
.EHR (Registro Eletrônico de Saúde): A versão digital do prontuário do paciente, que reúne todo o seu histórico médico, exames e tratamentos de forma integrada
.IA Explicável (XAI): Uma área da tecnologia que busca criar sistemas de IA capazes de justificar suas decisões de forma clara para que médicos e pacientes possam confiar no resultado
.NLP (Processamento de Linguagem Natural): Tecnologia que permite que os computadores entendam, interpretem e até escrevam textos em linguagem humana, como notas médicas e relatórios de enfermagem

Bibliografia

AFSHAR, M. et al. Deployment of real-time natural language processing and deep learning clinical decision support in the electronic health record: pipeline implementation for an opioid misuse screener in hospitalized adults. JMIR Medical Informatics, v. 11, e44977, 2023. Disponível em: https://doi.org/10.2196/44977.

AIWERIOGHENE, E. M.; OSUCHUKWU, V. C. The Role of Artificial Intelligence in Healthcare Quality Improvement: A Scoping Review and Critical Appraisal of Operational Efficiency, Patient Outcomes, and Implementation Challenges. Hospitals, v. 2, n. 4, 27, 2025. Disponível em: https://doi.org/10.3390/hospitals2040027.

AZIZ, N. A. et al. Explainable AI in Healthcare: Systematic Review of Clinical Decision Support Systems. medRxiv, 2024. Disponível em: https://doi.org/10.1101/2024.08.10.24311735.

BAJWA, J. et al. Artificial intelligence in healthcare: transforming the practice of medicine. Future Healthcare Journal, v. 8, n. 2, p. e188-e194, 2021. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC8285156/.

BORKAR, S. R.; DE, A. Artificial Intelligence in Internal Medicine: A Study on Reducing Diagnostic Errors and Enhancing Efficiency. European Journal of Cardiovascular Medicine, v. 15, n. 9, p. 105-111, 2025. Disponível em: https://doi.org/10.61336/ejcm/25-09-19.

EGUIA, H. et al. Clinical Decision Support and Natural Language Processing in Medicine: Systematic Literature Review. Journal of Medical Internet Research, v. 26, e55315, 2024. Disponível em: https://doi.org/10.2196/55315.

GORELIK, A. J. et al. Ethics of AI in healthcare: a scoping review demonstrating applicability of a foundational framework. Frontiers in Digital Health, v. 7, 1662642, 2025. Disponível em: https://doi.org/10.3389/fdgth.2025.1662642.

KHAN, S. N. et al. Multi-modal AI in precision medicine: integrating genomics, imaging, and EHR data for clinical insights. Frontiers in Artificial Intelligence, v. 8, 1743921, 2026. Disponível em: https://doi.org/10.3389/frai.2025.1743921.

NKRUMAH, I. P.; ENGMANN, F.; ADU-MANU, K. S. Ethical AI in Healthcare: A Comprehensive Review Addressing Privacy, Security, and Fairness. Ethics in Progress, v. 16, n. 2, p. 31-64, 2025. Disponível em: https://doi.org/10.14746/eip.2025.2.2.

TORRES, D. R.; WERMELINGER, E. D.; FERREIRA, A. P. Aplicação da Inteligência Artificial na Atenção Primária à Saúde: revisão de escopo e avaliação crítica. Saúde em Debate, v. 49, n. 145, e10070, 2025. DOI: https://doi.org/10.1590/2358-2898202514510070P.

Alerta: Foram utilizadas as ferramentas Claude e NotebookLM para análise de dados e revisão do conteúdo. O infográfico foi produzido pela ferramenta Gemini. Houve supervisão humana em todas as atividades.

Hospital brasileiro usa IA para detectar casos graves no raio-X em menos de 2 minutos

2026-04-14T16:17:00.017-03:00

Inteligência Artificial & Radiologia

Ferramenta desenvolvida no Hospital de Clínicas de Porto Alegre analisa automaticamente exames de tórax e coloca os casos mais graves na frente da fila — sem tirar o médico da decisão final.

Imagine que você chega a um pronto-socorro com dor no peito e falta de ar. O médico solicita um raio-X. O exame é realizado em poucos minutos — mas, em um grande hospital universitário, centenas de outros pacientes fizeram o mesmo pedido naquele dia. Seu exame entra em uma fila. Pode ser que ele só seja avaliado pelo radiologista horas depois, mesmo que a imagem mostre algo urgente.

Esse é um problema real, e um hospital brasileiro encontrou uma solução inovadora para enfrentá-lo.

O problema das filas invisíveis na radiologia

O Hospital de Clínicas de Porto Alegre (HCPA), vinculado à Universidade Federal do Rio Grande do Sul (UFRGS), realiza em média 3.500 exames de raio-X de tórax por mês — o tipo de exame de imagem mais solicitado tanto no hospital quanto na medicina em geral. O raio-X de tórax é rápido, seguro e extremamente útil: permite visualizar os pulmões, o coração e outras estruturas do tórax, identificando alterações que muitas vezes ainda não apresentam sintomas ao paciente.

O problema está no que acontece depois da imagem ser capturada. Os laudos radiológicos eram organizados segundo critérios administrativos, como a origem do pedido (ambulatório, pronto-socorro, internação) ou o tipo de exame. Com isso, um paciente com pneumonia grave poderia estar esperando na mesma fila que outro cujo raio-X não mostrava nenhuma alteração.

3.500 raios-X de tórax
por mês no HCPA

100 exames analisados
por dia pelo PrioScan

< 2 min tempo médio de
análise por exame

A solução: PrioScan, a IA que triaga imagens

Para resolver esse gargalo, o Serviço de Física Médica e Radioproteção do HCPA, chefiado pelo físico Alexandre Bacelar, desenvolveu em parceria com a startup brasileira NeuralMind uma ferramenta chamada PrioScan.

O PrioScan é um sistema de apoio à decisão médica baseado em Inteligência Artificial. Ele analisa automaticamente as imagens de raio-X de tórax assim que são geradas e as classifica em três níveis de prioridade, de acordo com critérios definidos pela equipe médica. Com isso, o radiologista passa a ver primeiro os casos mais críticos — em vez de seguir uma ordem puramente administrativa.

"A ferramenta analisa a imagem, identifica achados relevantes com base em critérios definidos pelos profissionais e classifica os exames em três níveis de prioridade. Assim, o especialista radiologista vai olhar esses laudos prioritários mais rápido do que olhava antes, e vai entregar um diagnóstico para o médico que solicitou o exame."

— José Mendes, Físico de Imagem, Serviço de Física Médica e Radioproteção do HCPA

P1 Prioridade Alta Achados críticos que exigem avaliação imediata pelo radiologista

P2 Prioridade Moderada Alterações relevantes que requerem atenção em curto prazo

P3 Baixa Prioridade Exames sem achados críticos, seguem fluxo convencional

Como a IA funciona: imagem + dados clínicos

O que torna o PrioScan particularmente sofisticado é seu funcionamento multimodal — ou seja, ele não analisa apenas a imagem, mas também as informações clínicas registradas pelo médico no momento da solicitação do exame.

Quando um médico pede um raio-X, ele anota os sintomas do paciente — tosse, dor no peito, falta de ar, entre outros. O sistema processa esses dados textuais em conjunto com a imagem, atribuindo pesos diferentes a cada informação. Uma tosse isolada, por exemplo, recebe menos peso do que sinais de disfunção respiratória ou dor no peito. Com base nessa combinação, a IA cruza achados radiológicos e quadro clínico para gerar a classificação de prioridade.

Fluxo de análise do PrioScan

Raio-X realizado

→

IA analisa imagem + dados clínicos

→

Classifica em 3 prioridades

→

Radiologista avalia por urgência

Treinada com mais de 500 mil exames do próprio hospital

Um ponto crucial de qualquer sistema de IA na saúde é a qualidade dos dados de treinamento. O PrioScan foi desenvolvido usando inicialmente mais de 500 mil exames para o aprimoramento geral do algoritmo, seguidos de ajustes finos com 10 mil e depois 40 mil imagens do próprio HCPA.

Esse processo de treinamento localizado é fundamental. Permite que o sistema aprenda não apenas padrões gerais de doenças pulmonares e cardíacas, mas também as variações epidemiológicas específicas da instituição e da região — e até diferenças na linguagem usada nos laudos médicos do próprio hospital.

"Os dados são públicos, mas são de origem da nossa instituição pública, a UFRGS."

— Prof. Maurício Saueressig, Departamento de Cirurgia, UFRGS

Privacidade garantida: tudo dentro do hospital

O PrioScan foi desenvolvido em conformidade com a Lei Geral de Proteção de Dados (LGPD). Todo o processamento ocorre em infraestrutura local, sem envio das imagens para a nuvem. Os exames são transmitidos de forma anonimizada por meio do sistema Orthanc PACS — um padrão internacional para gerenciamento de imagens médicas — analisados pela IA e devolvidos com a classificação de prioridade, sem que dados identificáveis saiam do ambiente hospitalar.

A IA substitui o radiologista?

Não. Essa é uma questão importante e merece resposta direta. O PrioScan é um sistema de apoio à decisão — ele organiza a fila, mas não emite laudos. O radiologista continua sendo o responsável por analisar cada imagem e assinar o laudo. O que muda é que os casos mais urgentes chegam mais cedo à sua mesa.

ⓘ Regulação e validação

O desenvolvimento segue as diretrizes éticas do Conselho Federal de Medicina (CFM), que reconhece o uso de IA como suporte à prática médica, desde que o profissional mantenha a responsabilidade técnica sobre o diagnóstico.

A ferramenta ainda deverá passar pela avaliação da Agência Nacional de Vigilância Sanitária (Anvisa) antes de ser adotada plenamente. A previsão de submissão à validação clínica formal é até o final de 2026.

Impacto potencial no SUS e além

Os desenvolvedores ressaltam que o PrioScan tem potencial de replicação no Sistema Único de Saúde (SUS), podendo ser expandido para hospitais regionais e unidades de atenção primária — contextos onde a escassez de radiologistas e a sobrecarga de exames são ainda mais pronunciadas.

Ao priorizar os casos críticos, a ferramenta também pode contribuir para altas hospitalares mais rápidas e redução da superlotação — dois problemas crônicos do sistema de saúde brasileiro. Segundo o físico de imagem Guilherme Garcia, o sistema é escalável para outras modalidades, como tomografia computadorizada e ressonância magnética.

O que a ciência internacional diz sobre isso?

A experiência do HCPA não é isolada. A literatura científica internacional, consultada via PubMed, já documenta iniciativas semelhantes, com resultados promissores — e com importantes lições aprendidas.

Um estudo publicado em 2022 por Sim et al. na revista Healthcare descreveu a implantação de um modelo de deep learning para triagem de pneumonias em raios-X de tórax durante a pandemia de COVID-19 em Singapura. O sistema atingiu uma área sob a curva ROC (AUC) de 0,95, especificidade de 97% e sensibilidade de 79%, com redução de 22% no tempo de emissão de laudos após a implantação. (DOI: 10.3390/healthcare10010175)

Outro estudo, publicado em 2026 no BMJ Open, avaliou como o ajuste de limiares de decisão em modelos de IA para raio-X afeta o desempenho em triagem de atenção primária, concluindo que a calibração é essencial e deve envolver ativamente as equipes de radiologia e clínica. (DOI: 10.1136/bmjopen-2025-111127)

No Reino Unido, o projeto RADICAL (BMJ Open, 2024) avaliou o software de IA qXR da Qure.ai para priorizar raios-X com suspeita de câncer de pulmão no NHS da Escócia. (DOI: 10.1136/bmjopen-2023-081062)

Nem tudo, porém, é simples. Um estudo no European Journal of Radiology (2021) mostrou que, apesar de um algoritmo de deep learning para tromboembolismo pulmonar funcionar tecnicamente, não houve redução significativa nos tempos de laudo ou tratamento — indicando que a tecnologia precisa vir acompanhada de redesenho dos fluxos de trabalho clínicos para gerar impacto real. (DOI: 10.1016/j.ejrad.2021.109816)

O financiamento: ciência pública a serviço da saúde pública

A iniciativa surgiu a partir de um edital da Financiadora de Estudos e Projetos (Finep), vinculada ao Ministério da Ciência, Tecnologia e Inovação (MCTI). A combinação de financiamento público com a expertise tecnológica da NeuralMind e o conhecimento clínico do HCPA ilustra um modelo de inovação replicável: a ciência financiada pelo Estado gerando soluções para os desafios do sistema público de saúde.

O que esperar do futuro

O PrioScan ainda está em fase de testes clínicos, com previsão de submissão à validação formal e à Anvisa até o final de 2026. Se aprovado e expandido, pode representar um avanço significativo na forma como o Brasil usa tecnologia para tornar o diagnóstico por imagem mais rápido, justo e eficiente.

Em um país continental, com enorme desigualdade de acesso a especialistas, ferramentas como essa têm o potencial de fazer a diferença entre um diagnóstico feito a tempo — e um feito tarde demais.

Referências Bibliográficas

CHAUDHARY, P. et al. Enabling real-time tuberculosis detection in hospital radiology through scalable actor-learner architectures for distributed deep reinforcement learning. The Indian Journal of Tuberculosis, v. 72, Suppl 3, p. S138–S144, 2025. Disponível em: https://doi.org/10.1016/j.ijtb.2025.10.009. Acesso em: 14 abr. 2026.
DEL GAIZO, A. J. et al. Deep learning to detect intracranial hemorrhage in a national teleradiology program and the impact on interpretation time. Radiology: Artificial Intelligence, v. 6, n. 5, p. e240067, 2024. Disponível em: https://doi.org/10.1148/ryai.240067. Acesso em: 14 abr. 2026.
DUNCAN, S. F. et al. Radiograph accelerated detection and identification of cancer in the lung (RADICAL): a mixed methods study to assess the clinical effectiveness and acceptability of Qure.ai artificial intelligence software to prioritise chest X-ray (CXR) interpretation. BMJ Open, v. 14, n. 9, p. e081062, 2024. Disponível em: https://doi.org/10.1136/bmjopen-2023-081062. Acesso em: 14 abr. 2026.
HOSPITAL DE CLÍNICAS DE PORTO ALEGRE (HCPA). HCPA utiliza ferramenta de IA para analisar exames de raio-X e priorizar o atendimento de casos graves. Porto Alegre: UFRGS, 31 mar. 2026. Disponível em: https://www.ufrgs.br/site/noticias/hospital-de-clinicas.... Acesso em: 14 abr. 2026.
SCHMUELLING, L. et al. Deep learning-based automated detection of pulmonary embolism on CT pulmonary angiograms: no significant effects on report communication times and patient turnaround in the emergency department nine months after technical implementation. European Journal of Radiology, v. 141, p. 109816, 2021. Disponível em: https://doi.org/10.1016/j.ejrad.2021.109816. Acesso em: 14 abr. 2026.
SIM, J. Z. T. et al. Diagnostic performance of a deep learning model deployed at a national COVID-19 screening facility for detection of pneumonia on frontal chest radiographs. Healthcare (Basel), v. 10, n. 1, p. 175, 2022. Disponível em: https://doi.org/10.3390/healthcare10010175. Acesso em: 14 abr. 2026.
SIM, J. Z. T. et al. How threshold customisation affects the performance of a multiclass X-ray AI model for primary care triage: a retrospective study. BMJ Open, v. 16, n. 2, p. e111127, 2026. Disponível em: https://doi.org/10.1136/bmjopen-2025-111127. Acesso em: 14 abr. 2026.

Chernobyl 40 anos depois: o que sabemos sobre os impactos na saúde

2026-04-03T17:58:00.002-03:00

Era madrugada quando tudo mudou. No dia 26 de abril de 1986, enquanto a maioria das pessoas dormia na cidade de Pripyat, na então União Soviética — hoje Ucrânia —, o reator número 4 da usina nuclear de Chernobyl explodiu. Não foi um raio, não foi uma guerra. Foi um experimento que deu errado, uma sequência de decisões humanas equivocadas, e um projeto de reator com falhas que ninguém havia corrigido a tempo. Em questão de segundos, a história do mundo foi dividida em antes e depois.

Ver essa foto no Instagram

Um post compartilhado por ImagemMedica.com (@imagemmedica_com)

O reator de Chernobyl era de um modelo soviético chamado RBMK, que combinava grafite como moderador e água como refrigerante. O problema é que esse desenho era perigosamente instável em situações de baixa potência. Naquela noite, os operadores realizavam um teste de segurança, mas desligaram sistemas de proteção manualmente e deixaram o reator operando no pior estado possível. A reação em cadeia fugiu do controle, gerando uma explosão a vapor que arrancou a tampa de concreto do reator — uma estrutura de mais de mil toneladas — e expôs o núcleo radioativo diretamente ao ar. O fogo que se seguiu no grafite do reator durou dez dias. Por dez dias, partículas radioativas foram lançadas para a atmosfera, carregadas pelo vento sobre a Ucrânia, a Bielo-Rússia, a Rússia, e detectadas por toda a Europa e no hemisfério norte. Mais de cem elementos radioativos foram liberados, entre eles iodo-131, césio-137, estrôncio-90 e plutônio.

Os primeiros a pagar o preço foram os que estavam mais perto. Dos seiscentos trabalhadores presentes na usina naquela madrugada, cento e trinta e quatro receberam doses altíssimas de radiação e desenvolveram a chamada Síndrome de Irradiação Aguda — uma resposta devastadora do organismo à exposição intensa e rápida à radiação. Vinte e oito deles morreram nos primeiros três meses, a maioria de falência da medula óssea, segundo o estudo de Mettler e colaboradores publicado na revista Health Physics. Treze pacientes receberam transplantes de medula óssea, mas quase todos faleceram — não apenas pela destruição da medula, mas pelas queimaduras profundas causadas pela radiação beta, que abriam feridas extensas na pele e permitiam que infecções avançassem sem defesa alguma.

Nas semanas e meses seguintes, o governo soviético convocou centenas de milhares de pessoas para tentar conter o desastre. Eles ficaram conhecidos como os "liquidadores" — trabalhadores, militares e voluntários que foram limpar o local contaminado, construir o sarcófago de concreto sobre o reator destruído e tentar recuperar o que restava. Ao todo, cerca de seiscentas mil pessoas receberam o título de liquidador. Os primeiros duzentos mil, que trabalharam entre 1986 e 1987, foram os mais expostos, recebendo doses médias de radiação de aproximadamente cem millisieverts — alguns chegando a quinhentos. Era um sacrifício silencioso, feito em grande parte sem que esses homens e mulheres soubessem exatamente a que risco estavam se expondo.

Entre todos os elementos liberados pelo acidente, um se tornaria o principal responsável pelos efeitos sobre a saúde das gerações seguintes: o iodo-131. Esse isótopo radioativo tem uma característica traiçoeira — a glândula tireoide o absorve como se fosse iodo comum, acumulando radiação diretamente no tecido. As doses individuais na tireoide chegaram a valores extraordinariamente altos, e a principal via de contaminação foi o consumo de leite de vacas que pastavam em áreas contaminadas. Se a população tivesse sido orientada a parar de consumir leite fresco logo nas primeiras horas após o acidente — algo que a omissão soviética impediu — boa parte dessa exposição poderia ter sido evitada, como apontam os estudos de Drozdovitch (2021) e de Schlumberger e Le Guen (2012). O resultado foi um aumento dramático nos casos de câncer de tireoide, especialmente entre crianças. Pelo menos 1.800 casos documentados foram diagnosticados em pessoas que tinham entre zero e quatorze anos quando o acidente ocorreu — um número muito acima de qualquer expectativa para esse tipo de tumor em crianças.

É aqui que a medicina por imagem entrou como uma das ferramentas mais importantes da resposta ao desastre. Programas de rastreamento em massa foram implementados na Ucrânia, Bielo-Rússia e Rússia utilizando principalmente a ultrassonografia da tireoide, um exame sem radiação, de baixo custo e altamente sensível, capaz de identificar nódulos suspeitos em populações inteiras. Complementada pela cintilografia tireoidiana e pela punção aspirativa guiada por ultrassom, essa estratégia de imagem foi responsável pela detecção precoce da grande maioria dos casos. O resultado foi uma taxa de cura que chegou a noventa e nove por cento. Sem imagem, sem rastreamento; sem rastreamento, mortes evitáveis. O acidente de Chernobyl transformou a tireoide num órgão emblemático da medicina nuclear e da ultrassonografia — e ainda hoje orienta protocolos de resposta em emergências radiológicas.

Os efeitos sobre a saúde, porém, foram além da tireoide. Estudos de longo prazo revisados por Hatch e Cardis (2017) [DOI: 10.1007/s10654-017-0303-6] mostraram que os liquidadores apresentaram aumento no risco de cânceres hematológicos — como leucemia — e evidências, ainda em investigação, de maior incidência de doenças cardiovasculares e cerebrovasculares. Também foram encontrados casos de catarata relacionados à exposição, mesmo em doses relativamente baixas — uma descoberta que preocupa, inclusive, os próprios profissionais que trabalham com imagens médicas, especialmente radiologistas intervencionistas que acumulam exposição ao longo de anos. Kamiya e colaboradores, em importante revisão publicada no Lancet (2015) [DOI: 10.1016/S0140-6736(15)61167-9], reforçaram que pessoas expostas à radiação na infância têm risco maior de desenvolver câncer ao longo de toda a vida. Uma questão que permanece aberta — e com implicações profundas para a proteção radiológica — é se existe alguma dose mínima verdadeiramente segura, ou se qualquer nível de exposição carrega algum risco, por pequeno que seja.

No que diz respeito às gerações seguintes, os dados são, surpreendentemente, mais tranquilizadores. Estudos amplos, incluindo análises de sequenciamento do genoma completo em filhos de liquidadores, não confirmaram transmissão de efeitos hereditários para a próxima geração. Para as crianças expostas ainda no útero, contudo, a situação é diferente: a revisão de Benotmane e Trott (2023) [DOI: 10.1080/09553002.2023.2283088] mostra que a radiação pode interferir no desenvolvimento fetal e aumentar o risco de leucemia e câncer na infância, sem evidências claras de um limiar de dose abaixo do qual os efeitos desaparecem.

Mas há uma dimensão do desastre que a ciência demorou mais para reconhecer: o adoecimento psicológico. O estudo de Viel e colaboradores (1997) [DOI: 10.1289/ehp.97105s61539], realizado com liquidadores letões, mostrou que trabalhar próximo ao reator por períodos prolongados aumentava significativamente o risco de transtornos mentais e psicossomáticos. Suicídios, alcoolismo, depressão e ansiedade crônica foram registrados em taxas alarmantes entre liquidadores e populações atingidas — não apenas pelo trauma da exposição, mas pelo medo, pela incerteza e, sobretudo, pela falta de informação confiável. Rahu (2003) [DOI: 10.1016/s0959-8049(02)00764-5] analisou como o segredo soviético e a proliferação de rumores criaram um terreno fértil para o terror coletivo — e como o medo da radiação, muitas vezes maior do que o risco real, tornou-se em si uma causa de adoecimento. Uma lição que ecoa até hoje: transparência na comunicação de risco salva vidas tanto quanto qualquer intervenção médica.

A questão do número total de mortes causadas por Chernobyl continua sendo um dos debates mais delicados da ciência e da política. A UNSCEAR registrou trinta mortes diretas nas primeiras semanas e estima que a maioria dos liquidadores foi exposta a doses que, embora relevantes, não garantem certeza de consequências. O Fórum de Chernobyl, liderado pela AIEA e pela OMS, estimou até quatro mil mortes por câncer ao longo das décadas. Outros grupos chegaram a projeções muito mais altas. A dificuldade é genuína: como distinguir, em populações de milhões de pessoas, os cânceres causados pela radiação daqueles que teriam surgido de qualquer forma? É um problema metodológico real, não uma conspiração de silêncio — embora a falta de transparência soviética nos primeiros anos tenha, sem dúvida, agravado essa incerteza.

Fisicamente, o reator destruído foi coberto primeiro por um sarcófago de concreto erguido em condições heroicas em apenas seis meses — e depois, em 2016, por uma nova estrutura metálica em arco deslizante, financiada por países europeus e do G7. Com 108 metros de altura e projetada para durar cem anos, a chamada Nova Arca de Confinamento é uma das maiores estruturas móveis já construídas pela humanidade. O reator ainda existe. A radiação ainda existe. A zona de exclusão de trinta quilômetros ao redor da usina permanece, embora a natureza — ironicamente — tenha avançado sobre ela, transformando a área em um refúgio de vida selvagem.

O legado de Chernobyl para a medicina e para a ciência é imenso e contraditório. O acidente fortaleceu a radioepidemiologia, criando coortes de estudo únicas que ainda hoje informam as normas globais de proteção radiológica. Revolucionou o uso da imagem médica em situações de desastre. Mudou os padrões de segurança de usinas nucleares em todo o mundo. Demonstrou o custo humano da desinformação — e ensinou que o impacto psicológico de uma catástrofe pode ser tão devastador quanto seus efeitos biológicos diretos. E, talvez mais do que tudo, lembrou ao mundo que a tecnologia, por mais poderosa que seja, nunca está acima do erro humano.

Quase quarenta anos depois, o estudo de Chernobyl continua. Cada novo artigo científico acrescenta uma peça a um quebra-cabeça ainda incompleto — sobre os limites da biologia humana, sobre doses baixas de radiação, sobre resiliência coletiva e sobre o que acontece quando uma sociedade decide que algumas verdades são inconvenientes demais para ser ditas. Chernobyl não foi só um acidente nuclear. Foi um espelho.

Visite as bibliografias e conheça mais sobre o assunto:

Hatch M, Cardis E. Somatic health effects of Chernobyl: 30 years on. Eur J Epidemiol. 2017;32(12):1047–1054. https://doi.org/10.1007/s10654-017-0303-6
Mettler FA, Gus'kova AK, Gusev I. Health effects in those with acute radiation sickness from the Chernobyl accident. Health Phys. 2007;93(5):462–469. https://doi.org/10.1097/01.HP.0000278843.27969.74
Drozdovitch V. Radiation Exposure to the Thyroid After the Chernobyl Accident. Front Endocrinol. 2021;11:569041. https://doi.org/10.3389/fendo.2020.569041
Schlumberger M, Le Guen B. Nuclear-power-plant accidents: thyroid cancer incidence and radiation-related health effects from the Chernobyl accident. Med Sci (Paris). 2012;28(8-9):746–756. https://doi.org/10.1051/medsci/2012288017
Samet JM et al. Gilbert W. Beebe Symposium on 30 Years after the Chernobyl Accident. Radiat Res. 2017;189(1):5–18. https://doi.org/10.1667/RR14791.1
Kamiya K et al. Long-term effects of radiation exposure on health. Lancet. 2015;386(9992):469–478. https://doi.org/10.1016/S0140-6736(15)61167-9
Rahu M. Health effects of the Chernobyl accident: fears, rumours and the truth. Eur J Cancer. 2003;39(3):295–299. https://doi.org/10.1016/s0959-8049(02)00764-5
Benotmane MA, Trott KR. Epidemiological and experimental evidence for radiation-induced health effects in the progeny after exposure in utero. Int J Radiat Biol. 2023;100(9):1264–1275. https://doi.org/10.1080/09553002.2023.2283088
Viel JF et al. Risk factors for long-term mental and psychosomatic distress in Latvian Chernobyl liquidators. Environ Health Perspect. 1997;105(Suppl 6):1539–1544. https://doi.org/10.1289/ehp.97105s61539

Inteligência Artificial na Medicina Nuclear: avanços, riscos e responsabilidade

2026-03-25T04:49:00.003-03:00

A Inteligência Artificial (IA) vem transformando rapidamente a área da saúde, e a Medicina Nuclear está entre os campos que mais têm se beneficiado dessas inovações. No entanto, junto com os avanços tecnológicos, surgem também desafios importantes que ainda recebem pouca atenção, especialmente quando se trata da segurança e confiabilidade dos sistemas utilizados na prática clínica.

No episódio do Café Nuclear, essa discussão ganha destaque ao explorar tanto as oportunidades quanto os riscos associados ao uso da IA. Atualmente, algoritmos já são amplamente aplicados na reconstrução e melhoria de imagens, na redução de ruídos, na detecção de lesões, na otimização de fluxos de trabalho e até no apoio ao planejamento terapêutico. Esses recursos têm o potencial de aumentar significativamente a precisão dos diagnósticos e a eficiência dos processos, trazendo benefícios diretos para pacientes e profissionais. Ainda assim, o uso dessas ferramentas exige cautela.

Um dos principais pontos abordados é o fenômeno conhecido como “alucinações” da IA, que ocorre quando algoritmos produzem resultados incorretos, interpretações equivocadas ou até informações completamente falsas, muitas vezes com aparência convincente. Na Medicina Nuclear, esse tipo de falha pode ter consequências sérias, como erros diagnósticos, planejamento terapêutico inadequado e problemas em cálculos de dosimetria. Isso reforça a importância de não se confiar cegamente nos sistemas automatizados.

Diante desses riscos, torna-se essencial adotar estratégias rigorosas de validação e controle de qualidade. Isso inclui a realização de testes com dados independentes, o monitoramento contínuo do desempenho dos modelos, auditorias frequentes e a integração da revisão por especialistas. Nesse contexto, a IA deve ser encarada como uma ferramenta de apoio, e não como substituta do julgamento clínico.

O papel dos profissionais é, portanto, central nesse processo. Tanto o físico médico quanto o médico nuclear são responsáveis por avaliar criticamente os resultados gerados pelos algoritmos, garantir que os sistemas estejam devidamente validados e interpretar as informações dentro do contexto clínico adequado. Além disso, cabe a esses profissionais promover uma cultura de segurança, ética e responsabilidade no uso da tecnologia.

Assista ao episódio completo e não deixe de se inscrever no Café Nuclear

Evento Gratuito: Participe do Intensivão de Anatomia Radiológica do Instituto Cimas

2026-03-11T16:59:00.001-03:00

Para você que atua ou estuda na área de imagem, o Instituto Cimas de Ensino promoverá um evento imperdível para o aprimoramento técnico: o Intensivão de Anatomia, focado especificamente em Anatomia Radiológica Comparada do Crânio e Face.

Este evento é uma oportunidade única para revisar e aprofundar conhecimentos sobre as estruturas anatômicas da cabeça, integrando diferentes modalidades diagnósticas como Raios-X (RX), Tomografia Computadorizada (TC) e Ressonância Magnética (RM)

A abordagem comparada permite que o profissional compreenda melhor como as mesmas estruturas são visualizadas em diferentes tecnologias, elevando o padrão de qualidade dos exames e laudos.

Confira os detalhes principais para se programar:

Data: Terça-feira, 17 de março de 2026
Horário: Início às 18h40
Formato: O evento será transmitido ao vivo e online, permitindo a participação de profissionais de qualquer localidade
Valor: A participação é totalmente gratuita
Certificado: o certificado poderá ser adquirido posteriormente, se o participante assim desejar.

Para garantir sua vaga e não perder o acesso, o processo de inscrição envolve a verificação de sua caixa de e-mails (incluindo spam e promoções) para o recebimento dos links das aulas. Além disso, a organização recomenda a entrada em um grupo exclusivo do WhatsApp para o envio de informações e lembretes, além do acompanhamento pelas redes sociais do Instituto Cimas (@institutocimas)

Esta página não possui conflitos de interesse com a instituição organizadora e divulga o material como utilidade pública para a comunidade.

Webinar da Red LAPRAM discute como a comunicação pode fortalecer a cultura de proteção radiológica

2026-03-08T22:44:00.004-03:00

A comunicação em saúde tem um papel cada vez mais importante na prática das ciências radiológicas. Explicar exames, reduzir o medo dos pacientes e promover uma cultura de segurança são desafios presentes no dia a dia de radiologistas, tecnólogos e técnicos em radiologia.

Esse será o tema do Seminario Web 108 da Red LAPRAM (Red Latinoamericana de Protección Radiológica en Medicina), intitulado “Comunicar para proteger: el papel de la divulgación en la cultura de protección radiológica”, que será apresentado por María Elena Herrero Martín.

📅 Data: 20 de março de 2026 (sexta-feira)

🕔 Horário: 17h (hora da Espanha)

🕛 Horário em Brasília: 13h

🔗 Inscrições: https://lnkd.in/em_pGQuh

O webinar propõe discutir como a divulgação científica e a comunicação visual podem ajudar a:

reduzir a ansiedade dos pacientes antes de exames e procedimentos;
desmistificar o uso da radiação na medicina;
melhorar o diálogo entre profissionais e pacientes;
fortalecer a cultura de segurança nos serviços de radiologia.

Na prática clínica, muitas dúvidas dos pacientes surgem da falta de informação clara. Quando os profissionais conseguem explicar de forma simples por que um exame é necessário e como a radiação é utilizada de forma segura, o nível de confiança aumenta e o cuidado com o paciente se torna mais completo.

A convidada do evento, María Elena Herrero Martín, é Técnica Superior em Imagen para el Diagnóstico y Radioterapia (TSID/TSRT) e possui mais de 20 anos de experiência internacional em radiologia, tendo atuado na Espanha, Itália e Arábia Saudita.

María Elena possui Mestrado em Técnicas de Neuroimagem pela Universidade de Málaga, especialização em Radiologia Intervencionista e também realizou estudos universitários em Sociologia (Saúde e Políticas Demográficas) na Universidade de Salamanca.

Atualmente, ela é responsável pela Área Internacional da SEGRA (Sociedad Española de Graduados y Técnicos en Radiología) e atua na formação clínica e linguística de profissionais da saúde, desenvolvendo programas educacionais para ambientes hospitalares e acadêmicos.

Além disso, é fundadora do projeto @interRadiologia, uma iniciativa dedicada à divulgação científica em radiologia, com foco na alfabetização radiológica da população e na promoção da cultura de segurança.

Curso "Cateterismo Cardíaco do Diagnóstico ao Tratamento"

2026-03-05T10:19:00.004-03:00

O avanço da cardiologia contemporânea exige que os profissionais da saúde estejam em constante atualização, especialmente em áreas críticas como a hemodinâmica, que desempenha um papel central no diagnóstico e tratamento de patologias cardíacas. Nesse contexto, a capacitação técnica e o raciocínio clínico estruturado tornam-se indispensáveis para garantir a precisão dos procedimentos e, acima de tudo, a segurança do paciente dentro do laboratório de cateterismo. O curso "Cateterismo Cardíaco do Diagnóstico ao Tratamento", desenvolvido pela Siemens Healthineers, surge como uma oportunidade estratégica para enfermeiros, técnicos e tecnólogos em radiologia, além de biomédicos, que buscam evoluir com segurança e embasamento técnico na área.

As principais características desta formação incluem uma abordagem prática e objetiva, estruturada em uma sessão ao vivo de 2h30 no dia 23 de abril de 2026, via Microsoft Teams. O programa abrange desde os fundamentos da fisiopatologia e a organização da sala de hemodinâmica até temas altamente especializados, como técnicas e projeções aplicadas ao cateterismo, anatomia cardíaca e coronariana, e estratégias atuais de intervenção. Um diferencial importante para os profissionais de radiologia é o foco em radioproteção e otimização de dose, pilares essenciais para uma prática responsável e qualificada. Além disso, os participantes serão conduzidos por instrutores especialistas com vasta experiência clínica e sólida vivência em ambientes de alta complexidade.

Para garantir o aproveitamento e a certificação, o curso exige a conexão ao vivo em pelo menos 80% da carga horária, oferecendo ainda a facilidade de acesso à gravação por um mês na plataforma Academy para revisão do conteúdo. Com um investimento acessível e a possibilidade de parcelamento, a iniciativa visa democratizar o conhecimento técnico avançado, preparando o profissional para apoiar decisões clínicas com mais confiança no ambiente intervencionista. O curso está condicionado ao número mínimo de 14 participantes, incentivando a colaboração e o compartilhamento da oportunidade entre colegas da área.

Para saber mais, acesse a plataforma Sympla.

Esta página não possui conflitos de interesse com a empresa organizadora e divulga o material como utilidade pública, visando o aprimoramento técnico dos profissionais de saúde e a disseminação de boas práticas na radiologia médica.

Cursos de Radiologia e Radioterapia 100% Online

2026-02-23T09:46:00.003-03:00

Se você é estudante ou profissional da área da saúde e deseja fortalecer seus conhecimentos em imagens médicas, existem excelentes oportunidades de capacitação que podem ajudar a reforçar a base teórica, atualizar conteúdos e enriquecer o currículo. O melhor: todos os cursos são 100% online, permitindo que você estude no seu próprio ritmo, de forma flexível e acessível.

O curso de Radiologia Básica é indicado para quem está iniciando na área ou deseja revisar conceitos fundamentais. Com nível básico, carga horária que varia de 10 a 120 horas e 12 módulos, ele aborda princípios essenciais para a compreensão dos exames de imagem e da rotina nos serviços de radiologia.
Acesse em: https://adequacursos.com.br/curso/saude-e-medicina/radiologia-basica

Já o curso de Radioterapia Básica também possui nível introdutório, carga horária de 10 a 120 horas e é dividido em 15 módulos. Ele é ideal para quem deseja entender os fundamentos da radioterapia, suas aplicações clínicas e os cuidados envolvidos no tratamento, ampliando os conhecimentos especialmente na área oncológica.
Acesse em: https://adequacursos.com.br/curso/enfermagem/radioterapia-basica

Outra opção importante é o curso de Biossegurança na Radiologia, que conta com 13 módulos e carga horária entre 10 e 120 horas. Ele apresenta conceitos essenciais sobre segurança e proteção radiológica, fundamentais para garantir uma atuação responsável e segura nos serviços de diagnóstico por imagem.
Acesse em: https://onlinecursosgratuitos.com.br/curso/seguranca-e-protecao/biosseguranca-na-radiologia?utm_source=chatgpt.com

É importante destacar que os cursos são gratuitos para estudo. A certificação é opcional e pode ter custo adicional, de acordo com a plataforma. Investir em qualificação é sempre um diferencial para quem busca crescimento profissional. Aproveite a oportunidade para aprimorar seus conhecimentos e se destacar na área de imagens médicas. 📚✨

[Vídeo] Por que Hiroshima é habitável e Chernobyl não?

2026-02-13T16:58:00.001-03:00

Se uma bomba nuclear destruiu Hiroshima em 1945, por que a cidade é totalmente habitável hoje, enquanto Chernobyl — onde nenhuma bomba caiu — continua sendo uma área abandonada quase 40 anos depois?

Essa comparação parece fazer sentido à primeira vista, mas na verdade é um dos erros mais comuns (e mais enganadores) que circulam pela internet. Ela aparece com frequência em discussões sobre energia nuclear, muitas vezes para distorcer fatos ou negar a ciência por trás do tema.

Neste vídeo, o canal Matematizei explica essa diferença com calma e clareza, usando apenas ciência, física nuclear e dados históricos — sem ideologia, sem conspirações. A ideia é trocar o “achismo” por entendimento de verdade e mostrar por que esses dois eventos, apesar de parecerem parecidos, foram completamente diferentes.

Assista o vídeo completo também no YouTube

[Vídeo] Por que o Reator de Fukushima Explodiu Mesmo Estando Desligado?

2026-02-04T13:36:00.002-03:00

Neste vídeo do canal Matematizei, o assunto é Fukushima — mas sem complicação. A ideia é explicar, de forma clara e acessível, o que realmente aconteceu em um dos maiores acidentes nucleares da história e por que nem mesmo um país altamente preparado conseguiu evitar o desastre.

O vídeo mostra que desligar um reator não significa que tudo para imediatamente e como uma sequência de decisões difíceis, somadas a falhas no gerenciamento do risco, acabou levando ao chamado station blackout. Também fica claro por que Fukushima foi bem diferente de Chernobyl: em vez de um evento súbito, foi um colapso lento, marcado por atrasos, incertezas e processos físicos extremos. Ao longo do caminho, você vai entender o papel do zircônio, a formação de hidrogênio e por que as explosões vistas na TV não foram nucleares, mas químicas.

Assista o vídeo completo no YouTube

DMBA: o atlas 3D mais detalhado já criado do cérebro de camundongos

2025-12-15T03:41:00.001-03:00

Entender como o cérebro funciona depende, entre muitas coisas, de ter mapas detalhados que mostrem sua estrutura de forma clara e comparável entre diferentes estudos. No caso dos ratos, que são amplamente utilizados como modelos em pesquisas biomédicas e neurocientíficas, seria natural imaginar que já existisse um atlas tridimensional completo e preciso do cérebro — mas até recentemente isso não era verdade. Muitos dos atlas clássicos eram baseados em cortes bidimensionais, sofriam distorções ao remover o cérebro do crânio ou não tinham resolução suficiente para observar detalhes microscópicos relevantes. Foi exatamente essa lacuna que motivou a criação do Duke Mouse Brain Atlas (DMBA), apresentado no artigo de Mansour e colaboradores

Seu navegador não suporta a tag de vídeo HTML5.

O DMBA representa um avanço significativo porque combina duas tecnologias poderosas: a ressonância magnética de alta resolução aplicada em cérebros fixados ainda dentro do crânio, evitando distorções, e a light sheet microscopy (microscopia de folha de luz, em tradução livre), capaz de revelar células individuais e estruturas microscópicas após técnicas de clareamento do tecido. Ao unir esses métodos, os autores construíram um atlas tridimensional extremamente detalhado, cobrindo desde a estrutura macroscópica até níveis próximos ao celular.

Um dos destaques do estudo é a aquisição de imagens por difusão com resolução de 15 micrômetros, a mais alta já reportada para esse tipo de abordagem em cérebros de camundongos. Esses dados permitem visualizar camadas corticais, limites entre núcleos, trajetos de fibras e outros elementos que normalmente só poderiam ser vistos em histologia tradicional. Além disso, a equipe registrou as imagens ao esqueleto craniano por meio de microtomografia computadorizada (micro-CT), identificando marcos anatômicos clássicos como bregma e lambda, muito utilizados em cirurgias estereotáxicas. Isso torna o atlas compatível com procedimentos experimentais reais, algo que não era possível com outros atlas amplamente usados.

A light sheet microscopy (microscopia de folha de luz, em tradução livre) complementa essas informações ao fornecer dados sobre a distribuição de diferentes tipos de células e proteínas, usando até 17 marcadores distintos. Depois de registradas no mesmo espaço estereotáxico definido pelas imagens de ressonância, essas imagens corrigem distorções causadas por processos de extração, clareamento e coloração dos tecidos, o que normalmente gera variações importantes no tamanho e no formato das estruturas. Com isso, as imagens reconstruídas podem ser comparadas diretamente entre diferentes animais, diferentes métodos e diferentes laboratórios.

Outro resultado importante é a criação de mapas de conectividade em super-resolução utilizando track-density imaging, técnica que gera representações extremamente detalhadas das vias de substância branca. Combinada à alta resolução espacial e angular dos dados de difusão, essa abordagem produziu aquele que é, segundo os autores, o conectoma mais detalhado de um cérebro de camundongo já disponibilizado.

Além disso, todo o conjunto de dados — incluindo volumes completos de MRI, microscopias, rótulos anatômicos e grades estereotáxicas — foi organizado seguindo padrões FAIR e disponibilizado publicamente. Qualquer pesquisador, estudante ou laboratório pode acessar e baixar o atlas no portal CIVMImageSpace, mantido pela Duke University. O endereço para acesso ao DMBA é: https://civmimagespace.civm.duhs.duke.edu/ , onde os usuários podem visualizar os dados diretamente pelo navegador usando a ferramenta Neuroglancer ou selecionar arquivos específicos para download, incluindo versões de alta ou baixa resolução, dependendo da necessidade e da capacidade computacional. O conjunto completo soma cerca de 13 terabytes, mas o site permite explorar os conteúdos antes do download, tornando o processo mais eficiente.

O trabalho de Mansour e colaboradores representa um marco na integração de diferentes tecnologias de imagem e promete facilitar pesquisas em neuroanatomia, conectividade, neuroimagem e manipulação genética. Para estudantes e pesquisadores, o DMBA é não apenas um mapa, mas também uma plataforma que favorece a comparação entre estudos e aproxima diferentes escalas de investigação no cérebro.

Leia o trabalho completo em: MANSOUR, Harrison et al. The Duke Mouse Brain Atlas: MRI and light sheet microscopy stereotaxic atlas of the mouse brain. Science Advances, v. 11, eadq8089, 30 abr. 2025, disponível em https://doi.org/10.1126/sciadv.adq8089.

Do Portátil ao Photon-Counting: As Inovações Que Estão Redefinindo a Tomografia Computadorizada

2025-12-08T00:30:00.001-03:00

A tomografia computadorizada (TC) é um dos exames de imagem mais importantes da medicina moderna, usada para investigar desde traumas até doenças complexas. Nos últimos anos, essa tecnologia tem avançado numa velocidade impressionante, trazendo melhorias que tornam os exames mais rápidos, mais precisos e até mais seguros. No editorial assinado por Cynthia H. McCollough , Masahiro Jinzaki e Hatem Alkadhi , publicado no British Journal of Radiology, os autores destacam como o futuro da TC já está acontecendo, impulsionado por uma série de inovações tecnológicas.

Um dos primeiros avanços comentados pelos autores é a TC com dupla energia, uma técnica que existe há décadas, mas que só recentemente se tornou mais prática no dia a dia. Segundo o editorial, ela tem ganhado espaço porque permite diferenciar materiais dentro do corpo com mais precisão — como iodo, cálcio ou tipos específicos de cálculos renais — ajudando em diagnósticos de doenças vasculares, litíase e inflamações ósseas.

McCollough, Jinzaki e Alkadhi também destacam o crescimento das TCs portáteis, inicialmente usadas apenas em UTIs e centros cirúrgicos. Hoje, já existem versões instaladas até em ambulâncias, o que agiliza o diagnóstico de AVCs e reduz o tempo até o tratamento. Em locais com poucos recursos, elas podem ser decisivas para salvar vidas.

Outro ponto importante citado pelos autores é a expansão das salas híbridas, que combinam TC com fluoroscopia e outros métodos de imagem. Essa integração permite procedimentos guiados com mais precisão e eficiência, oferecendo ao médico uma combinação poderosa de imagens tridimensionais detalhadas e visualização em tempo real.

Uma inovação curiosa apresentada no editorial é a TC em posição ereta. Diferente da TC tradicional — feita com o paciente deitado — essa nova abordagem permite observar como a anatomia muda sob efeito da gravidade. Assim, doenças funcionais que não aparecem em exames convencionais podem finalmente ser identificadas.

O editorial também ressalta o impacto crescente da inteligência artificial (IA). Os autores explicam que a IA já auxilia no planejamento do exame, no posicionamento do paciente e até na automatização de parâmetros, tornando o processo mais rápido e menos suscetível a erros. A maior revolução do momento, porém, é a TC com detectores de contagem de fótons (photon-counting CT). Conforme descrevem McCollough e colegas, essa tecnologia oferece imagens mais nítidas, melhor resolução espacial e ainda reduz a dose de radiação — tudo ao mesmo tempo. Além disso, ela viabiliza análises espectrais avançadas sem aumentar o tempo de exame. As aplicações abrangem cardiologia, neurologia, pediatria, oncologia e muito mais. Embora ainda seja uma tecnologia cara, seu potencial é enorme.

Por fim, o editorial discute os avanços na reconstrução de imagens baseada em deep learning, que reduzem ruídos e melhoram a qualidade visual. Porém, os autores alertam que esse tipo de reconstrução precisa ser usada com cautela, já que pode alterar características naturais das imagens ou gerar artefatos inesperados.

De forma geral, McCollough, Jinzaki e Alkadhi mostram que estamos vivendo um momento único na área de imagem médica: a TC está se tornando mais rápida, mais precisa e mais inteligente. O resultado esperado é um impacto direto e positivo na vida dos pacientes, com diagnósticos mais confiáveis e tratamentos mais eficientes.

Leia o texto completo em: MCCOLLOUGH, Cynthia H.; JINZAKI, Masahiro; ALKADHI, Hatem. Advances in CT technology and clinical applications—introductory editorial. British Journal of Radiology, v. 98, p. 1721–1723, 2025. DOI: 10.1093/bjr/tqaf216.

Professores de Odontologia (UFJF/UFMG) Lançam Atlas de Interpretação Radiográfica Intrabucal (Acesso Livre)

2025-12-04T15:10:00.000-03:00

O "Atlas de Interpretação Radiográfica Intrabucal" é um recurso eletrônico e didático essencial, publicado em 2024 pela Editora UFJF. A obra é fruto da colaboração dos autores e organizadores Francielle Silvestre Verner, Priscila Dias Peyneau, Maurício Augusto Aquino de Castro e Rafael Binato Junqueira, com o objetivo central de auxiliar estudantes de graduação e profissionais formados na correta interpretação das imagens radiográficas intrabucais, que são ferramentas imprescindíveis para o diagnóstico e plano de tratamento em Odontologia.

O formato de atlas foi escolhido para oferecer uma visualização dinâmica e atraente, apresentando informações precisas e essenciais. O livro cumpre a proposta de contribuir para a formação acadêmica e profissional, enaltecendo a importância da Radiologia Odontológica como alicerce para as demandas que surgem na vida profissional.

O conteúdo abrange de forma abrangente os aspectos fundamentais e patológicos da área, incluindo:

Anatomia Radiográfica de dentes, estruturas de suporte, maxila e mandíbula.
Aspectos Radiográficos dos Materiais Odontológicos, detalhando desde restaurações metálicas e estéticas até retentores intrarradiculares, implantes e aparatos ortodônticos.
Extensa cobertura de Anomalias Dentárias de Desenvolvimento, como alterações de número (dentes supranumerários e agenesia), tamanho (microdontia, macrodontia), forma (fusão, geminação, dilaceração) e erupção (dentes inclusos, anquilose).
Alterações Adquiridas nas estruturas dentárias (como lesões cariosas, erosão, fraturas e reabsorções radiculares).
Alterações Periodontais (incluindo perda óssea horizontal e vertical, e fatores de irritação local).
Alterações Periapicais e Condições Endodônticas Associadas (como lesão osteolítica inflamatória e osteíte esclerosante periapical).

Além do conteúdo patológico, o atlas dedica capítulos importantes a aspectos práticos, como a Avaliação Radiográfica de Terceiros Molares, diversos Métodos de Localização Radiográfica (como Clark, Miller-Winter e Le Master), e a identificação e correção de Erros Técnicos comuns em radiografias intrabucais.

O livro foi publicado sob a licença Creative Commons CC BY-NC-ND 4.0 Deed e está disponível gratuitamente neste link.

Fontes:

UNIVERSIDADE FEDERAL DE JUIZ DE FORA (UFJF). Professores de Odontologia da UFJF-GV lançam e-book. Notícias UFJF, 28 nov. 2024. Disponível em: https://www2.ufjf.br/noticias/2024/11/28/professores-de-odontologia-da-ufjf-gv-lancam-e-book/. Acesso em: 04/12/2025.

VERNER, Francielle Silvestre et al. Atlas de interpretação radiográfica intrabucal [recurso eletrônico]. Juiz de Fora: Ed. UFJF, 2024. ISBN: 978-85-93128-77-6. Disponível em: https://drive.google.com/file/d/16i_iJEDo0YplxR7e2YfqNNmKuLJ26pdr/view. Acesso em: 04/12/2025

Notícia: IA e Raios-X de Mãos Dadas: Kitware e NVIDIA Juntam-se para Revolucionar Imagens Médicas

2025-12-01T01:00:00.002-03:00

A empresa Kitware anunciou uma parceria empolgante com a NVIDIA para integrar modelos avançados de Inteligência Artificial (IA) em sua plataforma de análise de imagens médicas, chamada VolView. Acredita-se que o futuro da saúde será moldado pela forma como a tecnologia se integra perfeitamente no trabalho diário de médicos e pesquisadores.

O objetivo dessa colaboração é levar a IA de ponta para além dos laboratórios de pesquisa, incorporando-a diretamente nas rotinas clínicas. A Kitware está trabalhando para construir um ecossistema onde a inovação da IA médica possa prosperar, beneficiando pacientes, médicos e pesquisadores em todo o mundo através de plataformas abertas e colaboração.

O que é o VolView?

O VolView é uma plataforma de código aberto (gratuita e aberta para uso) da Kitware, desenvolvida para visualizar e analisar imagens médicas. Como um visualizador de radiologia baseado na web, o VolView oferece aos médicos a flexibilidade de executar renderizações volumétricas cinematográficas interativas e de alta qualidade em praticamente qualquer dispositivo.

Ao incorporar os modelos de IA da NVIDIA, chamados Clara, diretamente no VolView, a Kitware está mostrando como a IA pode ser usada em fluxos de trabalho semelhantes aos clínicos.

Essa integração, que será demonstrada na GTC DC 2025, inclui três modelos de IA com funções específicas:

Modelo Reason: Permite uma exploração interativa e sensível ao contexto dos exames de imagem, ajudando os médicos a navegar e entender o que estão vendo.
Modelo Segment: É capaz de segmentar órgãos e identificar estruturas anatômicas chave. Isso significa que a IA pode contornar automaticamente os órgãos, poupando tempo e aumentando a precisão.
Modelo Generate: Cria imagens sintéticas (ou seja, imagens geradas por computador que parecem reais) para apoiar a pesquisa e o treinamento de novos profissionais.

Este projeto, inicialmente um "conceito de prova", ilustra o potencial da integração da IA de ponta em plataformas abertas como o VolView. Ele oferece uma visão de um futuro onde clínicos e pesquisadores podem trabalhar de forma muito mais fluida com as imagens médicas, impulsionando a inovação e, o mais importante, melhorando os resultados para os pacientes.

Além disso, é possível começar a usar o VolView e os Modelos Abertos Clara através do link disponibilizado no GitHub.

Fonte:

ENQUOBAHRIE, A; HOWE, A; ZARROUK, M; SCHMITT, S. Kitware Integrates NVIDIA Clara Open Models to Deliver Next-Generation Clinical AI Workflows. Kitware Blog, 28 out. 2025. Disponível em: https://www.kitware.com/kitware-integrates-nvidia-clara-open-models-to-deliver-next-generation-clinical-ai-workflows/. Acesso em: 24 nov. 2025.

[Aula] - Técnicas Dosimétricas aplicadas à avaliação da exposição ocupacional em Medicina Nuclear.

2025-11-30T17:16:00.002-03:00

Este material apresenta, as técnicas usadas para monitorar a exposição ocupacional em medicina nuclear no Brasil. A palestra foi apresentada pelo Prof. Dr. Bernardo Dantas durante o Congresso Brasileiro de Física Médica, realizado em Aracaju – SE, em agosto de 2010.

O conteúdo destaca os desafios para implementar programas de monitoração interna no país — como a grande variedade de radionuclídeos utilizados, o número de serviços e profissionais envolvidos e as dimensões geográficas do Brasil. Também mostra uma proposta prática: aproveitar os próprios equipamentos já disponíveis nos serviços de medicina nuclear para acompanhar a exposição interna dos trabalhadores.

exposio-ocupacional-em-medicina-nuclear-cbfm-2010from Bernardo Dantas

Caso clínico: Reorganização motora surpreendente em criança com MAV parietal

2025-11-27T18:06:00.001-03:00

Este caso descreve a impressionante capacidade de adaptação do cérebro de uma criança de 8 anos que apresentava uma malformação arteriovenosa (MAV) no lobo parietal esquerdo. Os exames de fMRI realizados durante movimentos das mãos revelaram um achado incomum: ambas as mãos eram controladas pelo hemisfério direito, indicando uma reorganização atípica das funções motoras. Em vez de cada lado do corpo ser controlado pelo hemisfério oposto, como ocorre normalmente, o hemisfério direito assumiu o comando dos movimentos das duas mãos.

Quando se avaliou o cérebro em estado de repouso, observou-se que a rede motora do hemisfério esquerdo não apresentava conectividade funcional, ou seja, não estava se comunicando adequadamente com outras regiões cerebrais. A tractografia, exame que mostra as fibras que conectam diferentes áreas do cérebro, evidenciou ainda que as fibras do hemisfério esquerdo estavam alteradas devido à presença da MAV.

A importância desse caso está na demonstração clara da plasticidade cerebral, especialmente em crianças. Mesmo diante de uma alteração estrutural significativa, o cérebro foi capaz de reorganizar suas funções e deslocar o controle motor para outra região saudável, garantindo a manutenção de movimentos essenciais. Esses achados ajudam profissionais e estudantes a compreender como o cérebro pode se adaptar a lesões e como exames de neuroimagem podem orientar decisões clínicas e estratégias de reabilitação mais eficazes.

Para acompanhar o autor, Dr. Federico Biafore, acesse seu perfil no LinkedIn.

NextBrain: O GPS superdetalhado que a Inteligência Artificial criou para mapear o cérebro humano

2025-11-19T18:41:00.001-03:00

Você provavelmente já fez ou viu uma Ressonância Magnética (RM), uma ferramenta incrível que permite visualizar o cérebro em 3D enquanto a pessoa está viva. Porém, as imagens da RM são limitadas, mostrando apenas os "bairros" do cérebro, sem capturar os detalhes microscópicos, como as pequenas "ruas". Para entender essas minúcias, surgiu o NextBrain, o mapa mais detalhado do cérebro já feito.

O NextBrain é o resultado de um trabalho colossal: cientistas usaram fatias finíssimas de cinco cérebros humanos, reunindo cerca de 10.000 seções histológicas e montando um modelo 3D com precisão, comparável a resolver um quebra-cabeça de 2.000 peças. Para isso, a Inteligência Artificial (IA) foi fundamental para alinhar as imagens de RM com perfeição. O resultado é um atlas que divide o cérebro em 333 regiões minuciosas, um nível de detalhe muito superior aos mapas anteriores.

Essa ferramenta não é apenas uma curiosidade científica. O NextBrain já está fazendo a diferença na medicina, como na detecção precoce da Doença de Alzheimer. Usando seu nível de detalhamento, os pesquisadores conseguiram aumentar a precisão na classificação da doença, alcançando 90,3% de acerto — muito superior aos métodos antigos. Além disso, o NextBrain tem ajudado a estudar o envelhecimento, revelando padrões inéditos sobre o encolhimento de áreas do cérebro com a idade.

A melhor parte é que esse mapa detalhado e as ferramentas para usá-lo estão disponíveis gratuitamente, em código aberto. Isso significa que pesquisadores ao redor do mundo podem usar a tecnologia para analisar cérebros com um nível de detalhe nunca antes possível, acelerando descobertas importantes.

Em resumo, o NextBrain transforma a Ressonância Magnética de um simples GPS do cérebro em um mapa detalhado que revela cada pequena "rua", permitindo aos cientistas investigar doenças cerebrais e o envelhecimento com uma precisão revolucionária.

Leia o texto completo em: Casamitjana, A., Mancini, M., Robinson, E. et al. A probabilistic histological atlas of the human brain for MRI segmentation. Nature (2025). https://doi.org/10.1038/s41586-025-09708-2

[Video] O que são aqueles "barulhos" durante o exame de ressonância magnética?

2025-07-18T16:30:00.005-03:00

Você já se perguntou por que o aparelho de ressonância magnética (RM) faz tantos barulhos estranhos? Este vídeo explica o motivo por trás dos diferentes sons da RM, mostrando imagens de exames cerebrais e descrevendo cada tipo de sequência usada.

O vídeo mostra o protocolo padrão de um exame de cérebro realizado em um aparelho GE Signa Excite 1.5T, utilizando sequências como:

Auto Prescan: Uma varredura inicial, serve para ajustar alguns parâmetros relacionados aos pulsos de radiofrequência que serão usados durante o exame.
3-Plane Localizer: Sequência também conhecida como "scout", adquire imagens nos planos axial, sagital e coronal para que o profissional que opera o aparelho possa visualizar onde deseja realizar as imagens tomográficas.
T1 FLAIR Sagital: Uma sequência específica para atenuar o sinal de líquidos. No caso do cérebro, o líquor é atenuado pela sequência FLAIR.
DWI EPI Axial: Uma sequência que avalia a difusão da água nos tecidos, sendo capaz de distinguir bem entre as substâncias branca e cinzenta do cérebro. Seu som é diferente das demais porque utiliza gradientes para acelerar a coleta do sinal.
T2 FSE-XL Axial: Outra sequência comum, trata-se da fast spin echo acelerada, que é usada principalmente em exames cardíacos, abdominais e do cérebro. Além de adquirir imagens rápidas, também permite contraste otimizado entre os tecidos.
T1 Spin Echo Axial: sequência muito usada em todas as regiões do corpo. A spin echo pode produzir imagens ponderadas em T1, T2 ou ainda densidade de prótons. Seu som característico é resultado da aplicação de um par de pulsos de RF.
T2 FLAIR Axial: Uma variação da T1 FLAIR.
T1 FSE-XL Coronal: Uma variação da FSE.

Para mais materais assim, acesse o canal MRIPETCTSOURCE

[Artigo] Os fundamentos da luz laser

2024-11-17T22:50:00.004-03:00

O artigo "Os Fundamentos da Luz Laser", de Vanderlei Bagnato, aborda os princípios básicos do laser, começando com uma introdução aos conceitos fundamentais da óptica e da estrutura atômica até a compreensão do porquê de ela ser um dos instrumentos de maior aplicabilidade na área da saúde.

Caso prefira, o arquivo pode ser baixado na íntegra neste link.

[Vídeo] O Algoritmo que Mudou o Mundo

2024-11-05T23:27:00.003-03:00

Neste vídeo Pedro Loos, do Canal Ciência Todo dia, apresenta os fundamentos da transformada de Fourier e como essa operação matemática é utilizada no dia a dia, inclusive no processamento de imagens médicas.

[Vídeo] Fases do contraste venoso na tomografia computadorizada

2024-10-22T23:47:00.009-03:00

Neste vídeo, o professor Jezreel aborda as diferentes fases do contraste venoso na tomografia computadorizada (TC). Explica as fases pré-contraste, arterial, portal, pancreática, nefrográfica e escritora, destacando a importância de cada uma para a detecção de anomalias, tumores e outras condições.

Ele detalha como o contraste é injetado e como isso afeta a visualização dos órgãos, além de discutir casos práticos que ilustram a aplicação dessas fases na identificação de patologias, como cálculos urinários e tumores hepáticos.

[Vídeo] O Novo Manual de Segurança em RM do ACR: Principais Mudanças e Novidades

2024-07-23T20:29:00.003-03:00

O canal MRIONLINE Protocols&Education realizou uma transmissão ao vivo para apresentar e discutir as novidades do novo Manual de Segurança em RM do Colégio Americano de Radiologia (ACR).

[Livro] Meios de Contraste - Conceitos e Diretrizes

2022-06-01T13:17:00.001-03:00

A Sociedade Paulista de Radiologia (SPR) publicou em abril de 2022 a segunda edição da obra "Meios de Contraste - Conceitos e Diretrizes", com edição de Bruna Garbugio Dutra e Tufik Bauab Jr.

O aborda em 11 capítulos os meios de contraste iodados e à base de gadolínio, suas reações adversas e condições especiais. Está disponível em PDF no endereço dx.doi.org/10.46664/meios-de-contraste-2aedicao ou ainda na plataforma issuu.com

Simpósio Sérgio Mascarenhas: da ciência básica ao impacto na saúde de 1 bilhão de pessoas

2022-04-19T12:07:00.001-03:00