Ir para o conteúdo

O conhecimento que ilumina o mundo

IA na Medicina: Da Imagiologia à Descoberta de Fármacos, o que está a ser feito hoje e quais são os limites?

A inteligência artificial entrou em muitas áreas da medicina, desde a leitura de radiografias e tomografias computorizadas até à previsão de estruturas proteicas. Aplicações atualmente em uso, processos de aprovação, a mudança trazida pelo AlphaFold, os riscos e o que os pacientes devem saber.

IA na Medicina: Da Imagiologia à Descoberta de Fármacos, o que está a ser feito hoje e quais são os limites?

A inteligência artificial refere-se a sistemas informáticos capazes de aprender padrões a partir de grandes quantidades de dados. A medicina é uma das áreas mais promissoras para esta tecnologia, e uma que exige o maior cuidado: bem utilizada, pode acelerar o diagnóstico e aliviar a carga de trabalho dos médicos; mal utilizada, pode prejudicar os pacientes.

Imagiologia médica

A imagiologia é a área onde a IA é mais amplamente utilizada na medicina atualmente. Sistemas que assinalam achados suspeitos em radiografias, tomografias computorizadas (TC), ressonâncias magnéticas (RM) e mamografias, que dão prioridade a emergências como hemorragias cerebrais, ou que rastreiam fotografias da retina para detetar retinopatia diabética, estão em uso clínico. A lista de dispositivos médicos com IA da Food and Drug Administration (FDA) dos EUA ultrapassou os mil produtos, a grande maioria dos quais em radiologia.

Descoberta de fármacos e AlphaFold

Conhecer a estrutura tridimensional de uma proteína é crucial para compreender doenças e desenvolver medicamentos. O AlphaFold, desenvolvido pela Google DeepMind, abriu novos caminhos ao prever estruturas proteicas a partir da sua sequência de aminoácidos com elevada precisão. Metade do Prémio Nobel da Química de 2024 foi atribuída a Demis Hassabis e John Jumper por este trabalho; a outra metade foi para David Baker pelo seu trabalho no design de proteínas. A IA é também utilizada para rastrear moléculas candidatas a fármacos e conceber ensaios clínicos.

Tarefas clínicas diárias

Sistemas que transcrevem consultas de pacientes e redigem notas, ferramentas de alerta precoce que estimulam o risco, e aplicações que facilitam os fluxos de marcação de consultas e burocracia são utilizações da IA menos visíveis, mas cada vez mais comuns nos hospitais.

Limites e riscos

  • Viés de dados: Um modelo treinado num grupo de pacientes pode ter um desempenho pior para pacientes de uma idade, sexo ou origem étnica diferente.
  • Privacidade: Os dados de saúde estão entre os dados pessoais mais sensíveis.
  • Confiança excessiva: Médicos ou pacientes que aceitam a sugestão de um sistema sem questionar podem levar a erros.
  • Responsabilidade: Quem é responsável quando algo corre mal ainda é objeto de debate.

Em orientações publicadas em 2021, a Organização Mundial da Saúde recomenda que a IA para a saúde proteja a autonomia humana, seja transparente e explicável, e seja concebida de forma inclusiva. O Regulamento da IA da União Europeia também trata os sistemas de IA para fins médicos como de alto risco e impõe obrigações adicionais.

Uma nota para os pacientes

Os chatbots de uso geral podem ajudá-lo a compreender questões de saúde, mas não fazem diagnósticos e podem cometer erros. Consulte um profissional de saúde sobre os seus sintomas e leia os termos de privacidade das aplicações com as quais partilha os seus dados de saúde.

Em que áreas são utilizados dispositivos médicos de IA aprovados?

A Food and Drug Administration (FDA) dos EUA mantém uma lista pública dos dispositivos médicos com IA que autorizou para comercialização. Em 2025, o número de produtos nesta lista ultrapassou os mil, e a distribuição é bastante desigual:

  • Radiologia muito à frente: Cerca de três quartos dos dispositivos na lista destinam-se à revisão de imagens de radiografias, TC, RM e mamografias.
  • Cardiologia em segundo lugar: Destacam-se aplicações como a interpretação de ECG e a deteção de perturbações do ritmo cardíaco.
  • Outras áreas: Existem também ferramentas aprovadas em neurologia, oftalmologia, patologia e gastrenterologia, mas em menor número.

A aprovação de uma ferramenta não significa que terá o mesmo desempenho em todos os hospitais e em todos os grupos de pacientes; a aprovação é concedida para uma utilização específica pretendida e condições específicas.

Como é avaliada a fiabilidade de uma IA de saúde?

Quando investigadores e hospitais avaliam uma nova ferramenta, analisam algumas questões básicas:

  • Validação externa: A ferramenta foi testada com dados de diferentes dispositivos e grupos de pacientes fora do hospital onde foi desenvolvida?
  • Estudo prospetivo: Foi testada não apenas com dados passados, mas dentro do fluxo de trabalho clínico real e, se possível, em ensaios aleatorizados?
  • Relatórios transparentes: As diretrizes CONSORT-AI e SPIRIT-AI publicadas em 2020 visam normalizar a forma como os ensaios clínicos que envolvem IA são reportados.
  • Monitorização contínua: Após a implementação, é acompanhado se o desempenho diminui ao longo do tempo?

Em 2024, a Organização Mundial da Saúde publicou também orientações separadas sobre a utilização de grandes modelos multimodais (incluindo sistemas baseados em chat) na saúde, oferecendo mais de 40 recomendações a governos, programadores e instituições de saúde.

Este artigo destina-se a fins informativos gerais e não substitui o aconselhamento médico. Consulte o seu médico sobre decisões relacionadas com a sua saúde.

Fontes e leitura adicional

  1. Organização Mundial da Saúde (OMS), “Ethics and governance of artificial intelligence for health” (2021).
  2. U.S. Food and Drug Administration, lista de “Artificial Intelligence-Enabled Medical Devices”.
  3. Nobel Prize Outreach, comunicado de imprensa “The Nobel Prize in Chemistry 2024”.
  4. Jumper, J. et al., “Highly accurate protein structure prediction with AlphaFold”, Nature (2021).
  5. U.S. FDA – Artificial Intelligence-Enabled Medical Devices (lista)
  6. Liu X. et al. – CONSORT-AI extension, Nature Medicine (2020)
  7. OMS – Ethics and governance of AI for health: Guidance on large multi-modal models (2024)
Partilhar
Siga a YulaHubReceba primeiro as notícias mais importantes do dia.
RSS

Deixe um comentário

Seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *