Em 2016, Geoffrey Hinton previu que os computadores substituiriam os radiologistas em cinco anos. Eles não substituíram. As fileiras da radiologia estão crescendo, com profissionais que devem expandir 26 por cento nas próximas três décadas. No entanto, a presciência de Hinton se mantém: a IA agora iguala ou supera o desempenho humano em muitas tarefas de imagem. No início de 2026, cerca de três quartos dos 1.400 dispositivos médicos habilitados por IA aprovados pela FDA são para radiologia.

As ferramentas de IA redigem relatórios, sinalizam imagens urgentes e, às vezes, detectam anormalidades invisíveis ao olho humano. Por exemplo, uma análise de 43 ensaios clínicos descobriu que as colonoscopias assistidas por IA revelam mais pólipos. As taxas de erro humano para imagens diagnósticas variam de 3 a 5 por cento, causando cerca de 40 milhões de erros em todo o mundo anualmente. A solução não é substituir os humanos, mas combinar a precisão da IA com a experiência humana.

Projetar a colaboração é complexo. Mesmo que a IA seja mais confiável em média, ela ainda erra onde os humanos não errariam, diz o radiologista Curtis Langlotz de Stanford. Os radiologistas devem avaliar cada decisão da IA, uma "reconexão mental completa" segundo Paul Yi do St. Jude Children's Research Hospital. Ao contrário dos alertas baseados em regras, as redes neurais de IA são sistemas de "caixa preta", tornando a supervisão mais difícil.

O objetivo é fundir a precisão técnica da IA com a flexibilidade humana para o benefício do paciente.