A crescente detecção de alterações na tireoide tem ganhado destaque nos últimos anos, sobretudo a partir de 2026, quando o INCA projetou cerca de 16.450 novos casos de câncer de tireoide por ano em território nacional. Esse cenário reflete tanto o aumento da disponibilidade de exames de imagem quanto a necessidade de critérios mais precisos para separar lesões benignas de potenciais ameaças. O debate atual gira em torno de como a tecnologia pode otimizar a decisão clínica sem substituir o julgamento médico.
Entender a magnitude do problema, os recursos disponíveis e os limites das inovações é essencial para pacientes, endocrinologistas e gestores de saúde. A seguir, o texto explora a epidemiologia, as ferramentas de imagem, o papel emergente da inteligência artificial e os desafios que ainda precisam ser superados.
A prevalência dos nódulos tireoidianos no Brasil
Estudos recentes apontam que até 30% dos adultos assintomáticos apresentam nódulos incidentais ao serem submetidos a ultrassonografia de rotina. Quando aparelhos de alta frequência são utilizados, esse número pode chegar a 60%, revelando que a maioria das lesões são descobertas por acaso e não por sintomas clínicos.
Apesar da alta taxa de descoberta, a maioria desses nódulos não tem relevância clínica. Eles permanecem estáveis por anos ou até desaparecem espontaneamente, o que reforça a importância de diferenciar vigilância de intervenção.
O Brasil, com sua população diversa, apresenta variações regionais na incidência de nódulos e de câncer de tireoide. Regiões com maior acesso a serviços de imagem tendem a registrar mais diagnósticos, enquanto áreas menos atendidas podem subnotificar casos reais.
Esses dados reforçam a necessidade de protocolos que evitem tanto o excesso de procedimentos invasivos quanto a subestimação de lesões potencialmente malignas.
Ferramentas ultrassonográficas e classificação de risco
A ultrassonografia permanece o exame de escolha para a avaliação inicial dos nódulos tireoidianos. Durante o exame, o radiologista observa características como composição (sólida ou cística), ecogenicidade, forma, margens e a presença de microcalcificações.
Essas informações são organizadas em sistemas de pontuação, sendo o ACR TI‑RADS um dos mais difundidos. O sistema categoriza os nódulos em níveis de risco que orientam a necessidade de punção aspirativa por agulha fina (PAAF) ou apenas acompanhamento.
As diretrizes recentes da American Thyroid Association (ATA) sugerem uma abordagem mais personalizada, incorporando fatores como idade, sintomas, comorbidades e preferências do paciente. Essa mudança visa evitar intervenções desnecessárias em nódulos de baixo risco.
Alguns dos sinais ultrassonográficos mais associados a malignidade incluem:
- Hiperecogenicidade marcada
- Margens irregulares ou infiltrativas
- Presença de microcalcificações
- Aspecto de taller‑shape (mais alto que largo)
Quando um nódulo apresenta duas ou mais dessas características, a probabilidade de câncer aumenta significativamente, justificando a realização de PAAF para confirmação histológica.
Inteligência artificial na avaliação dos nódulos
Nos últimos cinco anos, algoritmos de aprendizado profundo têm sido treinados com milhares de imagens de tireoide para reconhecer padrões que escapam ao olho humano. Esses sistemas analisam simultaneamente múltiplas variáveis de imagem e podem gerar uma pontuação de risco em segundos.
Um estudo multicêntrico envolvendo 4.572 nódulos demonstrou que a IA classificou corretamente 2.719 dos 3.134 nódulos benignos, reduzindo as punções desnecessárias de 68,5% para 9,1% no grupo analisado. Esse ganho de eficiência tem potencial para aliviar a sobrecarga de laboratórios de patologia.
No entanto, a mesma pesquisa identificou 123 nódulos malignos que foram erroneamente rotulados como benignos, evidenciando que a tecnologia ainda não pode substituir a avaliação clínica completa.
A aplicação prática da IA costuma seguir um fluxo integrado:
- Captura da imagem ultrassonográfica de alta qualidade
- Upload automático para a plataforma de IA
- Geração de relatório de risco com base em aprendizado pré‑treinado
- Revisão do especialista que combina o resultado da IA com dados clínicos
Essa abordagem híbrida busca otimizar a precisão diagnóstica, ao mesmo tempo em que mantém o médico como o guardião final da decisão terapêutica.
Desafios, limites e o futuro do diagnóstico
Apesar dos avanços, a adoção generalizada da IA enfrenta barreiras técnicas e éticas. A maioria dos algoritmos foi desenvolvida em centros de referência com equipamentos de última geração, o que levanta dúvidas sobre sua performance em clínicas de médio porte.
Além disso, a transparência dos modelos – conhecido como “black box” – dificulta a compreensão de como determinadas conclusões são alcançadas, gerando resistência entre profissionais que precisam justificar suas escolhas para pacientes e seguros de saúde.
Para superar esses obstáculos, são necessários estudos prospectivos que validem os algoritmos em diferentes populações, equipamentos e contextos assistenciais. Também é fundamental estabelecer normas regulatórias que garantam a qualidade dos dados de treinamento e a supervisão contínua.
Do ponto de vista do paciente, a comunicação clara sobre o papel da IA no processo diagnóstico pode aumentar a confiança e melhorar a adesão ao tratamento. Quando bem explicada, a tecnologia deixa de ser vista como substituta e passa a ser percebida como ferramenta de apoio.
Em síntese, a integração de ultrassonografia avançada, classificações de risco refinadas e inteligência artificial promete transformar a prática clínica, reduzindo procedimentos invasivos e direcionando recursos para os casos que realmente necessitam de intervenção.
No entanto, a decisão final continuará a depender da avaliação humana, que considera histórico, exame físico, preferências pessoais e o contexto de saúde do indivíduo. Essa combinação de expertise médica e poder computacional pode ser o caminho mais seguro para melhorar os resultados de pacientes com nódulos tireoidianos.
Portanto, enquanto a tecnologia avança, o desafio permanece: equilibrar inovação com prudência, garantindo que cada paciente receba um diagnóstico preciso, oportuno e humanizado.
