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
- Organização Mundial da Saúde (OMS), “Ethics and governance of artificial intelligence for health” (2021).
- U.S. Food and Drug Administration, lista de “Artificial Intelligence-Enabled Medical Devices”.
- Nobel Prize Outreach, comunicado de imprensa “The Nobel Prize in Chemistry 2024”.
- Jumper, J. et al., “Highly accurate protein structure prediction with AlphaFold”, Nature (2021).
- U.S. FDA – Artificial Intelligence-Enabled Medical Devices (lista)
- Liu X. et al. – CONSORT-AI extension, Nature Medicine (2020)
- OMS – Ethics and governance of AI for health: Guidance on large multi-modal models (2024)
Deixe um comentário
Seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *