Como a IA na radiologia e um novo fármaco estão a encurtar o diagnóstico da fibrose pulmonar. Veja aplicações práticas para saúde no Brasil.
IA na fibrose pulmonar: do diagnóstico ao novo remédio
A fibrose pulmonar progressiva mata mais rápido do que muitos tipos de cancro — e, mesmo assim, continua fora do radar de muita gente. O problema é cruel e silencioso: o pulmão vai “cicatrizando”, a falta de ar aparece aos poucos e muitos doentes (e até profissionais) interpretam os primeiros sinais como “coisa da idade”. Quando o diagnóstico chega, frequentemente já passou tempo demais.
O que mudou em 2025 é que duas frentes começaram a encaixar como peças do mesmo puzzle: um novo medicamento oral e um apoio de IA na interpretação de TACs (tomografias), com potencial para antecipar o diagnóstico e orientar o tratamento. No episódio 177 do podcast Beyond Biotech, o líder da unidade de inflamação da Boehringer Ingelheim, Martin Beck, descreve essa abordagem como uma aposta de longo prazo numa área historicamente difícil.
Para a série “IA na Saúde e Biotecnologia”, esta é uma boa história para olhar com olhos de Brasil: não só pelo que a ciência está a fazer, mas pelo que o nosso sistema de saúde pode ganhar ao integrar IA na radiologia, na triagem e na jornada do doente — especialmente em doenças raras e subdiagnosticadas.
Porque a fibrose pulmonar é diagnosticada tarde (e isso custa caro)
Diagnóstico tardio não é detalhe: é o centro do problema. Em fibroses pulmonares idiopáticas e outras formas progressivas, o tempo perdido significa perda de função pulmonar que não volta.
Há três razões práticas para a demora:
- Sintomas inespecíficos: falta de ar ao esforço, tosse seca e cansaço podem ser confundidos com sedentarismo, asma, DPOC, refluxo ou envelhecimento.
- Atenção primária sobrecarregada: quando a triagem é rápida, casos raros tendem a “parecer comuns”.
- Dependência de especialistas e exames: a confirmação costuma exigir pneumologista, TAC de alta resolução e, por vezes, discussão multidisciplinar.
No Brasil, este cenário é ainda mais sensível por desigualdades regionais: há centros de referência fortes, mas também vazios assistenciais em pneumologia e radiologia especializada. Resultado: o doente circula entre consultas, antibióticos “por garantia” e tratamentos sintomáticos até alguém suspeitar do padrão certo.
Uma frase que resume bem a urgência: “Em fibrose pulmonar, o atraso é progressão.”
O que os tratamentos atuais ensinam (e por que tanta gente desiste)
A taxa de abandono terapêutico é alta em vários tratamentos para fibrose pulmonar — no episódio, é mencionado que cerca de metade das pessoas em terapêuticas atuais acaba por interromper.
O motivo é menos “falta de vontade” e mais “vida real”:
- Efeitos adversos gastrointestinais (náuseas, diarreia, desconforto persistente)
- Carga de acompanhamento (consultas, ajustes, exames)
- Expectativa desalinhada: muitos doentes esperam “melhora” imediata, quando o objetivo é frequentemente abrandar a progressão
Aqui vai a minha posição: a inovação em fibrose pulmonar precisa ser avaliada tanto pela eficácia clínica quanto pela adesão na prática. Um fármaco excelente que o doente não tolera falha no resultado final.
O que muda quando pensamos em adesão desde o início
Para equipas clínicas e para a indústria, vale adotar três princípios:
- Educação objetiva desde a primeira consulta: explicar que o alvo é “ganhar tempo pulmonar”.
- Planos de manejo de efeitos adversos: protocolos simples e rápidos, com retorno precoce.
- Monitorização com dados: sintomas, saturação, atividade e eventos adversos registados de forma estruturada (app, telemonitorização ou contacto ativo).
Este ponto liga diretamente à campanha: IA na saúde não é só algoritmo de imagem; é também orquestração de cuidado com dados para manter o doente em tratamento.
IA na radiologia: o que significa “ver o microscópico” numa TAC
A promessa mais pragmática da IA aqui é reduzir o tempo até suspeita diagnóstica. No episódio, é descrita uma ferramenta de IA (referida como eLung) capaz de identificar alterações muito subtis em exames de imagem — sinais que podem passar despercebidos numa leitura apressada ou num serviço com alto volume.
Não estamos a falar de “substituir o radiologista”. Estamos a falar de:
- Priorizar filas (sinalizar exames com maior probabilidade de fibrose)
- Padronizar achados (reduzir variabilidade entre laudos)
- Comparar exames ao longo do tempo com mais consistência
Como a IA pode encaixar na jornada do doente no Brasil
Num fluxo bem desenhado, a IA pode atuar como “radar”:
- O doente faz TAC por falta de ar/tosse persistente.
- O software analisa padrões compatíveis com doença intersticial/fibrose.
- O sistema gera um alerta clínico (por exemplo: “recomenda-se avaliação pneumológica e correlação com sintomas e função pulmonar”).
- A equipa encaminha mais cedo para pneumologia/centro de referência.
O ganho é simples de entender: menos meses perdidos. E meses, nesta doença, são função pulmonar.
Pergunta comum: “IA dá diagnóstico?”
Resposta direta: não deveria dar diagnóstico sozinha. O que ela faz bem é aumentar sensibilidade e consistência na detecção de padrões, ajudando a equipa a suspeitar e encaminhar. O diagnóstico continua clínico, radiológico e, muitas vezes, multidisciplinar.
Caso Boehringer Ingelheim: medicamento novo + IA como estratégia única
O caso é valioso porque junta duas apostas complementares: melhorar o que chega ao doente (terapia) e melhorar quando chega (diagnóstico mais cedo).
No episódio, é destacado que a empresa levou ao mercado dos EUA o primeiro novo medicamento em mais de uma década para este contexto e descreve um inibidor oral de PDE4B como uma das peças dessa nova geração.
Sem entrar em promessas fáceis, há um ponto estratégico claro: medicamento sem diagnóstico precoce vira corrida atrás do prejuízo. E diagnóstico precoce sem terapias toleráveis também frustra. A combinação dos dois é o que cria impacto.
O que o desenvolvimento com IA realmente pode acelerar
Quando se fala em IA no desenvolvimento de fármacos, o benefício mais realista costuma aparecer em quatro áreas:
- Seleção de alvos e mecanismos (priorizar hipóteses com maior probabilidade de sucesso)
- Estratificação de doentes (ensaios com perfis mais homogéneos e sinais mais claros)
- Biomarcadores e endpoints digitais (medidas mais sensíveis do que “esperar piorar”)
- Eficiência operacional (recrutamento, análise e monitorização)
Para doenças como fibrose pulmonar — onde os ensaios são longos e caros — qualquer melhoria de desenho pode economizar anos.
O que hospitais, clínicas e healthtechs podem fazer já (sem esperar “o futuro”)
A parte mais difícil não é ter IA; é pôr IA a trabalhar dentro do fluxo clínico. Abaixo vai um checklist prático que tenho visto funcionar em projetos de IA na saúde (e que faz sentido para radiologia e pneumologia).
1) Comece por um caso de uso que reduz atraso
Escolha um objetivo mensurável, por exemplo:
- reduzir tempo entre a TAC e a primeira consulta com pneumologista
- aumentar taxa de encaminhamento apropriado para doença intersticial
- diminuir repetição de exames por laudos inconclusivos
2) Garanta dados “bons o suficiente” e governança
Para IA em imagem, o mínimo inclui:
- padrão de aquisição (protocolos de TAC)
- laudos estruturados ou mapeáveis
- consentimento, privacidade e trilha de auditoria
3) Valide com a equipa (e aceite o desconforto inicial)
Adote métricas claras:
- sensibilidade para sinalizar casos suspeitos
- taxa de falsos positivos (para não congestionar encaminhamentos)
- impacto no tempo de resposta do serviço
E seja honesto: os primeiros 60-90 dias são de ajuste fino.
4) Conecte IA a uma linha de cuidado
Alerta sem destino vira ruído. O alerta precisa apontar para:
- protocolo de encaminhamento
- agenda protegida para suspeitas prioritárias
- material educativo para doentes (o que observar, quando regressar)
Perguntas que costumam aparecer (e respostas diretas)
“Isto serve só para grandes centros?”
Não. Serve especialmente para redes com menos especialistas, porque a IA pode ajudar na triagem e priorização. O requisito é ter um fluxo de encaminhamento real para onde enviar os casos.
“Vai aumentar custos?”
Pode aumentar no curto prazo (mais casos detectados), mas a lógica assistencial é: diagnosticar cedo evita desperdício e internações futuras. O modelo certo é avaliar custo total da jornada, não só o custo do software.
“E se a IA errar?”
Ela vai errar, como qualquer ferramenta. Por isso:
- precisa de validação local
- precisa de supervisão humana
- precisa de monitorização contínua (drift, atualização de protocolos)
O que esta história diz sobre 2026 no Brasil
A leitura mais útil para quem trabalha com saúde no Brasil é esta: IA na radiologia e inovação farmacêutica estão a convergir para encurtar a distância entre o primeiro sintoma e a primeira decisão certa. Em doenças subdiagnosticadas, isso muda o jogo clínico — não por magia, mas por processo.
Se a sua organização está a pensar em IA na saúde e biotecnologia, a fibrose pulmonar é um excelente “caso-escola”: tem atraso diagnóstico, necessidade de padronização de imagem, alto impacto de progressão e uma agenda clara de novos tratamentos. Dá para começar pequeno (triagem de TAC) e escalar para uma linha de cuidado completa.
O próximo passo é bem pragmático: mapear onde o doente se perde hoje — e decidir em que ponto a IA pode recuperar tempo. Que atraso você consegue cortar nos próximos 90 dias sem mexer em tudo ao mesmo tempo?