Giro semanal de IA na medicina – 8–15 de setembro de 2025

Giro semanal de IA na Medicina – 8 a 15 de setembro de 2025

A semana de 8 a 15 de setembro trouxe exemplos variados de como a inteligência artificial está ampliando o alcance da medicina. De algoritmos que se tornam assistentes pessoais para controle da pressão arterial a ferramentas que preveem complicações oculares, estas inovações mostram que a tecnologia pode humanizar o cuidado ao liberar tempo e aprimorar decisões. A seguir, exploramos seis histórias que ilustram essa evolução.

Monitoramento domiciliar da pressão arterial com agentes de voz

Hipertensão é um fator de risco silencioso para infartos e AVCs, mas muitas vezes os pacientes não aderem à medição regular porque faltam aparelhos ou acompanhamento. Um programa piloto nos Estados Unidos usou um agente de voz alimentado por IA para telefonar a idosos com hipertensão, guiando‑os na medição de pressão em casa. O sistema é simples: via telefone convencional, o assistente pede que o paciente posicione o aparelho e leia o valor. Os resultados são gravados automaticamente no prontuário. Segundo o estudo, 85 % das pessoas atendidas atenderam às chamadas, 67 % completaram as orientações e 60 % realizaram leituras válidas, fechando 1 939 lacunas no registro de pressão e elevando a pontuação de desempenho de 1 para 4 estrelas em indicadores de qualidade. Além de reduzir custos, a solução se adapta a quem não tem acesso a internet ou smartphones e apresentou taxa de satisfação acima de 90 %, revelando como um simples telefonema automatizado pode engajar pacientes e melhorar o controle da hipertensão.

Mamografias que antecipam o risco de doença cardiovascular

Doenças cardiovasculares continuam a ser a principal causa de morte em mulheres, mas a avaliação de risco costuma exigir exames adicionais, como colesterol e pressão arterial, nem sempre disponíveis durante o rastreamento de câncer de mama. Pesquisadores de Harvard e da Universidade de Lund treinaram uma rede neural convolucional com 49 196 mamografias e a idade das participantes para estimar o risco de eventos cardiovasculares em dez anos. O modelo, divulgado na revista Heart, atingiu desempenho comparável a calculadoras clínicas tradicionais, como o PREDICT e o PREVENT, ao predizer infarto e AVC. Como a mamografia já faz parte da rotina de rastreamento, a IA permitiria informar as mulheres sobre riscos cardíacos sem exames extras. Os autores salientam que a abordagem só usa imagem e idade, o que facilita a implementação, mas recomendam validação em populações diferentes e atenção à qualidade das imagens de radiologia digital. Mesmo com essas limitações, a pesquisa destaca um possível uso duplo dos exames de mama para promoção da saúde cardiovascular.

Previsão da progressão do ceratocone com inteligência artificial

Ceratocone é uma doença ocular em que a córnea se afinando e assume forma cônica, causando astigmatismo irregular. Detectar a progressão é vital para indicar o tratamento de cross-linking, que fortalece o colágeno corneano e previne perda visual irreversível. Um algoritmo de aprendizado profundo desenvolvido na Holanda analisou 36 673 imagens de tomografia de coerência óptica (OCT) de 6 684 pacientes e classificou‑os em grupos de baixo ou alto risco. Na primeira visita, cerca de dois terços foram designados como baixo risco e um terço como alto risco; ao considerar dados da segunda consulta, a acurácia chegou a 90 %. Essa ferramenta pode auxiliar oftalmologistas a selecionar quem precisa de acompanhamento intensivo e evitar exames desnecessários, priorizando recursos para os casos mais graves. Além disso, demonstra como algoritmos podem interpretar imagens complexas e oferecer previsões personalizadas para doenças oculares raras.

Por que a transparência importa em modelos de IA na saúde

Modelos de IA podem ser potentes, mas quando seu funcionamento é obscuro, aumentam o risco de erros e perda de confiança. Uma revisão da Universidade de Washington alerta que muitos algoritmos médicos são desenvolvidos com dados e códigos proprietários, dificultando a auditabilidade. Exemplos práticos mostram que modelos treinados em radiografias de tórax aprenderam a associar marcações de texto nas imagens aos diagnósticos, errando ao avaliar exames reais. Para contornar esses problemas, os autores defendem o uso de técnicas de explicabilidade, como mapas de calor que destacam as regiões da imagem usadas na decisão, e a publicação do conjunto de dados de treinamento quando possível. Eles também sugerem que especialistas médicos participem da escolha de variáveis e avaliem as predições em conjunto com o algoritmo, além de recomendar que órgãos reguladores exijam maior transparência nos estudos. A mensagem é clara: sem entender de onde a IA tira suas conclusões, a adoção segura na clínica fica comprometida.

IA nas salas cirúrgicas: automação e decisão compartilhada

A inteligência artificial está invadindo o bloco cirúrgico, não para substituir cirurgiões, mas para apoiar tarefas administrativas e decisões intraoperatórias. Ferramentas de “ambient intelligence” como o DAX CoPilot gravam conversas entre médico e paciente e geram automaticamente notas de prontuário, liberando tempo clínico. Outras plataformas analisam prontuários eletrônicos e traçam curvas de risco, como o POTTER, que prevê complicações pós‑operatórias, e sistemas que calculam o risco de trauma ou de necessidade de UTI. Algoritmos também ajudam a otimizar a distribuição de salas, recursos e agendamentos, equilibrando urgências e cirurgias eletivas. Apesar das promessas, a American College of Surgeons ressalta preocupações com privacidade e integração de dados. Uma implementação ética exige consentimento informado e proteção da confidencialidade, assim como treinamento dos profissionais para interpretar as recomendações da IA e manter autonomia clínica.

Desafios de implantação: aprendizados do sistema público britânico

Nem sempre a IA é adotada facilmente. Um estudo liderado pela University College London avaliou a implementação de 41 projetos de IA em 66 hospitais do sistema britânico (NHS). Os resultados revelaram atrasos de 4 a 10 meses para integrar os sistemas, em grande parte por dificuldades de interoperabilidade com softwares antigos e falta de preparação técnica. Muitos profissionais não sabiam como usar as ferramentas e houve desafios para garantir privacidade e segurança dos dados, o que fez com que um terço dos hospitais ainda não estivesse usando a tecnologia 18 meses depois. O relatório cita que os projetos com maior sucesso contavam com líderes “campeões” na linha de frente, redes colaborativas entre hospitais, financiamento adequado e acompanhamento contínuo. Além disso, recomenda treinamento específico para as equipes, apoio de equipes de TI e processos claros de governança para alinhar inovação e segurança. A lição é que a tecnologia por si só não resolve os problemas; são necessários planejamento, apoio institucional e valorização dos profissionais para transformar promessas em prática.

O panorama desta semana evidencia que a inteligência artificial está cada vez mais integrada à medicina, mas ainda depende de uma implementação cuidadosa e transparente para trazer benefícios sustentáveis. Ao mesmo tempo em que algoritmos aceleram diagnósticos e melhoram a eficiência, eles exigem supervisão humana, treinamento e infraestrutura adequada. A adoção responsável dessas tecnologias é o caminho para tornar a saúde mais equitativa, personalizada e humana.