A endometriose é uma doença marcada por padrões.
A cólica que interrompe a rotina. A dor durante as relações sexuais. As alterações intestinais que se repetem próximas à menstruação. A dificuldade para engravidar. O exame que mostra uma alteração discreta diante de sintomas intensos.
O problema é que esses padrões nem sempre aparecem de maneira organizada. Eles podem surgir em momentos diferentes, ser tratados separadamente e receber interpretações distintas ao longo dos anos.
É justamente nessa capacidade de analisar grandes quantidades de informações e reconhecer combinações que a inteligência artificial pode contribuir.
Isso não significa entregar o diagnóstico a um computador. Significa desenvolver ferramentas capazes de apoiar o médico na identificação de sinais, na interpretação de exames e na organização das decisões.
A inteligência artificial pode ajudar a reconhecer padrões. Transformar esses padrões em cuidado continua exigindo raciocínio clínico.
Por que diagnosticar endometriose é tão difícil?
A endometriose não possui um único sintoma capaz de confirmar sua presença.
Cólica, dor pélvica, alterações intestinais, dor urinária, fadiga e infertilidade podem aparecer em diferentes combinações. Esses sintomas também podem estar relacionados a outras condições.
Além disso:
- Algumas pacientes apresentam lesões extensas e poucos sintomas
- Outras possuem dor importante sem alterações expressivas na imagem
- Lesões superficiais podem não aparecer no ultrassom ou na ressonância
- Os sintomas podem começar na adolescência e ser normalizados
- A paciente pode passar por diferentes especialidades
- A qualidade da imagem depende do protocolo e da experiência profissional
O diagnóstico exige conectar dados que não estão necessariamente reunidos em um único lugar. A inteligência artificial pode ajudar justamente nessa tarefa, desde que seja treinada e validada de maneira adequada.
O que é inteligência artificial na medicina?
Inteligência artificial é um conjunto de métodos computacionais capazes de realizar tarefas como reconhecer padrões, classificar informações, estimar probabilidades ou gerar respostas a partir de dados.
Dentro desse campo existem técnicas diferentes:
- Machine learning, no qual modelos aprendem relações a partir de exemplos
- Deep learning, frequentemente utilizado na análise de imagens
- Processamento de linguagem natural, que analisa textos e relatos
- Modelos generativos, capazes de produzir textos, imagens ou outras respostas
- Sistemas de apoio à decisão clínica, que combinam variáveis para auxiliar o profissional
Essas tecnologias não possuem consciência nem compreensão clínica equivalente à de um médico. Elas realizam cálculos a partir dos dados, objetivos e limites definidos durante seu desenvolvimento.
Como a IA pode analisar os sintomas?
Uma consulta de endometriose produz muitas informações: idade de início da dor, relação com o ciclo, intensidade, localização, sintomas intestinais, urinários e sexuais, tratamentos anteriores, cirurgias e desejo reprodutivo.
Modelos de machine learning podem avaliar combinações entre essas variáveis e estimar quais padrões aparecem com maior frequência em pacientes que tiveram determinado diagnóstico.
Isso pode contribuir para:
- Identificar pacientes que merecem investigação especializada
- Organizar questionários clínicos
- Reconhecer associações entre sintomas e localizações da doença
- Apoiar encaminhamentos
- Reduzir a dependência de um único sintoma
- Ajudar a formular hipóteses antes de procedimentos invasivos
Uma pesquisa publicada em 2025 utilizou machine learning para estudar associações entre sintomas e localizações das lesões de endometriose. Outro estudo do mesmo ano mostrou potencial para prever a doença antes da cirurgia utilizando características clínicas.
Esses resultados são promissores, mas ainda não transformam um questionário em teste diagnóstico definitivo.
A IA pode valorizar novamente a história clínica?
Sim. Existe um aparente paradoxo: uma tecnologia avançada pode demonstrar a importância de uma prática antiga, que é ouvir e organizar corretamente a história da paciente.
Se um modelo consegue identificar padrões relevantes a partir de perguntas clínicas, isso reforça que a qualidade da informação coletada durante a consulta possui valor diagnóstico.
Segundo o Dr. Maurício Simões Abrão, a inteligência artificial pode ajudar a quantificar sintomas e mostrar quais combinações merecem maior atenção. Mas o resultado depende das perguntas realizadas e da forma como as respostas são interpretadas.
A inteligência artificial não diminui o valor da anamnese. Ela pode demonstrar o quanto uma história bem conduzida é capaz de revelar.
Um algoritmo pode diagnosticar endometriose sozinho?
Um modelo pode gerar uma probabilidade, classificar uma imagem ou indicar que determinado padrão merece investigação. Isso não equivale a compreender todo o contexto da paciente.
Para transformar um resultado em decisão, é necessário considerar:
- Outros possíveis diagnósticos
- Qualidade dos dados inseridos
- Limitações do modelo
- Exame físico
- Imagem especializada
- Riscos de cada conduta
- Fertilidade e momento de vida
- Preferências da paciente
A IA pode produzir falsos positivos, sugerindo doença em quem não possui, ou falsos negativos, deixando de reconhecer pacientes que precisam de investigação.
Seu papel mais seguro é funcionar como apoio, não como autoridade isolada.
Como a inteligência artificial pode ajudar no ultrassom?
O ultrassom é um exame dinâmico e dependente da experiência do profissional. O examinador movimenta o transdutor, escolhe os ângulos e decide quais estruturas precisam de maior atenção.
Ferramentas de IA podem ser desenvolvidas para:
- Destacar regiões suspeitas
- Auxiliar na identificação de estruturas anatômicas
- Realizar ou conferir medidas
- Reconhecer padrões associados a endometriomas ou lesões profundas
- Padronizar partes do laudo
- Apoiar treinamento de profissionais
- Sugerir quando uma imagem precisa de revisão especializada
Uma revisão sistemática publicada em 2025 observou crescimento das aplicações de inteligência artificial no ultrassom ginecológico, mas também destacou limitações como diversidade dos bancos de dados, diferenças entre equipamentos e necessidade de validação externa.
A IA pode analisar a imagem capturada. Ela não substitui automaticamente a capacidade do examinador de encontrar a imagem certa durante um exame em movimento.
A IA pode interpretar a ressonância magnética?
A ressonância produz um conjunto de imagens que pode ser analisado por modelos computacionais.
Pesquisas investigam o uso de IA para segmentar órgãos, reconhecer alterações, classificar lesões e estimar a presença de doença em regiões específicas.
Em tese, esses sistemas podem ajudar a aumentar consistência e eficiência. Na prática, o desempenho depende de protocolos semelhantes aos usados no treinamento e de populações representadas nos dados.
Uma ferramenta treinada apenas com imagens de um único centro ou equipamento pode apresentar desempenho diferente em outro hospital.
A IA pode ajudar a identificar endometriose superficial?
A endometriose superficial continua sendo um dos maiores desafios para o diagnóstico por imagem.
Modelos de machine learning estão sendo estudados para estimar a probabilidade dessa forma da doença utilizando sintomas, exame clínico e outras variáveis, inclusive em pacientes com ultrassom sem alterações significativas.
Um estudo publicado em 2024 avaliou mulheres com cólica intensa e dor pélvica persistente, sem achados ultrassonográficos relevantes. Os modelos identificaram combinações clínicas associadas aos achados cirúrgicos de endometriose superficial.
A aplicação ainda precisa de validação em populações diferentes antes de ser utilizada como decisão rotineira. O potencial está em melhorar o aconselhamento e reduzir cirurgias realizadas sem uma estimativa clínica bem construída.
A IA pode dizer onde a endometriose está?
Modelos podem estudar associações entre sintomas e localizações, além de analisar imagens para reconhecer regiões suspeitas.
Entretanto, sintomas não correspondem perfeitamente à anatomia. Dor intestinal não significa necessariamente lesão no intestino. Uma paciente com comprometimento intestinal pode ter poucos sintomas digestivos.
A inteligência artificial pode gerar uma hipótese de localização, mas o mapeamento por imagem continua necessário para avaliar extensão e relação com os órgãos.
Como a IA pode ajudar a classificar a doença?
Classificações procuram organizar a endometriose de acordo com fatores como localização, extensão e complexidade das lesões.
O Dr. Maurício participou do desenvolvimento de uma classificação proposta pela AAGL (American Association of Gynecologic Laparoscopists), uma das principais sociedades internacionais dedicadas à cirurgia ginecológica minimamente invasiva. Esse sistema pode ser preenchido tanto com informações obtidas nos exames de imagem quanto durante a cirurgia.
Segundo o Dr. Maurício, uma nova etapa desse trabalho envolve o uso de inteligência artificial. A IA pode auxiliar a transformar informações dos laudos e dos achados cirúrgicos em categorias padronizadas, reduzir diferenças de interpretação entre avaliadores e ajudar a relacionar diferentes padrões da doença com desfechos clínicos.
Ainda assim, uma classificação não resume toda a paciente. Ela organiza as características anatômicas da endometriose, mas não é capaz, isoladamente, de refletir a intensidade da dor, o impacto na qualidade de vida, os objetivos reprodutivos ou outros aspectos que também orientam as decisões clínicas.
A inteligência artificial pode ajudar antes da cirurgia?
Antes da cirurgia, a IA pode participar de diferentes etapas:
- Organização dos sintomas
- Interpretação assistida de ultrassom e ressonância
- Classificação da extensão provável
- Estimativa de complexidade
- Identificação dos profissionais que podem ser necessários
- Estruturação do planejamento
- Apoio à discussão de riscos com a paciente
Essas ferramentas podem ser especialmente úteis quando combinadas a um mapeamento detalhado e a critérios clínicos claros.
Elas não eliminam a possibilidade de o achado cirúrgico ser diferente do esperado. O planejamento continua precisando prever alternativas.
Como a IA pode ajudar durante a cirurgia?
Durante o procedimento, sistemas computacionais podem futuramente apoiar o reconhecimento anatômico, destacar estruturas e integrar imagens pré-operatórias à visão cirúrgica.
Também existe pesquisa sobre análise de vídeo, identificação de etapas, alertas de segurança e documentação automatizada.
Grande parte dessas aplicações ainda está em desenvolvimento. A presença de um sistema de IA não transfere para o software a responsabilidade pelas decisões realizadas no centro cirúrgico.
Como a IA pode ajudar depois da cirurgia?
Depois do procedimento, pode contribuir para organizar informações do relatório, integrar anatomopatológico, acompanhar sintomas e estudar desfechos.
Com dados de qualidade, seria possível investigar quais características estão associadas a maior melhora, recorrência, complicações ou necessidade de novos tratamentos.
Esse aprendizado pode aperfeiçoar decisões futuras, desde que os dados sejam coletados com consentimento, segurança e critérios científicos.
A IA pode ampliar o acesso ao diagnóstico?
Esse é um dos maiores potenciais.
Em um país continental, nem todas as pacientes possuem acesso a profissionais experientes em endometriose. Ferramentas de triagem, telemedicina, segunda opinião e interpretação assistida podem ajudar a aproximar conhecimento especializado de regiões distantes.
No teleultrassom, por exemplo, um profissional pode realizar o exame localmente enquanto recebe orientação ou revisão a distância. A IA pode futuramente apoiar posicionamento, qualidade da imagem e reconhecimento de alterações.
Entretanto, ampliar o diagnóstico sem ampliar o acesso ao tratamento cria um novo problema. Reconhecer a doença precisa estar ligado a caminhos de cuidado.
Pensar na doença e fazer o diagnóstico não resolve o problema se a paciente não consegue chegar ao tratamento.
Quais são os riscos de usar IA no diagnóstico?
A inteligência artificial pode reproduzir e ampliar problemas presentes nos dados utilizados em seu treinamento.
Entre os principais riscos estão:
- Modelos treinados com poucas pacientes
- Populações que não representam a diversidade real
- Resultados bons em um centro e ruins em outro
- Falta de explicação sobre como o sistema chegou à resposta
- Dependência excessiva da recomendação automática
- Falsos positivos e falsos negativos
- Uso inadequado de dados pessoais
- Atualização insuficiente
- Interesses comerciais não transparentes
Um modelo pode apresentar alta precisão média e ainda falhar justamente em grupos pouco representados.
O que significa validar uma ferramenta de IA?
Não basta demonstrar que o algoritmo funciona nos mesmos dados usados para desenvolvê-lo.
Uma ferramenta precisa ser testada em pacientes diferentes, outros hospitais, equipamentos distintos e cenários próximos da prática real.
Também é necessário avaliar se seu uso melhora algo relevante: reduz atraso diagnóstico, evita procedimentos desnecessários, aumenta segurança ou ajuda a escolher melhor o tratamento.
Um modelo pode acertar uma classificação sem produzir benefício clínico concreto.
E quando a paciente pergunta ao ChatGPT ou a outro assistente?
Modelos de linguagem podem ajudar a organizar dúvidas, explicar termos e indicar que determinados sintomas merecem avaliação.
Mas também podem produzir informações imprecisas, simplificar excessivamente um caso ou responder com segurança mesmo quando a conclusão está errada.
Uma conversa com IA não consegue realizar exame físico, verificar a qualidade de uma imagem, conhecer todo o histórico ou assumir responsabilidade pela conduta.
Essas ferramentas devem ser utilizadas para educação e preparação da consulta, não para confirmar diagnóstico, suspender medicamentos ou decidir por cirurgia.
Que informações a paciente não deveria fornecer a qualquer ferramenta?
Dados de saúde são sensíveis. Antes de compartilhar exames, imagens, documentos ou informações pessoais, é importante saber como a plataforma utiliza, armazena e protege esses dados.
- Nome completo e documentos
- Endereço e contatos
- Imagens com identificação
- Resultados contendo dados pessoais
- Informações de terceiros
- Dados que não são necessários para a dúvida
A conveniência de uma resposta automática não elimina a necessidade de privacidade.
A IA substituirá o especialista em endometriose?
A tendência mais plausível é que especialistas utilizem ferramentas de inteligência artificial para analisar melhor informações e reduzir tarefas repetitivas.
O trabalho médico envolve incerteza, prioridades pessoais, riscos, alternativas e responsabilidade. Duas pacientes com alterações semelhantes podem escolher caminhos diferentes.
A IA pode mostrar padrões. O médico precisa avaliar se aquele padrão se aplica à paciente, quais informações estão faltando e o que fazer com a conclusão.
O que pode mudar nos próximos anos?
É provável que surjam ferramentas para triagem clínica, apoio à imagem, classificação, planejamento cirúrgico, acompanhamento e pesquisa de novas terapias.
O avanço mais importante não será produzir respostas mais rápidas. Será demonstrar que essas respostas são seguras, generalizáveis, transparentes e úteis na prática.
A tecnologia terá maior valor quando ajudar a reduzir o tempo até o diagnóstico sem transformar toda suspeita em doença e sem ampliar procedimentos desnecessários.
Conclusão
A inteligência artificial pode contribuir para o diagnóstico da endometriose analisando sintomas, apoiando a interpretação de imagens, organizando classificações e ampliando o acesso a conhecimento especializado.
Seu potencial está na capacidade de reconhecer relações entre muitas informações. Sua limitação está em não compreender sozinha toda a complexidade clínica, emocional e reprodutiva da paciente.
Os resultados atuais são promissores, mas muitas aplicações ainda precisam de validação externa e demonstração de benefício na prática.
A inteligência artificial não deve substituir a história clínica, o exame físico, a imagem especializada ou a decisão compartilhada. Seu melhor papel é fortalecer essas etapas.
O futuro do diagnóstico não será escolher entre inteligência humana e artificial. Será utilizar a tecnologia para que o médico consiga escutar, interpretar e decidir melhor.
Perguntas frequentes sobre inteligência artificial e endometriose
A inteligência artificial consegue diagnosticar endometriose?
A IA pode estimar probabilidades e reconhecer padrões em sintomas ou imagens, mas não deve ser utilizada isoladamente para confirmar o diagnóstico. O resultado precisa ser interpretado por profissionais.
Como a IA pode analisar os sintomas da endometriose?
Modelos podem avaliar combinações entre cólica, dor pélvica, sintomas intestinais, urinários, sexuais e reprodutivos para identificar padrões que merecem investigação.
A IA pode ajudar no ultrassom para endometriose?
Pode apoiar a identificação de estruturas, medidas, regiões suspeitas e padronização do laudo. Ainda assim, o ultrassom permanece dependente da aquisição adequada das imagens pelo examinador.
A inteligência artificial pode interpretar ressonância magnética?
Modelos podem auxiliar na segmentação de órgãos e no reconhecimento de alterações, mas o desempenho depende do protocolo, da qualidade das imagens e da validação em diferentes serviços.
A IA pode identificar endometriose superficial?
Existem estudos usando sintomas e dados clínicos para estimar a probabilidade de endometriose superficial, inclusive quando o ultrassom é normal. Essas ferramentas ainda precisam de validação ampla.
O ChatGPT pode confirmar se uma paciente tem endometriose?
Não. Assistentes de linguagem podem explicar informações e ajudar a organizar dúvidas, mas não realizam exame físico, não verificam toda a história e podem produzir respostas incorretas.
A IA substituirá o especialista em endometriose?
Não é o cenário mais provável. A tendência é que especialistas usem IA como apoio para analisar informações, mantendo a responsabilidade pela interpretação e pelas decisões.
Quais são os riscos da IA na saúde?
Entre os riscos estão vieses, falsos resultados, falta de validação, dificuldade de explicar conclusões, dependência excessiva e uso inadequado de dados pessoais.
A IA pode ampliar o acesso ao diagnóstico?
Pode apoiar triagem, telemedicina, teleultrassom e segunda opinião. Para gerar benefício real, esse avanço precisa estar conectado ao acesso ao tratamento.