O que determina a confiança do paciente na IA médica?

A inteligência artificial (IA) tem transformado progressivamente a prática médica, desde a predição de taxas de readmissão e mortalidade até o monitoramento de sepse, análise de imagens radiográficas e triagem de câncer. Além de otimizar tarefas administrativas, ela possui o potencial de expandir o acesso à saúde, permitindo diagnósticos autônomos em áreas onde especialistas são escassos. No entanto, a plena realização desse potencial depende de avanços na curadoria de dados, integração de fluxos de trabalho e, fundamentalmente, na confiança do paciente, que é um determinante crítico para a adoção dessas tecnologias.

A confiança do paciente está intrinsecamente ligada a comportamentos de saúde positivos, maior satisfação e engajamento na tomada de decisão compartilhada. Contudo, estudos recentes indicaram um baixo nível de confiança basal nos sistemas de saúde para o uso responsável da IA, muitas vezes devido a preocupações legítimas sobre vieses algorítmicos, desempenho insatisfatório e governança inadequada.

Para a implementação bem-sucedida da IA na expansão do acesso à saúde, deve haver três abordagens principais:

·       Governança sistêmica: abrange desde a regulação federa até certificações locais por sistemas de saúde, que visam garantir a segurança e eficácia das ferramentas.

·       Presença de clínicos: esses profissionais atuam como supervisores, onde avaliam, modificam e rejeitam as recomendações da IA, servindo como uma camada adicional de segurança.

·       Transparência sobre a qualidade dos dados de treinamento e sobre seu desempenho em comparação com especialistas.

Com objetivo de determinar em que medida a confiança e a escolha do paciente em atendimentos médicos que utilizam inteligência artificial estão associadas a mecanismos de governança, à presença de supervisão clínica, ao desempenho do sistema e à qualidade dos dados utilizados, Bracic e colaboradores (2026) realizaram uma pesquisa. O estudo envolveu 3.000 adultos residentes nos Estados Unidos, entre dezembro de 2024 e janeiro de 2025. A metodologia empregou a análise conjunta baseada em escolha em múltiplos estágios, uma técnica estatística robusta que permite quantificar a importância relativa de diferentes atributos e capturar os trade-offs que os pacientes realizam em decisões de saúde em cenários de recursos limitados. O desenho experimental apresentou aos participantes um cenário clínico de risco moderado: o diagnóstico de uma erupção cutânea (rash) assistido por IA, escolhido por ser uma tarefa diagnóstica comum, mas que apresenta desafios conhecidos de disparidade de precisão em diferentes tons de pele, o que torna a governança e a qualidade dos dados variáveis críticas.

Durante o experimento, cada respondente avaliou seis pares de visitas médicas hipotéticas, totalizando 36.000 observações. Para cada par de visitas, os participantes deveriam selecionar a opção preferida, fornecer uma justificativa qualitativa curta para sua escolha e classificar a confiança no diagnóstico recebido em uma escala de 1 ("não confiaria nada") a 5 ("confiaria plenamente"). As visitas apresentavam seis atributos randomizados que permitiam testar quatro fatores principais: a presença de um clínico para supervisão, o desempenho da IA, o nível de governança sistêmica (aprovação da FDA, certificação pela Mayo Clinic ou certificação pelo hospital local) e a transparência dos dados de treinamento (informando se os dados eram representativos da população, tendenciosos ou se não havia informação disponível).

Os resultados do estudo revelaram que o desempenho da IA foi o determinante mais robusto para a confiança e a escolha do paciente. O desempenho em nível de especialista ou superior foi associado ao maior aumento na probabilidade de escolha da visita (24,8% e 32,5%, respectivamente). Notavelmente, a IA com desempenho comparável ao de um clínico geral apresentou uma associação com a preferência do paciente (19,1%) estatisticamente equivalente à da presença física de um clínico (18,4%), sugerindo que a percepção de competência técnica da ferramenta pode rivalizar com a importância da supervisão humana direta.

A supervisão por um clínico foi o segundo fator isolado mais influente, elevando a probabilidade de escolha em 18,4% e aumentando significativamente os níveis de confiança no diagnóstico. No âmbito da governança sistêmica, os pacientes preferiram todas as formas de certificação em relação à sua ausência. A aprovação pela FDA e a certificação por uma instituição de renome nacional (como a Mayo Clinic) exerceram o mesmo impacto na preferência, enquanto a certificação por hospitais locais teve um peso menor, embora ainda positivo.

Em relação à transparência dos dados, houve uma clara preferência por sistemas treinados em bases de dados representativas da população. Curiosamente, o uso de dados reconhecidamente enviesados (predominantemente brancos, masculinos e de alta renda) não resultou em uma desvantagem estatisticamente significativa na escolha ou na confiança quando comparado ao cenário em que nenhuma informação sobre os dados era fornecida.

As análises qualitativas das respostas abertas reforçaram esses achados: o desempenho da IA (25,7%) e a presença do clínico (22,67%) foram os conceitos mais citados para justificar as escolhas. Por fim, embora homens e mulheres compartilhem preferências semelhantes, o estudo observou que as mulheres apresentaram um nível basal de confiança inferior em consultas que envolvem IA de modo geral.

Em suma, Bracic e colaboradores (2026) indicaram que a performance da inteligência artificial, a presença de um clínico supervisor, a divulgação de dados de treinamento representativos e a existência de uma governança sistêmica robusta foram os pilares que sustentaram o aumento da confiança e da preferência dos pacientes por atendimentos médicos que utilizam essa tecnologia. Dentre esses fatores, o desempenho técnico da IA destacou-se como o elemento mais influente na percepção de confiabilidade do paciente, superando em magnitude de associação até mesmo a supervisão humana direta e as certificações regulatórias isoladas. Os achados reforçaram que a aceitação da IA na medicina depende intrinsecamente da percepção de competência técnica e da segurança garantida por múltiplos níveis de controle.