Imagens médicas sintéticas produzidas por inteligência artificial já podem ser convincentes o suficiente para dificultar sua identificação até mesmo por radiologistas. Um estudo publicado na revista científica Clinical Radiology avaliou 182 radiologistas e mostrou que a capacidade de reconhecer imagens geradas por IA variou de forma importante entre diferentes modalidades de diagnóstico por imagem.
Em resumo
- 182 radiologistas participaram da avaliação de imagens reais e sintéticas.
- O desempenho foi menor na tomografia computadorizada, com cerca de 70% de identificação correta das imagens sintéticas, e na ressonância magnética, com 77%.
- Os índices foram maiores no ultrassom, com 88%, e nas radiografias, com 91%.
- Os resultados reforçam tanto o potencial das imagens sintéticas para pesquisa e ensino quanto preocupações relacionadas à autenticidade, integridade científica e segurança dos registros médicos.
Radiologistas tiveram mais dificuldade em TC e ressonância
O estudo, intitulado “Real or Not Real? Can radiologists distinguish artificial intelligence-generated synthetic images from real medical imaging?”, investigou se especialistas conseguiam diferenciar imagens médicas reais daquelas produzidas artificialmente com técnicas de inteligência artificial.
Em média, os participantes identificaram corretamente as imagens sintéticas em aproximadamente três de cada quatro casos. Entretanto, o resultado não foi uniforme entre as modalidades avaliadas.
Na tomografia computadorizada, a taxa de identificação correta ficou em aproximadamente 70%. Na ressonância magnética, chegou a cerca de 77%. Já no ultrassom, o índice foi de 88%, enquanto nas radiografias alcançou aproximadamente 91%.
Esses números indicam que, dentro das condições específicas do experimento, as imagens sintéticas de TC e RM foram mais difíceis de distinguir das imagens reais do que as apresentadas nas outras modalidades avaliadas.
O resultado não mede capacidade diagnóstica
Um ponto importante para interpretar o estudo é que esses percentuais não representam a acurácia dos radiologistas para diagnosticar doenças. A tarefa investigada era diferente: reconhecer se determinada imagem era real ou havia sido gerada artificialmente.
Também é necessário evitar uma conclusão mais ampla do que os dados permitem. O desempenho observado não significa, por si só, que qualquer tomografia ou ressonância produzida por IA seja necessariamente mais fácil de falsificar. Os resultados dependem das imagens, dos métodos de geração utilizados e do desenho experimental adotado pelos pesquisadores.
A relevância do achado está justamente em demonstrar que imagens artificiais podem alcançar um grau de realismo capaz de tornar sua origem pouco evidente para observadores especializados.
Imagens sintéticas podem ter aplicações úteis na Radiologia
A geração de imagens médicas sintéticas não é necessariamente um problema. A tecnologia pode ter aplicações relevantes em pesquisa, desenvolvimento de algoritmos e educação médica.
Bancos de dados artificiais podem, por exemplo, contribuir para experimentos que exigem grandes volumes de imagens, ajudar no desenvolvimento e treinamento de sistemas de inteligência artificial e ampliar materiais utilizados em atividades educacionais.
Outra possibilidade é reduzir, em determinados contextos, a necessidade de compartilhar diretamente exames pertencentes a pacientes reais. Isso pode favorecer estratégias de pesquisa e colaboração, embora o uso de dados sintéticos não elimine automaticamente questões relacionadas a privacidade, validação, representatividade e governança.
Para treinamento de algoritmos, imagens sintéticas também podem ser usadas para aumentar conjuntos de dados ou representar determinadas características menos frequentes. Entretanto, sua utilidade depende da qualidade da geração e de uma validação rigorosa para evitar que artefatos ou vieses artificiais sejam incorporados aos modelos.
Realismo também cria novos riscos
Quanto mais convincentes se tornam as imagens produzidas por IA, maior é a necessidade de discutir mecanismos capazes de comprovar sua origem e autenticidade.
Entre as preocupações levantadas pelo avanço dessa tecnologia estão a possibilidade de fabricação ou manipulação de evidências visuais em pesquisas científicas e o uso indevido de imagens artificiais como se fossem exames autênticos.
Em um cenário mais sensível, uma imagem sintética inserida indevidamente em um registro médico poderia gerar dúvidas sobre a integridade documental. O estudo não demonstra que esse tipo de fraude esteja ocorrendo rotineiramente, mas a dificuldade observada na distinção entre imagens reais e artificiais reforça a importância de mecanismos de rastreabilidade e controle.
A questão vai além da percepção visual do radiologista. Conforme ferramentas generativas evoluem, verificar a procedência de uma imagem apenas pela aparência pode se tornar insuficiente. Metadados confiáveis, controles de acesso, trilhas de auditoria e processos institucionais de governança tendem a ganhar importância na proteção da integridade dos exames.
Um desafio para a era da IA generativa
Os resultados acrescentam uma nova dimensão ao debate sobre inteligência artificial na Radiologia. Durante anos, grande parte da discussão esteve concentrada no desempenho de algoritmos para detectar alterações, segmentar estruturas ou auxiliar diagnósticos. Com a evolução da IA generativa, surge também a capacidade de criar conteúdo médico visual altamente realista.
Isso abre oportunidades para inovação, mas exige que instituições, pesquisadores, profissionais e desenvolvedores consigam distinguir claramente quando uma imagem é sintética, qual foi sua finalidade e como sua origem pode ser verificada.
Para os radiologistas, o estudo traz uma provocação relevante: a experiência clínica e o treinamento visual podem não ser suficientes, isoladamente, para determinar com certeza se uma imagem foi adquirida de um paciente ou produzida por um sistema de inteligência artificial.
O desafio, portanto, não é impedir o uso de imagens sintéticas, que podem ter aplicações legítimas e valiosas, mas desenvolver formas transparentes e seguras de utilizá-las sem comprometer a confiança que sustenta a prática clínica, a pesquisa científica e os registros de saúde.
Como interpretar os resultados
Os percentuais apresentados referem-se ao desempenho observado no experimento para distinguir imagens reais de sintéticas. Eles não medem acurácia diagnóstica e não devem ser generalizados para todos os sistemas de geração de imagens por IA ou para todas as situações clínicas.
Continue acompanhando o Portal da Radiologia para ficar por dentro das principais vagas, concursos, cursos e notícias da área de diagnóstico por imagem.
Portal da Radiologia — conectando profissionais ao futuro da Radiologia.
