Do laudo ao dado: SR, interoperabilidade e IA

No primeiro guia vimos que o grande benefício silencioso do laudo estruturado é gerar dado reaproveitável. Este guia mostra como isso funciona na prática — como uma medida ou uma categoria deixam de ser "texto" e viram informação que qualquer sistema entende, troca e processa.

DICOM SR: o laudo estruturado dentro do DICOM

Você já conhece o DICOM como o formato das imagens. Mas o padrão também tem um objeto para conteúdo estruturado: o DICOM SR (Structured Reporting). Em vez de guardar pixels, um objeto SR guarda conteúdo organizado — medidas, observações, referências a imagens, achados codificados — numa árvore padronizada. Quando você faz uma medida numa estação de trabalho (o diâmetro de um nódulo, um ROI, um escore), é comum que ela seja salva como um objeto SR ligado ao estudo. Assim, a medida viaja junto com as imagens, no mesmo padrão, e pode ser lida por qualquer sistema compatível — sem depender de alguém reescrever o número no texto do laudo.

CDE: perguntas e respostas padronizadas

Os elementos de dados comuns (CDE, common data elements — os RadElement que vimos antes) são o que dá sentido único a cada campo. Um CDE define a "pergunta" (por exemplo, maior diâmetro axial da lesão), o tipo de resposta (um número), a unidade (milímetros) e, quando é o caso, a lista de respostas possíveis. Quando um achado é registrado como CDE, ele para de ser uma frase e passa a ser um campo com significado fixo — comparável entre exames, entre pacientes e entre serviços. É a diferença entre "lesão de uns 2 cm" escrito no texto e um campo "diâmetro = 21 mm" que um computador soma, filtra e acompanha no tempo.

Interoperabilidade: DICOMweb e FHIR

Dado estruturado só tem valor se puder trafegar entre sistemas. Dois padrões dominam esse tráfego hoje. O DICOMweb é a via web do próprio DICOM — permite que aplicações busquem e recuperem imagens e objetos (inclusive SR) por endereços web, sem software proprietário. E o FHIR (o padrão moderno de troca de dados em saúde) organiza o contexto clínico: recursos como o DiagnosticReport e o ImagingStudy conectam o laudo e o estudo ao restante do prontuário. O padrão que se consolidou combina os dois: o DICOM continua sendo a "fonte da verdade" da imagem, servida por DICOMweb, enquanto o FHIR amarra o laudo ao paciente, ao pedido e ao histórico. Um laudo estruturado é o que torna essa troca rica — em vez de mandar um texto, você manda campos que o outro lado entende.

E é aqui que a IA entra

Todo o pilar de IA em radiologia se apoia nesta base. A inteligência artificial consome dado estruturado — para treinar, para gerar indicadores, para comparar exames — e cada vez mais produz dado estruturado, sugerindo campos preenchidos e categorias em vez de só texto. Um laudo bem estruturado é, ao mesmo tempo, um bom combustível para algoritmos e um bom lugar para receber a sugestão de um algoritmo, sempre sob revisão humana. Sem estrutura, a IA precisa "adivinhar" o sentido de um texto livre; com estrutura, ela recebe e devolve informação limpa.

O que isso muda para você

Duas ideias práticas fecham o pilar. Primeiro: quando você faz uma medida reprodutível — um diâmetro consistente, um ROI bem posicionado —, você não está só ajudando a leitura de hoje; está gerando um dado que pode virar SR, alimentar um indicador e comparar-se com o exame de amanhã. Segundo: a qualidade da imagem continua sendo a base de tudo — nenhum padrão de dado conserta uma aquisição ruim. Entender essa cadeia (imagem → medida → laudo estruturado → dado → decisão e IA) é o que separa quem "tira exame" de quem participa, com consciência, de um sistema de diagnóstico moderno.