A tireoide é uma pequena glândula localizada na base do pescoço que exerce papel fundamental no organismo. Como outros órgãos ao longo da vida, pode apresentar alterações estruturais que nem sempre representam um problema grave. Entre elas estão os nódulos tireoidianos, que, na maioria dos casos, são benignos.

O grande desafio está em compreender quais necessitam de investigação. Para o triênio 2026–2028, o Instituto Nacional de Câncer (INCA) estima 16.450 novos casos de câncer de tireoide por ano no Brasil.

Ao mesmo tempo, a ampla utilização da ultrassonografia aumentou a detecção dessas alterações. Uma revisão de estudos recente encontrou nódulos incidentais em cerca de 30% dos adultos assintomáticos, chegando a 60% com aparelhos de alta frequência.

A imensa maioria não tem relevância clínica. Assim, a questão deixa de ser “detectamos um nódulo” para se tornar “qual é o risco de malignidade desse nódulo?”. É nesse contexto que a combinação entre ultrassonografia, dados clínicos e inteligência artificial (IA) começa a transformar a tomada de decisão.

Quais sinais devem chamar atenção?

O câncer de tireoide geralmente não apresenta sintomas nas fases iniciais. Muitas vezes, o primeiro sinal é um nódulo percebido pelo paciente ou identificado em exames. Quando presentes, merecem atenção o aumento progressivo de massa no pescoço, rouquidão persistente⁴, dificuldade para engolir ou respirar⁴ e dor cervical persistente.

A investigação costuma começar pela avaliação clínica e pela ultrassonografia. No exame, são analisadas características como composição, ecogenicidade, formato, margens e focos ecogênicos, que ajudam a estimar o risco de malignidade.

Uma das ferramentas mais utilizadas é o ACR TI-RADS, sistema que organiza características ultrassonográficas em categorias de risco. Associada ao tamanho do nódulo, essa classificação ajuda a definir se é indicada a punção aspirativa por agulha fina (PAAF) ou apenas acompanhamento.

Mas esse modelo está evoluindo. As novas diretrizes da American Thyroid Association (ATA) propõem uma avaliação mais individualizada, incorporando fatores como idade, sintomas, comorbidades e preferências do paciente para definir o benefício clínico de prosseguir na investigação.

É justamente na integração dessas informações que a IA pode contribuir. Algoritmos de aprendizado de máquina analisam grandes volumes de imagens ultrassonográficas e reconhecem combinações de características associadas a diferentes níveis de risco. Isso pode reduzir a variabilidade entre observadores e apoiar o especialista.

Um estudo multicêntrico retrospectivo com 4.572 nódulos mostrou esse potencial. Um sistema baseado em deep learning classificou corretamente 2.719 dos 3.134 nódulos benignos analisados. Segundo os pesquisadores, sua utilização poderia reduzir as PAAFs desnecessárias de 68,5% para 9,1% naquele grupo.

O resultado é relevante, mas evidencia os limites da tecnologia: no mesmo estudo, 123 nódulos malignos foram classificados incorretamente como benignos⁷. Portanto, a IA não deve substituir a avaliação médica. Seu papel é apoiar o especialista, que integra os dados de imagem ao contexto clínico de cada paciente.

De dados isolados à decisão personalizada

Esse é provavelmente o principal avanço no manejo dos nódulos tireoidianos: a tecnologia deixa de ser um fim em si mesma e passa a integrar uma estratégia de decisão clínica mais ampla. Mas a pergunta final continuará sendo clínica: o que essa informação muda para aquele paciente?

A incorporação ampla da IA ainda exige validação em diferentes populações, equipamentos e cenários assistenciais, além de estudos prospectivos que confirmem seu desempenho fora dos bancos de dados⁷. Também é fundamental garantir transparência, qualidade dos dados e supervisão médica.

A proposta é combinar experiência clínica e valores do paciente com a capacidade da IA de analisar grandes volumes de dados. Nesse contexto, a tecnologia pode ajudar a identificar quais pacientes realmente necessitam de investigação adicional, reduzindo procedimentos desnecessários sem comprometer a segurança diagnóstica.

* Ana Luiza Maia é endocrinologista, Professora Titular da Universidade Federal do Rio Grande do Sul (UFRGS) e membro da American Thyroid Association (ATA) Task Force