IA na medicina: exemplos, prós e contras, ética e o futuro

A IA na medicina, ou inteligência artificial na medicina, são programas que aprendem com dados médicos e ajudam o médico: encontram focos em exames de imagem, leem eletrocardiogramas, organizam a documentação e buscam novas moléculas de medicamentos. A decisão final, no entanto, continua a cargo do médico. Abaixo estão reunidas as áreas de aplicação com exemplos reais, prós e contras, problemas éticos, a situação na Rússia e um plano de relatório pronto.

O que é inteligência artificial na medicina

Por IA na medicina, geralmente entendemos métodos de aprendizado de máquina, mais frequentemente redes neurais. Por isso, "IA" e "redes neurais na medicina" são quase sinônimos na conversas informais. As principais tecnologias de IA na medicina são: visão computacional (exames de imagem, fotos, vídeos), processamento de texto e fala, e modelos preditivos baseados em dados de prontuários médicos. O modelo recebe milhares de exemplos rotulados (exames de imagem com diagnóstico confirmado, traçados de ECG, textos de prontuários) e aprende a encontrar os mesmos padrões em novos dados. Uma classe separada consiste em grandes modelos de linguagem (LLMs) como o ChatGPT: eles trabalham com texto, respondem a perguntas e escrevem resumos, mas podem errar com muita confiança.

É importante distinguir dois modos de operação. Na maioria das vezes, a IA funciona como uma "segunda opinião": destaca uma área suspeita, enquanto o laudo é assinado pelo médico. Sistemas autônomos que tomam decisões sem um médico são raros, e cada um passa por um registro regulatório específico.

Aplicação de IA na medicina: 11 áreas com exemplos

1. Diagnóstico por imagem: raio-X, tomografia computadorizada, mamografia

A área mais madura. Os algoritmos buscam nódulos pulmonares em tomografias, sinais de pneumonia em radiografias e formações suspeitas em mamografias. Em um estudo conduzido por McKinney et al. (Nature, 2020), o sistema de análise de mamografias usando dados retrospectivos do Reino Unido e dos EUA apresentou menos resultados falsos-positivos e falsos-negativos do que os médicos.

2. ECG

Os laudos automáticos de eletrocardiógrafos existem há muito tempo, e as redes neurais expandem suas capacidades: reconhecem fibrilação atrial e outros distúrbios do ritmo, ajudando a classificar os exames por urgência. A interpretação, no entanto, é verificada pelo médico, e a habilidade de ler ECGs continua sendo necessária, sendo conveniente treiná-la no simulador de ECG.

3. Dermatoscopia

No trabalho de Esteva et al. (Nature, 2017), uma rede neural foi treinada com 129.450 imagens clínicas de pele e comparada com 21 dermatologistas certificados: na tarefa de diferenciar melanoma e carcinoma de lesões benignas, ela demonstrou um nível comparável ao dos especialistas.

4. Retinopatia diabética

Em 2018, o FDA (EUA) aprovou o IDx-DR, o primeiro sistema autônomo de diagnóstico por IA: ele analisa imagens de fundo de olho de pacientes com diabetes e emite um resultado sem a necessidade de um médico oftalmologista, permitindo a triagem na atenção primária.

5. Apoio à decisão médica

Os sistemas de suporte à decisão clínica (SSDC) analisam dados de prontuários e fornecem alertas sobre: risco de complicações, possíveis interações medicamentosas ou exames ausentes segundo as diretrizes clínicas. Trata-se de uma sugestão, não de uma prescrição.

6. Textos médicos e documentação

O reconhecimento de fala transforma a ditação em um protocolo clínico, os modelos de linguagem redigem resumos de alta, estruturam queixas e anamnese, e buscam informações relevantes em documentos longos. Para o médico, isso representa uma economia de tempo em tarefas rotineiras; para o estudante, é uma forma de encontrar rapidamente a seção desejada nas diretrizes clínicas.

7. Desenvolvimento de medicamentos

O AlphaFold (Google DeepMind) prevê a estrutura tridimensional de proteínas a partir de sua sequência de aminoácidos. O artigo de Jumper et al. foi publicado na Nature em 2021, e em 2024 Demis Hassabis e John Jumper receberam metade do Prêmio Nobel de Química por esse trabalho. Outro exemplo: em 2020, a revista Cell descreveu o antibiótico halicina, descoberto por uma rede neural entre moléculas existentes e ativo contra bactérias resistentes em experimentos com camundongos.

8. Medicina personalizada

Os modelos combinam genética, exames laboratoriais e anamnese para avaliar o risco individual e selecionar a terapia adequada: por exemplo, prever a resposta de um tumor ao tratamento ou identificar características farmacogenéticas do metabolismo de medicamentos.

9. Dispositivos vestíveis

Em 2018, o FDA aprovou a função de ECG no Apple Watch: o relógio grava um ECG de derivação única e sinaliza sinais de fibrilação atrial. O diagnóstico é feito pelo médico; o relógio serve apenas como motivo para procurar atendimento.

10. Telemedicina e chatbots

Os bots coletam queixas antes da consulta, lembram os pacientes de tomar os medicamentos e auxiliam na triagem e no direcionamento. O principal risco é que o paciente confunda a resposta do bot com um diagnóstico.

11. Organização da saúde e educação

A IA prevê a carga de trabalho nos departamentos, ajuda no planejamento de escalas e verifica a qualidade do preenchimento da documentação. Na educação, ela explica tópicos, cria resumos e testes, e realiza exames simulados — falaremos mais sobre isso abaixo.

IA na medicina na Rússia: implementação e regulamentação

• Experimento de Moscou em visão computacional. Desde 2020, Moscou conduz um experimento sobre o uso de IA no diagnóstico por imagem: os algoritmos analisam radiografias, tomografias e mamografias na rotina clínica de policlínicas e hospitais municipais. O operador do experimento é o Centro de Diagnóstico e Telemedicina, utilizando a plataforma mosmed.ai.
• Registro no Roszdravnadzor. Um programa com IA destinado ao diagnóstico ou tratamento é considerado um dispositivo médico e, antes de ser utilizado na prática clínica, deve ser registrado junto ao Roszdravnadzor.
• Normas. Está em vigor uma série de normas GOST R 59921 «Sistemas de inteligência artificial na medicina clínica»: avaliação clínica, testes técnicos e conjuntos de dados para treinamento e testes.
• Estratégia. Por Decreto Presidencial nº 490 de 10/10/2019, foi aprovada a Estratégia Nacional de Desenvolvimento da IA para o período até 2030 (atualizada pelo decreto nº 124 de 15/02/2024). O projeto federal «Inteligência Artificial» está incluído no projeto nacional «Economia de Dados».

Prós e contras da IA na medicina

Principais riscos em detalhes

Erros e alucinações. Um modelo que teve bom desempenho em um artigo científico pode funcionar pior em outro aparelho ou em outra população. Além disso, os modelos de linguagem têm a tendência de inventar fontes inexistentes. Portanto, qualquer resposta deve ser verificada com a fonte original, conforme detalhado no artigo ChatGPT para médicos.

Viés de dados. Um caso revelador foi descrito por Obermeyer et al. (Science, 2019): nos EUA, um algoritmo avaliava a necessidade de assistência médica adicional com base em gastos anteriores com tratamento e, devido ao acesso desigual à saúde, subestimava o risco em pacientes negros.

Privacidade. Informações sobre o estado de saúde e diagnóstico constituem sigilo médico (art. 13 da Lei Federal nº 323-FZ) e pertencem a categorias especiais de dados pessoais (art. 10 da Lei Federal nº 152-FZ). É proibido inserir nome completo, data de nascimento, endereço ou número de seguro de saúde de um paciente em um chatbot público.

Problemas éticos da IA na medicina

• Autonomia e consentimento. O paciente deve saber se a imagem dele foi analisada por um algoritmo e ele pode recusar?
• Justiça. O modelo não deve produzir piores resultados com base em sexo, idade, região ou situação social.
• Transparência. O médico deve entender em que se baseia a sugestão, caso contrário, não poderá avaliá-la criticamente.
• Responsabilidade. Quem é responsável por um erro: o médico, a clínica ou o desenvolvedor?
• Privacidade. O treinamento de modelos exige grandes volumes de dados de pacientes.
• Desumanização e perda de habilidades. O risco de que a comunicação com o paciente seja reduzida e o médico perca a capacidade de pensar sem auxílio.

Em 2021, a OMS formulou seis princípios para a IA ética na saúde: proteção da autonomia, bem-estar e segurança das pessoas, transparência e explicabilidade, responsabilidade e prestação de contas, inclusão e justiça, e sustentabilidade. Em 2024, a OMS publicou diretrizes específicas sobre grandes modelos multimodais. Na Rússia, foi adotado o Código de Ética no Campo da IA (2021) e, para a área da saúde, um grupo de trabalho interministerial do Ministério da Saúde aprovou o Código de Ética para o Uso de IA na Saúde.

A IA vai substituir o médico?

No futuro previsível, não. A IA lida bem com tarefas específicas: encontrar um nódulo em uma TC, reconhecer um ritmo em um ECG. Já o médico coleta a anamnese, examina, correlaciona dados contraditórios, explica o diagnóstico ao paciente e assume a responsabilidade jurídica. Mesmo na radiodiagnóstico, que é frequentemente apontada como candidata à substituição, a IA ainda atua como uma segunda opinião, enquanto o laudo é assinado pelo médico radiologista.

O cenário realista é outro: o trabalho está mudando. Há menos tarefas rotineiras, e a capacidade de verificar a sugestão da máquina e entender onde ela errou torna-se parte da qualificação. Uma comparação dos modelos que os médicos já utilizam está disponível na análise de redes neurais para médicos.

A IA na educação médica

Para o estudante, a IA é útil principalmente como tutor e assistente para tarefas rotineiras. O principal requisito: as respostas devem se basear em fontes verificáveis, e não na "memória" do modelo. É assim que funciona a rede neural para profissionais de saúde da WhiteCoat Pro:

• O tutor de IA responde com base nos materiais didáticos da plataforma (31 disciplinas, mais de 3.400 videoaulas) e diretrizes clínicas, insere notas de rodapé para as páginas das apostilas e indica qual videoaula assistir;
• o resumo é compilado a partir da gravação de uma aula, vídeo por link, foto de caderno, PDF ou Word, com testes e flashcards para revisão;
• apresentação: primeiro o plano dos slides, depois a montagem e exportação em PPTX e PDF;
• exame oral por voz: o examinador faz perguntas sobre o tópico e, após a chamada, há uma análise detalhada com base em um checklist.

Funciona na Rússia sem VPN. A limitação é a mesma de qualquer IA na medicina: é uma ferramenta de estudo, ela não define diagnóstico nem tratamento para um indivíduo específico, e dados pessoais de pacientes não devem ser inseridos. Saiba mais sobre os cenários no artigo rede neural para estudantes de medicina.

Plano pronto de relatório e apresentação sobre o tema "IA na medicina"

1. Slide de título: "Inteligência Artificial na Medicina", Nome completo, turma, departamento.
2. O que são IA, aprendizado de máquina e redes neurais: definições e esquema de treinamento de modelos.
3. Breve histórico: de sistemas especialistas a grandes modelos de linguagem.
4. Diagnóstico por imagem: raio-X, TC, mamografia, dermatoscopia, fundo de olho.
5. ECG e dispositivos vestíveis.
6. Suporte a decisões clínicas e trabalho com documentação médica.
7. Desenvolvimento de medicamentos: AlphaFold e descoberta de antibióticos.
8. IA na medicina na Rússia: o experimento de Moscou, registro de dispositivos médicos, GOST R 59921, estratégia nacional.
9. Prós e contras: tabela de vantagens e riscos.
10. Questões éticas e legais: princípios da OMS, sigilo médico, dados pessoais.
11. A IA vai substituir o médico?: argumentos e conclusão.
12. Conclusões e referências bibliográficas.

Dica: mantenha um único argumento e um único exemplo por slide, obtenha números apenas de fontes primárias. Como montar essa apresentação passo a passo é detalhado no artigo apresentação sobre medicina com rede neural.

Literatura e fontes para o relatório

1. Decreto do Presidente da Federação Russa nº 490, de 10 de outubro de 2019, "Sobre o desenvolvimento da inteligência artificial na Federação Russa" (conforme alterado em 15/02/2024).
2. Lei Federal nº 323-FZ, de 21 de novembro de 2011, "Sobre os fundamentos da proteção da saúde dos cidadãos na Federação Russa", art. 13.
3. Lei Federal nº 152-FZ, de 27 de julho de 2006, "Sobre dados pessoais", art. 10.
4. GOST R 59921.1-2022 "Sistemas de inteligência artificial na medicina clínica. Parte 1. Avaliação clínica".
5. Gusev A.V., Vladzimirsky A.V., Sharova D.E. et al. Evolução da pesquisa científica e desenvolvimento no campo de tecnologias de inteligência artificial para a saúde na Federação Russa: resultados de 2021 // Digital Diagnostics. 2022. V. 3, nº 3. P. 178-194. DOI: 10.17816/DD107367.
6. World Health Organization. Ethics and governance of artificial intelligence for health: WHO guidance. Geneva, 2021.
7. Topol E.J. High-performance medicine: the convergence of human and artificial intelligence // Nature Medicine. 2019. Vol. 25. P. 44-56.
8. Esteva A. et al. Dermatologist-level classification of skin cancer with deep neural networks // Nature. 2017. Vol. 542. P. 115-118.
9. McKinney S.M. et al. International evaluation of an AI system for breast cancer screening // Nature. 2020. Vol. 577. P. 89-94.
10. Stokes J.M. et al. A Deep Learning Approach to Antibiotic Discovery // Cell. 2020. Vol. 180, № 4. P. 688-702.

Perguntas frequentes

Onde a inteligência artificial é usada na medicina atualmente?

Principalmente no diagnóstico por imagem (raio-X, TC, mamografia), análise de ECG, dermatoscopia e triagem de retinopatia diabética. O uso está crescendo na documentação, desenvolvimento de medicamentos, dispositivos vestíveis e educação.

Quais são os principais problemas do uso de IA na medicina?

Erros e alucinações, viés nos dados de treinamento, falta de transparência nas decisões, responsabilidade incerta por erros, além da proteção do sigilo médico e de dados pessoais.

Quais problemas éticos da IA na medicina devem ser mencionados no relatório?

Autonomia e consentimento informado do paciente, justiça, transparência, responsabilidade, confidencialidade, risco de desumanização. Documento de referência: diretrizes da OMS de 2021 com seis princípios.

A IA vai substituir o médico radiologista?

Não. A IA acelera a busca por achados e classifica exames, mas o laudo é assinado pelo médico, e a responsabilidade permanece com ele.

É permitido inserir dados de pacientes em uma rede neural?

Dados pessoais não são permitidos: nome completo, data de nascimento, endereço, número do seguro saúde. As informações de saúde são protegidas pelos art. 13 da Lei 323-FZ e pela Lei 152-FZ. Para fins educacionais, os dados devem ser anonimizados.

O artigo ajudará a se preparar para o teste de CME sobre IA na medicina?

Não há respostas prontas para testes aqui, mas o artigo aborda os principais tópicos: áreas de aplicação, regulamentação na Rússia, riscos e ética. Questões difíceis podem ser discutidas com o tutor de IA com referências a fontes.