Raidium quer pôr a IA no centro da radiologia oncológica

Em Tampa, na Florida, um dos centros de referência em oncologia dos EUA está a testar um software de radiologia que parece mais laboratório de IA do que ferramenta hospitalar. Chama-se Raidium Read, nasceu entre Paris e Silicon Valley e foi desenhado ao contrário do que é hábito: primeiro o modelo de IA, depois o viewer.

O motor do sistema é o Curia, um modelo fundacional treinado com mais de 200 milhões de imagens de TAC e ressonância magnética, vindas de 150.000 exames. Em vez de acrescentar um “plug-in de IA” a um visualizador PACS clássico, a Raidium reescreveu o viewer com o modelo embebido. O resultado é um fluxo centrado na tarefa crítica da oncologia: seguir tumores ao longo de meses ou anos, usando as medições padronizadas RECIST (Response Evaluation Criteria In Solid Tumors) sem respeitar fronteiras de órgãos.

Hoje, isso faz‑se à mão. Radiologistas oncológicos passam horas a percorrer exames antigos, a reencontrar lesões e a comparar milímetros num mar de cortes. É pouco escalável e, mais grave, altamente variável entre profissionais. A Raidium promete reduzir essa variabilidade em três vezes: o sistema detecta e segmenta lesões em diferentes regiões anatómicas, cruza automaticamente com estudos anteriores e propõe as medições de resposta ao tratamento. O humano continua responsável pela decisão clínica, mas a parte mecânica passa para o algoritmo.

Há aqui duas camadas relevantes. A técnica, onde a Raidium se junta a outras abordagens que tratam tarefas médicas maçadoras como problemas de raciocínio estruturado, em vez de simples etiquetagem automática. E a política: como é que uma ferramenta destas entra na rotina diária de hospitais sob pressão, com orçamentos apertados e escrutínio regulatório pesado. Na Europa, a OMS já avisou que a governação da IA em saúde está a falhar de forma estrutural, o que cria um fosso curioso. A Raidium arranca a sério nos EUA, enquanto espera autorização da FDA 510(k) até final de 2026, mas não há calendário claro para um roll-out robusto em hospitais europeus.

Outro detalhe que a empresa sublinha é a ausência de integração pesada em backends hospitalares. O viewer corre em paralelo, focado em ensaios clínicos e investigação, o que baixa a barreira de entrada mas também adia o confronto com os sistemas reais onde vive o trabalho clínico diário. É um truque conhecido em saúde digital: começar em “research only”, mostrar valor, e só depois pedir acesso ao coração do hospital. Em Portugal, onde muitos serviços de radiologia ainda lutam com PACS antigos e falta de pessoal, a promessa de automatizar seguimento tumoral soa bem, mas esbarra na mesma pergunta: quem paga, quem valida, quem assume responsabilidade quando algo corre mal.

O CEO, Paul Herent, diz que os visualizadores PACS “resistiram à evolução” durante vinte anos. Não tem muita graça, mas tem razão. O risco é que substituamos imobilismo por opacidade: se a próxima geração de radiologia depender de modelos fundacionais treinados num conjunto fechado de dados e num país diferente, os clínicos europeus vão ter menos controlo sobre a ferramenta do que sobre as velhas consoles que hoje criticam. Entre a lentidão dos reguladores e o entusiasmo dos investidores em IA médica, é aqui que se decide se a radiologia assistida por IA se torna rotina ou mais um protótipo exuberante esquecido num servidor.

Fonte: The Next Web