IA na Saúde: a revolução da era generativa

A Inteligência Artificial (IA) tem o potencial de transformar a prestação de cuidados de saúde nos EUA, tornando-a mais segura, eficaz e centrada no paciente. Sua utilidade já foi comprovada na prevenção de sepse, na melhoria da precisão diagnóstica e na redução da carga administrativa dos médicos. Nos últimos três anos, o investimento em IA na saúde ultrapassou US$ 30 bilhões, gerando diversas soluções que podem aliviar o sistema de prestação de cuidados de saúde sobrecarregado.

Apesar de sua integração na vida moderna, a adoção da IA na saúde ainda enfrenta desafios técnicos e sociológicos, e sua implementação em larga escala não é garantida. Estudos sobre essa ferramenta são limitados e ocorreram antes que a IA generativa tivesse um impacto significativo na indústria, não refletindo os avanços dessa tecnologia, que agora interpreta e gera linguagem humana e imagens.

Por isso, Poon e colaboradores (2025) buscaram avaliar a adoção da IA no setor de saúde e no início da era generativa, além de identificar as principais barreiras enfrentadas pelas organizações de saúde e destacar os primeiros casos de sucesso.

A análise foi realizada em 2024 com membros do Scottsdale Institute, uma rede de sistemas de saúde sem fins lucrativos nos EUA. A pesquisa incluiu 67 sistemas de saúde com uma taxa de resposta de 64%. Os participantes forneceram dados sobre o status de implantação e sucesso de 37 casos de uso de IA distribuídos em 10 categorias. As principais variáveis analisadas foram o desenvolvimento, teste piloto e implementação dos casos de uso de IA, além da avaliação do sucesso percebido e das barreiras mais significativas para a adoção da tecnologia.

A prioridade na adoção da IA foi a redução da carga de trabalho dos profissionais de saúde e a melhora na qualidade do serviço, citada por 72% das instituições que participaram do estudo. A segurança/qualidade do paciente e eficiência produtiva também foram prioridades, enquanto fatores financeiros, experiência do paciente e competitividade foram menos mencionados. Vale ressaltar que a tendência de adoção foi consistente independentemente do tamanho financeiro das organizações.

Comparando os sistemas de saúde analisados, a implementação de casos de uso de IA variou significativamente, conforme resumido na figura 1.

Figura 1: Casos de uso de IA mais implementados. Proporção de respondentes que implantaram cada caso de uso em pelo menos áreas limitadas. Imagem adaptada de Poon e colaboradores (2025).

Entre os 38 sistemas que implementaram IA em imagem e radiologia, 17 relataram implantação completa. Embora apenas 14% dos sistemas tenham implantado completamente as notas ambientais e outros 47% tenham adotado essa ferramenta parcialmente, todos os respondentes iniciaram seu desenvolvimento ou fase de testes. Esse nível uniforme de adoção precoce não foi observado em nenhum outro dos 36 casos de uso analisados.

As notas ambientais, ou também conhecidas como transcrições médicas, surgiram com objetivo de melhorar a eficiência operacional e a qualidade do atendimento, impactando diretamente na rotina dos profissionais de saúde. Esse modelo é responsável por converter conversas médicas em documentação clínica e seu rápido crescimento pode estar relacionado à necessidade de mitigar o burnout dos profissionais de saúde, principalmente após a pandemia da COVID-19.

Entre as organizações que iniciaram o desenvolvimento, teste piloto e implantação de IA nas 10 categorias, 53% dos sistemas relataram bons resultados da transcrição médica. Em contraste, outros casos mostraram níveis variáveis de adoção, com modelos de estratificação de risco clínico apresentando uma taxa de sucesso moderada (38%) e IA para diagnóstico clínico tendo menor impacto, com apenas 19% das organizações relatando sucesso significativo.

As métricas de avaliação indicaram que a adoção e uso das ferramentas foi o critério mais analisado (74%), enquanto equidade em saúde foi pouco considerada (17%). Esse ponto foi relevante porque o uso da IA na saúde exige avaliações rigorosas para garantir segurança e eficácia, especialmente em meio a desafios financeiros e regulatórios enfrentados pelas instituições.

Entre as principais barreiras à implementação, a imaturidade das ferramentas de IA foi citada por 77% dos respondentes, seguida por preocupações financeiras (47%) e desafios regulatórios (40%). Estudos questionaram a precisão de alguns modelos preditivos, como os de sepse, o que pode ter impactado sua adoção. Além disso, há uma crescente preocupação sobre a confiabilidade desses sistemas, pois algumas ferramentas de estratificação de risco são usadas há mais de cinco anos, mas seu desempenho ainda é inconsistente. Alertas excessivos e sobrecarga dos clínicos podem limitar o impacto dessas ferramentas, reforçando a necessidade de aprimoramento dos sistemas de IA antes de sua adoção em larga escala.

Dado o cenário atual, é fundamental que desenvolvedores e instituições de saúde trabalhem juntos para melhorar a integração da IA na prática clínica, garantindo que suas aplicações sejam seguras, eficazes e acessíveis.

Por fim, dado o ritmo acelerado de adoção da IA, é essencial que sejam criados mecanismos de avaliação contínua para monitorar seu impacto clínico e organizacional. Modelos de governança para essa tecnologia precisam ser fortalecidos para garantir que sua implementação ocorra de maneira segura e equitativa.