Este whitepaper da Arkangel AI é uma síntese narrativa rápida de evidências que reúne 27 fontes sobre cinco tarefas de radiologia selecionadas: leitura assistida de mamografias, detecção de achados específicos na radiografia de tórax, priorização e eficiência, segmentação ou quantificação e apoio textual aos laudos. A busca principal foi feita em 13 de junho de 2026, com uma recuperação reprodutível no PubMed em julho que retornou 2,337 registros únicos para o mapeamento e uma verificação de fontes em setembro. A seleção não foi exaustiva nem feita por dois revisores independentes, e cada tarefa foi classificada em seis níveis de evidência, da discriminação retrospectiva à implementação rotineira.
Neste corpus, a evidência prospectiva mais desenvolvida correspondeu ao apoio à leitura de mamografias em programas de rastreamento organizados, em especial o ensaio sueco MASAI. Em um ensaio randomizado unicêntrico com 10,476 participantes de check-up, os radiologistas que leram radiografias de tórax com apoio de IA encontraram nódulos acionáveis confirmados por TC em 0.59% dos participantes, contra 0.25% sem ela. A priorização mostrou efeitos heterogêneos sobre tempos de leitura e carga de trabalho, a segmentação não alcançou um nível geral de maturidade clínica e o apoio de modelos de linguagem aos laudos ainda exige supervisão humana por causa de erros. As fontes regionais, incluindo um estudo retrospectivo mexicano com AUC de 0.774 para COVID-19 na TC, não demonstram efetividade generalizável na América Latina. Trata-se de um whitepaper sem revisão por pares, e seus autores são afiliados à Arkangel AI.
