A Ascensão Rápida do Suporte à Decisão Clínica com IA
Em todo o mundo, empresas de tecnologia estão correndo para desenvolver ferramentas habilitadas por inteligência artificial (IA) para suporte à decisão clínica (CDS), visando um mercado global projetado para atingir US$ 15 bilhões até 2033. Uma nova geração de ferramentas de IA alimentadas por grandes modelos de linguagem (LLMs) está se movendo rapidamente do desenvolvimento para os ambientes clínicos. Sistemas de saúde e empresas de tecnologia estão integrando essas ferramentas nos fluxos de trabalho clínicos, prometendo síntese de evidências mais rápida e tomada de decisão mais responsiva à beira do leito. Mas, à medida que os sistemas de CDS entram na prática, permanecem questões fundamentais sobre como eles são avaliados, quais evidências sustentam seu uso e como serão governados em escala.
A promessa da IA na saúde tem sido anunciada há muito tempo, mas avanços recentes em processamento de linguagem natural e IA generativa aceleraram o ritmo de adoção. Ao contrário dos sistemas baseados em regras anteriores, as ferramentas modernas de CDS podem ler e interpretar notas clínicas não estruturadas, sintetizar vastas quantidades de literatura médica e gerar recomendações personalizadas em tempo real. Essa capacidade chamou a atenção de clínicos e administradores, que veem potencial para melhorar a precisão diagnóstica, reduzir a carga administrativa e tornar a prestação de cuidados mais eficiente.
Principais Players e Estratégias Divergentes
Entre os líderes dos EUA que disputam participação de mercado estão ferramentas de IA de consumo generalistas, como o ChatGPT, bem como sistemas de CDS especializados, incluindo os da Abridge, Atropos Health e OpenEvidence. Essas empresas especializadas em CDS têm opiniões divergentes sobre como o campo se desenvolverá a seguir.
A Abridge, com sede em Pittsburgh, desenvolve tecnologia de IA ambiente que ouve conversas entre clínicos e pacientes e gera automaticamente notas clínicas e outras ferramentas de suporte ao fluxo de trabalho para sistemas de saúde. Ao automatizar a documentação, a Abridge visa reduzir o esgotamento dos médicos e liberar tempo para a interação com o paciente. A abordagem da empresa concentra-se em integrar-se perfeitamente aos sistemas existentes de registro eletrônico de saúde (EHR), fornecendo transcrição e geração de notas em tempo real que podem ser editadas e aprovadas pelos clínicos.
A OpenEvidence, com sede em Boston, comercializa uma ferramenta de IA diretamente para médicos, que a empresa afirma ser a "IA médica mais usada" entre os clínicos dos EUA. A plataforma é focada em destilar a melhor evidência disponível da literatura publicada, fornecendo aos clínicos respostas concisas e baseadas em evidências para questões clínicas. O CEO e fundador da OpenEvidence, Daniel Nadler, prevê um futuro em que a IA automatiza grande parte das partes do "padrão de cuidado" da síntese de evidências, permitindo que os médicos se concentrem em casos complexos e na comunicação com o paciente.
A Atropos Health, uma empresa originada da Universidade de Stanford, promove um sistema de CDS projetado para permitir que os clínicos façam perguntas novas em situações onde podem existir lacunas na evidência tradicional formalmente publicada. Ao aproveitar dados do mundo real de prontuários de pacientes, a Atropos visa gerar evidências em tempo real, abordando incertezas clínicas não cobertas por estudos existentes. Essa abordagem representa uma mudança da medicina baseada em evidências para a medicina geradora de evidências, onde a IA pode produzir insights acionáveis a partir de dados em tempo quase real.
A Fundação de Dados: Registros Eletrônicos de Saúde e Escrivães Ambientais
Os dados que alimentam os sistemas de CDS vêm cada vez mais diretamente dos prontuários dos pacientes. Na última década, os registros eletrônicos de saúde (EHR) que escaneiam automaticamente os dados dos pacientes para rastrear indicações de doenças e emitir alertas aos clínicos tornaram-se onipresentes em muitos sistemas de saúde em todo o mundo. No entanto, foi somente há cerca de três anos, com a adoção em massa de 'escrivães ambientais' que transcrevem automaticamente as consultas entre clínicos e pacientes em registros clínicos, que o CDS alimentado por IA parecia pronto para o horário nobre.
Os escrivães ambientais revolucionaram a forma como os dados clínicos são capturados. Ao gerar automaticamente notas estruturadas a partir de conversas, eles reduziram a carga de documentação sobre os clínicos e melhoraram a completude e a precisão dos dados do EHR. Esse fluxo de dados rico e em tempo real fornece o combustível para os algoritmos de IA aprenderem e gerarem insights. Como observa Nadler, o objetivo é automatizar grande parte das partes do "padrão de cuidado" da síntese de evidências, tornando o conhecimento médico mais recente acessível no ponto de atendimento.
No entanto, a dependência de dados de EHR levanta preocupações sobre qualidade dos dados, viés e interoperabilidade. Os EHRs são notoriamente fragmentados, com formatos e práticas de codificação variados entre instituições. Modelos de IA treinados nesses dados podem herdar vieses que podem levar a disparidades no cuidado. Além disso, a integração de ferramentas de IA nos fluxos de trabalho clínicos requer troca de dados sem interrupção entre sistemas, o que continua sendo um desafio técnico e regulatório.
A Lacuna de Evidências: Desafios de Avaliação e Governança
À medida que os sistemas de CDS entram na prática, surge uma questão crítica: as evidências podem acompanhar? Os ensaios clínicos tradicionais são lentos e caros, muitas vezes levando anos para produzir resultados. Em contraste, as ferramentas de IA são atualizadas com frequência, e suas recomendações podem mudar à medida que novos dados se tornam disponíveis. Isso cria um descompasso entre o ritmo da inovação e o ritmo da geração de evidências.
Órgãos reguladores como a Food and Drug Administration (FDA) dos EUA começaram a estabelecer estruturas para dispositivos médicos baseados em IA, mas muitas ferramentas de CDS não estão sujeitas à revisão pré-comercialização. A FDA emitiu orientações sobre Software de Suporte à Decisão Clínica, mas o limite entre ferramentas regulamentadas e não regulamentadas permanece confuso. Algumas ferramentas são consideradas de "baixo risco" e estão isentas de notificação pré-comercialização, enquanto outras exigem revisão mais rigorosa. Essa incerteza regulatória levou a pedidos de diretrizes mais claras e mecanismos de vigilância pós-comercialização.
Além disso, a base de evidências para muitas ferramentas de CDS com IA é escassa. Uma revisão sistemática recente descobriu que poucos sistemas de CDS baseados em IA foram avaliados em ensaios clínicos prospectivos, e a maioria dos estudos sofre de falhas metodológicas, como tamanhos de amostra pequenos, falta de grupos de controle e períodos de acompanhamento curtos. A falta de evidências robustas dificulta que clínicos e sistemas de saúde tomem decisões informadas sobre a adoção dessas ferramentas.
A governança é outra grande preocupação. Quem é responsável quando uma recomendação de IA leva a um diagnóstico errado ou a um resultado adverso? Como as ferramentas de IA devem ser monitoradas e atualizadas para garantir que permaneçam seguras e eficazes? Essas questões são particularmente urgentes à medida que as ferramentas de IA se tornam mais autônomas e são integradas em caminhos críticos de cuidado.
O Caminho a Seguir: Equilibrando Inovação e Evidências
Apesar desses desafios, os benefícios potenciais do CDS com IA são grandes demais para serem ignorados. A IA tem a capacidade de sintetizar grandes quantidades de dados, identificar padrões que podem passar despercebidos pelos humanos e fornecer suporte à decisão em ambientes com recursos limitados. Para realizar esses benefícios, as partes interessadas devem trabalhar juntas para desenvolver estruturas de avaliação robustas, padrões de relatórios transparentes e caminhos regulatórios adaptativos.
Uma abordagem promissora é o uso de revisões sistemáticas "vivas" e evidências do mundo real para complementar os ensaios tradicionais. Ao monitorar continuamente as ferramentas de IA em ambientes do mundo real, os pesquisadores podem gerar evidências sobre desempenho, segurança e consequências não intencionais. Essa abordagem requer colaboração entre desenvolvedores, clínicos, pesquisadores e reguladores, bem como investimento em infraestrutura de dados e análise.
Outro aspecto fundamental é o engajamento dos clínicos. Para que o CDS com IA seja aceito e eficaz, os clínicos devem confiar nas ferramentas e entender suas limitações. Isso requer educação e treinamento, bem como comunicação transparente sobre como as recomendações de IA são geradas e quais evidências as sustentam.
Finalmente, há necessidade de harmonização internacional de padrões e regulamentações. As ferramentas de CDS com IA são produtos globais, e diferenças nos requisitos regulatórios entre países podem dificultar a inovação e o acesso. Esforços colaborativos, como o Fórum Internacional de Reguladores de Dispositivos Médicos (IMDRF), estão trabalhando em direção a princípios comuns para dispositivos médicos baseados em IA, mas mais precisa ser feito.
Conclusão
O suporte à decisão clínica habilitado por IA está crescendo rapidamente, impulsionado por avanços em grandes modelos de linguagem e pela proliferação de dados eletrônicos de saúde. O mercado está em expansão, e empresas como Abridge, OpenEvidence e Atropos Health estão liderando o caminho com abordagens inovadoras. No entanto, a base de evidências para essas ferramentas ainda está em desenvolvimento, e desafios significativos permanecem na avaliação, governança e regulamentação.
À medida que a IA continua a transformar a saúde, é essencial que acompanhemos com avaliação rigorosa e supervisão cuidadosa. Somente garantindo que as ferramentas de CDS com IA sejam seguras, eficazes e equitativas podemos realizar plenamente seu potencial para melhorar o atendimento ao paciente e os resultados.
Este artigo é baseado em reportagem da Nature Medicine. Leia o artigo original.
Originally published on nature.com
