IA, Inovação & Health Business
Raio-X falso feito por IA engana radiologistas: como saber se é real?
Jorge Marin
Redator Científico

Em estudo da Radiology, radiologistas não distinguiram raios-X reais de falsos em um quarto dos casos; uma perita defende rastrear a origem.
Mais do que simples exame, um raio-X pode mudar a vida de uma pessoa, ao decidir um processo, liberar uma indenização ou definir uma cirurgia. Até pouco tempo, a grande preocupação era reduzir a subjetividade na interpretação da radiografia. A premissa era a de que a imagem não mente.
Ou pelo menos não mentia. Um estudo recente publicado na revista Radiology, da Radiological Society of North America (RSNA), pôs essa confiança à prova com uma pergunta simples: radiologistas experientes conseguem distinguir um raio-X real de um criado por inteligência artificial? A mesma pergunta foi feita a quatro modelos de IA: GPT-4o, GPT-5, Gemini 2.5 Pro e Llama 4 Maverick.
Liderado por Mickael Tordjman, pós-doutorando na Icahn School of Medicine at Mount Sinai, em Nova York, o trabalho reuniu 17 radiologistas de 12 centros em seis países, com zero a 40 anos de experiência. Eles analisaram 264 radiografias, metade real e metade sintética, produzida pelo ChatGPT ou, num lote só de tórax, por outro modelo, o RoentGen.
Sem saber que havia imagens falsas no lote, só 41% dos radiologistas desconfiaram de algo. Depois de avisados, ainda erraram uma em cada quatro, e os anos de experiência não fizeram diferença: a acurácia média ficou em 75%, indo do quase perfeito (92%) ao quase chute (58%).
Os modelos de IA, por sua vez, não se saíram muito melhor. Quatro deles foram submetidos às mesmas radiografias e ficaram entre 57% e 85% de acerto. Não por acaso, o melhor desempenho veio do GPT-4o, que havia gerado parte daquelas imagens falsas. Ainda assim, nem ele reconheceu todas elas.
O que preocupa é que, se nem o olho treinado nem a máquina conseguem distinguir com segurança o real do deepfake, de quem será a responsabilidade jurídica e ética caso um tratamento invasivo seja baseado em uma imagem adulterada?
Por que radiologistas experientes não percebem um raio-X falso?
Um dos motivos pelos quais radiologistas experientes deixaram passar raios-X falsos é simples: eles não estavam procurando por isso. É o que avalia Felipe Kitamura, médico radiologista, chefe da Divisão de Neurorradiologia da Universidade Federal de São Paulo (Unifesp) e diretor de Tecnologias da Sociedade Paulista de Radiologia e Diagnóstico por Imagem (SPR).
"O radiologista normalmente olha uma radiografia procurando alterações e doenças, e não tentando descobrir se aquela imagem é verdadeira ou foi criada artificialmente", afirma em entrevista ao Prime Health Report (PHR).
Kitamura lembra que, até pouco tempo atrás, a ideia de uma radiografia inteiramente criada por IA nem passava pela cabeça dos radiologistas. Agora, ele considera importante que residentes e especialistas saibam que isso já é possível.
Quais sinais denunciam uma radiografia criada por IA?
Para Kitamura, o que costuma distinguir uma radiografia sintética de uma real é o excesso de perfeição: ossos de contornos lisos demais, lados do corpo quase espelhados e uma textura uniforme, sem o leve granulado de um exame real. Os autores do estudo notaram pistas parecidas, como colunas anormalmente retas e fraturas “limpas” demais.
Para quem procura doenças, uma imagem perfeita não acende nenhum alerta. Mas nem todos caíram na armadilha do mesmo jeito: os radiologistas especializados em ossos e articulações se saíram melhor que os colegas de outras áreas. O estudo, porém, não descobriu por quê.
Kitamura arrisca duas explicações. A primeira é que a IA ainda teria mais dificuldade para imitar ossos: existem bancos públicos enormes de radiografias de tórax para treinar esses modelos, e bem menos de exames musculoesqueléticos. A segunda é que quem olha ossos todos os dias perceberia com mais facilidade uma pequena imperfeição na anatomia. “Mas essas são hipóteses, e não algo que tenha sido demonstrado pelo estudo”, pondera.
Para o especialista, que é também diretor médico da Eden, healthtech americana de IA, nem os detectores automáticos resolvem o problema. “Já existem modelos que tentam identificar se uma imagem foi gerada por inteligência artificial, mas estamos longe de ter uma solução suficientemente confiável para ser incorporada rotineiramente à prática clínica”, afirma.
Isso porque há várias formas de criar ou adulterar uma imagem, e cada detector costuma aprender a reconhecer as marcas de um tipo específico de falsificação. Um sistema treinado com imagens geradas pelo ChatGPT, por exemplo, pode não perceber as de outro programa. Por isso, ele não vê essas ferramentas chegando tão cedo à rotina dos hospitais brasileiros.
Um raio-X falso pode ser usado como prova em perícia ou processo?
Os próprios autores do estudo veem nos tribunais um dos riscos mais sérios dessas imagens. Imagine uma fratura que nunca aconteceu refletida em uma radiografia anexada a um processo. “Isso cria uma vulnerabilidade de alto risco para litígios fraudulentos se, por exemplo, uma fratura fabricada puder ser indistinguível de uma real”, alertou Tordjman no comunicado da RSNA.
Os pesquisadores levantam ainda outra hipótese: hackers inserindo imagens falsas nas redes de um hospital. Kitamura considera esse cenário pouco provável. Para colocar uma imagem falsa no PACS, o sistema onde ficam guardados os exames de um hospital, seria preciso ter acesso e senha, algo restrito a profissionais autorizados. Para ele, mais realista seria alguém chegar ao consultório com uma imagem avulsa, impressa ou aberta no computador, e pedir uma segunda opinião.
“Se o médico não souber que aquela imagem pode ter sido artificialmente gerada ou manipulada, pode acabar fornecendo uma interpretação médica para um exame que nunca existiu”, adverte o radiologista.
Ouvida pelo PHR, Caroline Daitx, médica especialista em Medicina Legal e Perícia Médica, afirma que, no dia a dia dos peritos, há muitas situações que exigem atenção: documentos adulterados, datas ou identificações que não batem e arquivos sem origem verificável.
Nesse cenário, a IA generativa “acrescenta uma nova possibilidade: produzir imagens médicas sintéticas muito convincentes ou modificar imagens existentes”. Ainda assim, pondera Daitx, “eu não diria que o exame de imagem perde seu valor como prova. O que muda é a necessidade de dar mais atenção à sua origem e integridade”.
Como verificar se um exame de imagem é autêntico?
Conferir a origem de uma radiografia dá mais trabalho do que olhar para ela. “A imagem não deve ser avaliada apenas pelo aspecto visual”, afirma Daitx. Diante de uma dúvida, o perito vai atrás da procedência do exame.
Quando disponível, o arquivo original no padrão internacional DICOM (sigla em inglês para Imagem Digital e Comunicações em Medicina) guarda, além da imagem, metadados embutidos: nome, ID e data de nascimento do paciente, dados do exame, como instituição e dia da realização, e parâmetros técnicos do aparelho.
Embora ajudem, esses metadados podem não devem ser considerados isoladamente, uma vez que “informações digitais também podem ser alteradas”, alerta a médica. Daí a importância de cruzá-los com o laudo, o prontuário e os registros do sistema que armazenou o exame, ou de pedir o exame direto à instituição de origem.
Quanto mais um exame pesar na conclusão da perícia, maior deve ser o cuidado com sua rastreabilidade, isto é, com a possibilidade de refazer o caminho dele até a origem.
O Brasil já tem normas sobre a integridade de registros médicos digitais e, desde 2026, uma resolução do Conselho Federal de Medicina (CFM) específica para o uso de inteligência artificial na medicina, a de nº 2.454/2026. As regras de telerradiologia, a radiologia à distância, também exigem segurança na transmissão das imagens e estabelecem padrões como DICOM e HL7.
"Mas, até o momento, não há um protocolo nacional único e específico para verificar se uma radiografia apresentada como prova pericial foi produzida ou manipulada por inteligência artificial", observa a médica. Para ela, falta padronizar a rastreabilidade da imagem desde a aquisição, a preservação do arquivo original e critérios objetivos para checar sua integridade quando houver contestação.
Sem detectores confiáveis, o alarme na rotina clínica depende de quem lê o exame. "A primeira linha de detecção ainda seria o próprio radiologista desconfiar de que existe algo estranho naquela imagem", diz Kitamura. "E justamente aí está o problema demonstrado pelo estudo: se o médico não estiver considerando essa possibilidade, uma parcela importante dessas imagens pode passar despercebida."
Quando um exame chega e ninguém consegue confirmar de onde veio, o primeiro passo é não confiar nele de imediato. Para médicos, seguradoras e advogados nessa situação, Daitx recomenda cautela: a imagem não deve sustentar sozinha uma conclusão importante.
O ideal, segundo ela, é pedir o arquivo original e confirmar a procedência com o serviço que supostamente fez o exame. Se a dúvida continuar numa disputa judicial ou administrativa, pode ser necessária uma avaliação técnica para checar se o arquivo está íntegro, ou seja, se não foi alterado.
"Com a evolução da inteligência artificial, confiar apenas no fato de uma imagem 'parecer verdadeira' já não é uma medida de segurança suficiente", conclui a perita.
Este conteúdo tem caráter informativo e não substitui avaliação médica individual.
Matérias relacionadas

Seu plano de saúde pode usar IA para negar tratamento? O que diz a lei
Processos nos EUA expõem negativas de cobertura associadas a algoritmos; no Brasil, médicos e juristas discutem se regras atuais protegem o paciente.

Quem responde pelo erro de uma IA médica no Brasil?
A Resolução CFM nº 2.454/2026 define que a IA deve apoiar, e não substituir, a decisão médica. Em caso de erro, a responsabilidade dependerá da atuação do médico e também poderá envolver hospitais e empresas de tecnologia.

IA já apoia a triagem clínica, mas ainda não substitui o julgamento médico
Maior estudo do tipo comparou mais de 400 médicos a sistemas de IA e mostra que a diferença no julgamento clínico ainda persiste, explicam especialistas.
