A inteligência artificial (IA) já impacta o dia a dia da saúde nas atividades clínico-assistenciais. Um exemplo é o Einstein Hospital Israelita. Apenas no departamento de imagem da instituição há mais de oito startups que usam IA, afirma Rodrigo Demarch, diretor executivo de inovação. “Não é fazendo piloto ou teste, são tecnologias em produção”, explica. Para chegar a esse número, foram testadas mais de 100 tecnologias envolvendo machine learning e IA generativa. 

E essa evolução não se limita ao ambiente desse hospital de referência. O desenvolvimento de tecnologias voltadas para o SUS passou a ser uma das prioridades do Einstein. Um dos focos é a interoperabilidade de dados. Segundo Demarch, o Einstein aprendeu a trabalhar com startups e a desenvolver soluções para resolver seus próprios problemas ou desafios do sistema de saúde identificados por ele. Um dos projetos mais importantes em andamento usa IA para triagem diagnóstica de doenças negligenciadas da pele. 

O embrião foi um projeto para identificar a lesão da leishmaniose cutânea, que acomete populações vulneráveis em países tropicais. Foi desenvolvido em parceria com a Fundação de Medicina Tropical de Manaus e a Fundação Alfredo da Matta. “Nosso time trabalhou na construção desse algoritmo. Depois de validado, ele foi expandido junto com o Ministério da Saúde para o CUTIS-AI, plataforma de triagem e auxílio diagnóstico que olha para outras doenças, incluindo tuberculose”. 

Na sua instituição, ele diz que há mais de 140 algoritmos em produção. Uma das fronteiras é a medicina preventiva e genômica, ou medicina de precisão. Nos próximos cinco a dez anos, as terapias genômicas permitirão individualizar e personalizar o processo de diagnóstico e os tratamentos. 
 

“No Einstein temos uma área que cuida só disso”, diz Demarch. “São vários centros em diferentes áreas clínicas. É um trabalho muito intenso do ponto de vista de big data, de IA, de cruzamento desses dados de diversas fontes: pode ser imagem, dado eletrônico, do DNA do indivíduo, dados laboratoriais. Oncologia é uma das grandes áreas de interesse”, afirma. 

Para Alexandre Chiavegatto Filho, professor livre docente da Faculdade de Saúde Pública da USP, o uso da IA já está 100% incorporado na gestão. Ele aponta que o aumento da eficiência permite evitar o burnout dos profissionais. Uma das principais queixas envolve a necessidade de digitar as informações no prontuário eletrônico. “Hoje, um algoritmo já permite ouvir a conversa do médico com o paciente, preenchendo o prontuário eletrônico automaticamente.” 

Chiavegatto reforça que a IA é uma mudança de paradigma do ponto de vista dos gestores. “Eles detestam novas tecnologias, porque elas vêm com alto custo e pouco impacto. Mas a IA é relativamente barata e com impacto transversal nos processos”, diz o professor, acrescentando que ganhos maiores acontecerão na prática clínica, sobretudo em decisões de diagnóstico e prognósticos. 

 

É uma área que não admite erros. A boa notícia é que esses algoritmos estão aprendendo mais detalhes dos pacientes” 

— A. Chiavegatto Filho 

“Isso não é realidade ainda porque é uma área que não admite erros. A boa notícia é que esses algoritmos estão melhorando e aprendendo mais detalhes dos pacientes”, diz Chiavegatto. Ele destaca que no caso dos hospitais públicos o potencial é maior. “Eles permitem coletar mais dados, de grandes centros a cidades pequenas, regiões urbanas e rurais. Uma mina de ouro para os algoritmos”. 

Chao Lung Wen, chefe da disciplina de telemedicina do Departamento de Patologia da Faculdade de Medicina da USP, também ressalta o avanço no apoio ao diagnóstico. “Avançou muito em sistemas de imagem, radiologia, dermatologia e patologia.” Algoritmos também são usados para a área de endoscopia, assim como na oftalmologia, em exames de fundo de olho. O cuidado hoje, diz, é com a amostragem correta. 

Outro progresso evidente é na implantação de UTIs conectadas, diz Wen. O governo federal anunciou neste ano a formação de uma rede dessas unidades inteligentes. E, nessa área, a IA também é utilizada de forma preditiva, já que alguns algoritmos tentam prever se o paciente está entrando em sépsis [infecção generalizada]. 

A evolução tem sido acompanhada pelos fabricantes. Felipe Basso, diretor geral da Philips para a América Latina, cita a solução Philips Capsule (MDI), que integra dados de mais de 1.200 tipos de dispositivos médicos de múltiplos fabricantes em UTIs, capturando sinais vitais e informações de equipamentos. 

Wen diz que a saúde preditiva é especialmente boa para área pública, pois pode prever o surgimento de surtos. O governo federal trabalha na interoperabilidade de dados. “Nosso maior problema é que cada instituição tem seu prontuário. Até 2030 deveremos ter uma unidade integrada de planejamento estratégico.”