AI în radiologie: ce poate face azi și de ce nu înlocuiește medicul

Radiologia este domeniul medical în care inteligența artificială a pătruns cel mai adânc — de departe. Peste trei sferturi dintre dispozitivele medicale cu AI aprobate sunt din radiologie. Dar între titlurile senzaționaliste („AI-ul înlocuiește radiologii") și realitatea din spitale este o distanță mare. Acest ghid explică, echilibrat, ce face de fapt AI-ul în imagistică azi, ce dovezi există și care sunt limitele.

Pe scurt: în radiologie, AI-ul este asistiv, nu autonom — ajută medicul să găsească, să prioritizeze și să măsoare mai repede, dar nu citește singur scanările și nu înlocuiește radiologul. Are utilizări reale și dovezi solide (de exemplu în screeningul de sân), dar și limite importante: rezultate fals pozitive/negative, dependența excesivă de AI și scăderea performanței pe date diferite de cele de antrenament. Decizia și responsabilitatea rămân ale medicului.

Ce face, de fapt, AI-ul în imagistică azi

Este util să distingem trei roluri diferite, cu dovezi diferite:

• Triaj (prioritizare): AI-ul semnalează cazurile urgente ca să fie văzute primele. Exemplu clasic: în accidentul vascular cerebral, un software analizează angio-CT-ul în câteva secunde, detectează o ocluzie de vas mare și alertează automat echipa de gardă — scurtând timpul până la tratament.
• Ajutor la detecție: AI-ul evidențiază posibile leziuni (noduli pulmonari pe CT, fracturi pe radiografii, hemoragii pe CT-ul cranian, leziuni suspecte pe mamografie), pe care radiologul le confirmă.
• Cuantificare/măsurare: AI-ul măsoară automat volume, dimensiuni, structuri — economisind timp.

Aceste roluri se suprapun uneori, dar nu sunt același lucru: a prioritiza un caz urgent este diferit de a diagnostica.

Cât de răspândit este

Amploarea fenomenului este reală: autoritatea americană de reglementare (FDA) listează peste 1.500 de dispozitive medicale cu AI, dintre care aproximativ trei sferturi sunt din radiologie — de departe cea mai mare categorie. În Uniunea Europeană, numărul produselor de radiologie cu AI marcate CE a crescut de la circa 100 (2021) la aproape 175 (2025). Cu alte cuvinte, nu vorbim de câteva experimente, ci de sute de instrumente deja disponibile.

Dovezile: exemplul screeningului de sân

Cea mai importantă dovadă vine dintr-un studiu suedez de referință (MASAI) — primul studiu clinic randomizat de screening mamografic asistat de AI. Rezultatele sunt puternice, dar merită citite cu nuanțele lor:

• Reducerea volumului de muncă al radiologilor cu aproximativ 44% (AI a preluat o parte din „citirea dublă" clasică, făcută de doi medici).
• Mai multe cancere depistate — la rezultatele complete, sensibilitatea a fost de 81% cu AI față de 74% fără, adică aproximativ cu un sfert mai multe cancere descoperite, fără creșterea rezultatelor fals pozitive.
• Mai puține „cancere de interval" (cele care apar între două runde de screening) și mai puține cancere avansate sau agresive.

Este o dovadă solidă că AI-ul, folosit corect, poate ajuta real. Dar chiar autorii avertizează: beneficiul pe termen lung asupra mortalității și raportul cost-eficiență nu sunt încă demonstrate, iar rezultatele provin dintr-un program de screening de foarte bună calitate — aplicarea în alte sisteme necesită validare locală și monitorizare continuă.

Alte utilizări cu dovezi în creștere

• Detecția fracturilor pe radiografii: în Marea Britanie, mai multe instrumente AI sunt recomandate condiționat (cu un medic care verifică întotdeauna imaginea) pentru urgențe — pot îmbunătăți detecția fără a crește diagnosticele greșite.
• Nodulii pulmonari pe CT: AI + radiolog detectează mai bine decât radiologul singur, mai ales pentru medicii mai puțin experimentați.
• Hemoragiile cerebrale pe CT cranian, prioritizarea radiografiilor toracice anormale și altele.

Cuvântul-cheie în toate: AI + medic, prin design — nu AI singur.

Cum funcționează, pe înțelesul tuturor

Majoritatea instrumentelor folosesc învățare profundă (deep learning): rețele neuronale antrenate pe seturi uriașe de imagini medicale deja etichetate de experți („această mamografie conține un cancer aici", „această radiografie arată o fractură"). Procesând milioane de exemple, rețeaua învață tiparele vizuale asociate statistic cu o anumită descoperire și le aplică pe imagini noi, oferind o probabilitate sau o zonă evidențiată.

Analogia utilă: învață din multe exemple etichetate, așa cum un medic rezident învață văzând mii de cazuri — dar recunoaște tipare statistice, nu „înțelege" pacientul, istoricul clinic sau semnificația imaginii. Rezultatul său este o sugestie cu un scor de încredere, pe care radiologul o confirmă, o respinge sau o ajustează.

Limitele și riscurile

Aici stă cheia unei imagini corecte, fără hype:

• Rezultate fals pozitive și fals negative. Niciun instrument nu e perfect; și alarmele false, și descoperirile ratate au costuri (investigații inutile și anxietate, respectiv boală nedetectată).
• Dependența excesivă (automation bias). Medicii pot ajunge să aibă prea multă încredere într-un semnal AI (sau în tăcerea lui). S-a documentat un caz în care un instrument a etichetat greșit un accident vascular ischemic drept hemoragie — interacțiunea om-mașină este locul unde erorile fie sunt prinse, fie se propagă.
• Prejudecăți în date și generalizare slabă. Un model poate funcționa mult mai prost pe date diferite de cele pe care a fost antrenat. Un instrument cu 95% acuratețe într-un spital poate scădea spre 80% în altul, cu alte aparate, protocoale sau populații de pacienți.
• „Cutia neagră". Multe modele nu explică de ce au semnalat ceva, ceea ce complică încrederea și analiza erorilor.
• Aprobarea nu înseamnă beneficiu dovedit. Marcajul CE sau aprobarea FDA arată, în general, că un dispozitiv este sigur și performează comparabil în condiții definite — nu garantează un beneficiu clinic în situația ta concretă. E nevoie de validare locală și monitorizare în timp.

Rolul radiologului: augmentare, nu înlocuire

Modelul dominant în practică este clar: AI-ul semnalează sau prioritizează, iar radiologul face și semnează interpretarea finală. Câteva idei esențiale:

• Responsabilitatea rămâne, în general, a medicului care semnează raportul — deși, când standardul de îngrijire nu este respectat, ea se poate extinde și către producătorul AI sau instituția care l-a implementat.
• Societățile profesionale majore (radiologii din SUA, Europa, Canada, Australia) au o poziție comună: AI-ul are nevoie de supraveghere umană, nu de autonomie.
• AI-ul este îngust (câte o sarcină per instrument), nu are context clinic și poate „eșua în tăcere". În plus, radiologul face mult mai mult decât să citească imagini: stabilește protocoale, participă la decizii multidisciplinare, face proceduri, comunică cu pacienții.

De aceea, formula corectă este medic + AI, nu AI în locul medicului.

Pentru clinici: la ce să te uiți

Dacă administrezi o clinică sau un serviciu de imagistică, câteva criterii practice:

• Alege instrumente validate — de preferat cu dovezi independente, prospective, în populații similare cu a ta, nu doar cu acuratețea raportată de producător. Aprobarea este un prag minim, nu o dovadă de beneficiu.
• Reglementare în UE: un instrument AI care este dispozitiv medical are nevoie de marcaj CE (MDR), iar Regulamentul european privind IA îl încadrează, de regulă, ca „risc înalt", cu obligații suplimentare și termene care intră în vigoare în 2026–2027. Verifică ambele.
• Date și GDPR: imaginile medicale sunt date sensibile; ai nevoie de temei legal, evaluare de impact și grijă la fluxurile către cloud/furnizor.
• Integrare în flux (PACS/RIS): un instrument care adaugă clicuri sau alarme false va fi abandonat. Planifică pentru „oboseala de alerte".
• Cost și valoare: compară abonamentul cu beneficiul măsurabil (viteză, căi mai rapide în AVC, mai puține ratări) — cere un caz de business local.
• Monitorizare după implementare: performanța poate „aluneca" în timp; stabilește cine urmărește rezultatele reale.

Vezi și AI în clinică, despre cum instrumentele moderne sprijină și partea administrativă a unei clinici.

Situația în Europa și România

Adoptarea crește: un sondaj european din 2024 al radiologilor a arătat că aproape jumătate folosesc deja AI, iar un sfert plănuiesc să o facă — mai ales în imagistica de sân și oncologică. România se încadrează în același cadru european de reglementare (MDR, Regulamentul IA, GDPR), iar adoptarea este, în general, la un stadiu mai timpuriu decât în vestul și nordul continentului. Promisiunea concretă pentru un sistem cu resurse limitate este să ajute serviciile de imagistică suprasolicitate să prioritizeze și să nu rateze descoperiri — sub supravegherea medicului.

Concluzie

Inteligența artificială transformă real radiologia — dar ca partener al medicului, nu ca înlocuitor. Are utilizări dovedite (screeningul de sân este exemplul cel mai solid) și un potențial mare de a ajuta sisteme suprasolicitate. În același timp, are limite serioase: nu e infailibilă, poate greși convingător, funcționează mai prost pe date noi, iar aprobarea nu garantează beneficiul. Folosită cu cap — instrumente validate, medic în buclă, monitorizare continuă — AI-ul poate crește viteza și acuratețea. Folosită orbește, poate face rău. Câștigătorii nu vor fi cei care o adoptă la întâmplare, ci cei care o folosesc inteligent.

Întrebări frecvente

AI-ul va înlocui radiologii? Nu. Modelul real este AI + medic: AI-ul semnalează sau prioritizează, iar radiologul face și semnează interpretarea finală. AI-ul este îngust, fără context clinic, și are nevoie de supraveghere umană.

Unde ajută cel mai mult AI în imagistică? În triajul cazurilor urgente (de exemplu AVC), în detecția asistată (mamografie, fracturi, noduli pulmonari, hemoragii) și în măsurători automate. Cea mai solidă dovadă este în screeningul de sân.

Chiar depistează mai multe cancere? În cel mai important studiu randomizat (MASAI, Suedia), screeningul mamografic asistat de AI a depistat cu aproximativ un sfert mai multe cancere, fără mai multe alarme false, reducând și volumul de muncă. Beneficiul pe mortalitate rămâne de confirmat.

Este AI-ul infailibil? Nu. Poate da rezultate fals pozitive și fals negative, poate funcționa mai prost pe date diferite de cele de antrenament și poate induce dependență excesivă. De aceea verificarea umană este obligatorie.

Aprobarea CE/FDA garantează că funcționează la noi? Nu direct. Arată siguranță și performanță în condiții definite, dar nu garantează beneficiul clinic într-un anumit spital — de aceea e nevoie de validare locală și monitorizare.

Ce ar trebui să verifice o clinică înainte de a adopta un instrument? Dovezi independente în populații similare, marcaj CE și conformitate cu reglementările, GDPR, integrarea în flux, costul raportat la beneficiu și un plan de monitorizare după implementare.

Citește și

• Medicina de precizie: ce funcționează deja și ce e încă promisiune
• Biopsia lichidă și depistarea precoce a cancerului: ce e real și ce e hype
• AI în clinică: ce poate face azi pentru cabinetul tău

---

Material educativ, actualizat în septembrie 2026. Nu înlocuiește sfatul medical. Deciziile diagnostice aparțin medicului; pentru clinici, aspectele de reglementare se verifică cu un specialist.