A IA médica torna-se melhor no diagnóstico, mas a prova de resultados para os pacientes ainda fica para trás
- A IA médica está aprimorando o desempenho em diagnósticos e decisões clínicas, mas os estudos ainda fornecem evidências limitadas de melhores resultados para os pacientes.
- Um ensaio randomizado no Quênia encontrou melhor documentação e decisões de cuidado com suporte de LLM, mas sem redução significativa na falha do tratamento em 14 dias.
- A FDA agora está examinando como dispositivos médicos de IA generativa devem ser avaliados antes do lançamento e monitorados após a implantação em ambientes clínicos reais.
Uma plêiade de estudos em 2026 está a mostrar uma lacuna persistente na IA médica: os sistemas podem influenciar as escolhas dos médicos e alcançar resultados diagnósticos impressionantes sem demonstrar que os pacientes realmente se tornam mais saudáveis.
Isto é importante para os hospitais que compram estes sistemas, para as empresas que tentam mostrar a sua utilidade e para as autoridades que determinam quais as evidências que devem ser consideradas quando a IA é adotada nas clínicas dos médicos.
O problema da prova que os reguladores estão a começar a analisar
A disparidade entre o desempenho notável da IA e a eficácia comprovada para os pacientes parece estar a tornar-se demasiado grande para ser ignorada. O Financial Times resumiu esta situação no seu título:
"A IA médica tem um problema de prova."
Esta questão passou agora do domínio das discussões académicas. A FDA está a fazer muitas das mesmas perguntas ao analisar como avaliar estes dispositivos médicos habilitados para IA antes e depois de serem colocados em uso. O documento de discussão de 18 de agosto, aberto para comentários públicos até 19 de outubro, abrange questões como avaliação de risco, avaliação pré-comercialização e monitorização pós-comercialização.
A FDA tem o cuidado de deixar claro que este documento é puramente um documento de discussão e não um projeto de diretriz, uma alteração proposta na política ou qualquer indicação de expectativas regulatórias futuras.
Uma anterior investigação da FDA sobre o desempenho no mundo real também trouxe em consideração a questão da deriva do modelo e as limitações da utilização de métricas estáticas. Isto levanta uma questão mais ampla que já não pode ser ignorada: como medimos a segurança e a eficiência depois de uma solução de IA ter saído do laboratório?
No Quénia, o apoio da IA não reduziu a falha do tratamento
Num estudo publicado na revista Nature Medicine, lançado a 26 de junho, 103 oficiais clínicos em 16 instalações da Penda Health nos condados de Nairobi e Kiambu trataram pacientes com ou sem a ajuda de um modelo de linguagem grande (LLM) para tomada de decisões. Dos 9.691 pacientes registados, 9.347 pacientes foram considerados para a análise primária.
A taxa de falhas de tratamento após 14 dias foi de 2,2% no grupo de IA e 2% no grupo de controlo, pelo que a razão de chances ajustada foi de 0,77, embora a diferença não seja estatisticamente significativa (P=0,13). Nenhum evento adverso grave foi associado à intervenção.
O grupo que utilizou IA teve documentação melhor e diagnósticos e planos de tratamento mais adequados. A significância do resultado deriva do fato de que melhores medidas de processo não resultaram em nenhuma melhoria nos desfechos para os pacientes.
A tendência é semelhante à do ensaio RAPIDx AI de 2024. Na análise primária de 3.029 pacientes, o resultado composto de morte cardiovascular, enfarte do miocárdio ou readmissão cardiovascular não planeada aos seis meses foi de 26% com IA e 26,4% com cuidados padrão. No entanto, dentro do grupo de enfarte do miocárdio não tipo 1, a angiografia coronária invasiva foi realizada com uma frequência 47% inferior com cuidados apoiados por IA.
As pontuações continuam subindo; a prova do mundo real fica para trás
Um ensaio randomizado multirregional sob a orientação de Nicholas Rounding descobriu que o GPT-4o melhorou o desempenho dos casos clínicos de 249 médicos em 18% no Quénia, 10,7% na Indonésia e 7,2% nos Países Baixos (P<0,001).
No entanto, estes foram casos simulados e não situações do mundo real, e os participantes do grupo de controle não podiam usar a Internet ou protocolos clínicos, nem os danos foram avaliados. A pesquisa confirma que a IA aumenta o desempenho em ambientes controlados, mas não diz nada sobre os desfechos dos pacientes.
Os resultados de outro estudo publicado na Nature Medicine, conduzido por Li Zhang, Jakob Nikolas Kather e os seus colegas, indicaram uma precisão de 90,04% para um benchmark de sete doenças. Neste estudo, ao introduzir um limiar de consistência, o agente no local manteve um total de 49,4% dos casos com um nível de precisão de 98,9%, enquanto o resto teve de ser revisto por profissionais humanos. No entanto, os autores indicaram a necessidade de confirmação adicional através de ensaios realizados em ambientes clínicos reais.
Por que um médico ‘no loop’ não resolve a questão
De acordo com um mapa de evidências elaborado por Joy Xu, Justin Ko e Joseph Kvedar, a IA agente agora não se encontra apenas na administração, mas também no diagnóstico, gestão e outras tarefas de saúde, resultando na crescente importância de ser capaz de governar e auditar tais sistemas.
Outro comentário na npj Digital Medicine afirma que a mera presença de um clínico não garante supervisão e governação adequadas. O viés de automação pode tornar as pessoas mais propensas a aceitar uma recomendação defeituosa, enquanto uma supervisão eficaz requer conhecimento, tempo e autoridade suficientes para desafiar o sistema e intervir.
Sem essas condições, os autores alertam que a supervisão humana pode se tornar pouco mais do que uma garantia de responsabilidade legal:
A responsabilidade pode recair sobre os clínicos, esperados para detectar ou corrigir erros para os quais não estão bem posicionados… uma zona de colapso moral.
Isso desvia o debate de se um humano está tecnicamente “no loop” para se essa pessoa está realmente equipada para questionar, substituir e interromper o sistema quando necessário.
As apostas comerciais por trás do cauteloso
MarketsandMarkets projeta que o mercado de IA em saúde cresça de 36,67 mil milhões de dólares em 2026 para 194,79 mil milhões de dólares até 2031, uma taxa de crescimento anual composta de 39,7%. Se esse crescimento se materializar, os hospitais tomarão mais decisões de compra de IA, enquanto as evidências de resultados para os pacientes permanecem desiguais.
Isso poderia deslocar a pressão competitiva para algo mais difícil de comercializar, mas mais valioso para os provedores: validação prospectiva, monitoramento de desempenho local e supervisão que possa ser realmente auditada.
As mentes mais inteligentes do setor de criptomoedas já leem nosso boletim informativo. Quer entrar? Junte-se a eles.
Perguntas Frequentes
O ensaio de IA no Quênia melhorou os resultados dos pacientes?
Não. O ensaio da Penda Health, publicado na Nature Medicine em 26 de junho, revelou uma falha no tratamento de 2,2% com assistência de IA versus 2,0% sem ela, uma diferença que não foi estatisticamente significativa, embora a ferramenta tenha sido considerada segura.
Em quanto a IA melhorou as pontuações dos médicos no estudo multilateral?
No ensaio de Rounding et al., médicos com acesso ao GPT-4o obtiveram pontuação 18 pontos percentuais mais alta no Quênia, 10,7 na Indonésia e 7,2 nos Países Baixos. Ainda assim, esses ganhos vieram de casos clínicos em condições controladas, não de pacientes reais.
O que a FDA está propondo para dispositivos médicos de IA?
O documento de discussão da FDA de 18 de agosto sobre dispositivos médicos habilitados por IA generativa aponta para uma regulação do ciclo de vida que abrange avaliação pré-comercial, monitoramento pós-comercial e desempenho no mundo real, com comentários públicos abertos até 19 de outubro.
Aviso. As informações fornecidas não constituem aconselhamento de negociação. Cryptopolitan.com não assume responsabilidade por quaisquer investimentos realizados com base nas informações fornecidas nesta página. Recomendamos fortemente a realização de pesquisa independente e/ou consulta a um profissional qualificado antes de tomar qualquer decisão de investimento.
Ibiam Wayas
Ibiam Wayas cobre notícias sobre criptomoedas desde 2019. Estudou Ciência da Computação na Universidade Aberta Nacional da Nigéria. Seu trabalho apareceu em várias plataformas de notícias sobre cripto, incluindo Coinfomania, Crypto News Australia e AltcoinBuzz. Com base em sua formação em Ciência da Computação, ele agora se concentra em notícias sobre cripto, robótica e longevidade.
