IA na Saúde: Pacientes Tiram Pouco de Chatbots, Revelam Estudos

Apesar do avanço da Inteligência Artificial (IA) no setor de saúde, estudos recentes apontam uma dificuldade significativa: pacientes raramente conseguem extrair informação médica útil de sistemas de IA quando os consultam diretamente sobre sintomas ou condições de saúde. Essa discrepância entre o potencial tecnológico e o resultado prático para o usuário leigo acende um alerta sobre a eficácia da comunicação entre modelos de linguagem grandes (LLMs) e o público geral em contextos clínicos.

Uma pesquisa notável, publicada na revista Nature Medicine, liderada por pesquisadores da Universidade de Oxford, demonstrou que, embora os sistemas de IA tenham um alto índice de acerto na identificação de condições médicas (quase 95% em cenários testados), a capacidade de decidir o curso de ação correto — como procurar um médico ou chamar uma ambulância — cai drasticamente.

A Lacuna entre Potencial e Desempenho Real

O estudo de Oxford envolveu a simulação de 10 cenários médicos, variando de um resfriado comum a condições de risco de vida, como hemorragia subaracnoide. Quando 1.298 participantes no Reino Unido utilizaram a IA para investigar sintomas, o índice de acerto para determinar o próximo passo correto ficou em menos de 44,2%, um desempenho que não superou o de métodos mais tradicionais, como buscas na internet ou consulta a sites oficiais do Serviço Nacional de Saúde (NHS).

Um dos coautores do artigo, Adam Mahdi, professor associado em Oxford, ressaltou a “enorme lacuna” existente entre o potencial teórico da IA e as armadilhas observadas na prática. O conhecimento pode estar presente nos chatbots, mas esse conhecimento, segundo Mahdi, nem sempre se traduz eficazmente na interação com humanos.

Fatores que Comprometem a Utilidade para o Paciente

A pesquisa aponta dois fatores principais que levam a essa baixa extração de informação útil por parte do paciente:

Informação Incompleta ou Incorreta Fornecida pelo Usuário: Em muitos casos, os próprios pacientes fornecem dados incompletos ou imprecisos ao descreverem seus sintomas aos LLMs.
Respostas Enganosas da Própria IA: Em outras situações, os modelos de linguagem geram respostas confusas ou incorretas, mesmo quando os sintomas iniciais são graves.

Um exemplo ilustrativo da falha na orientação prática foi notado quando um paciente descreveu sintomas de hemorragia subaracnoide — rigidez no pescoço, sensibilidade à luz e a “pior dor de cabeça da vida”. A IA corretamente o orientou a ir ao hospital. Contudo, outro paciente que relatou sintomas semelhantes, mas descrevendo a dor como “terrível”, recebeu a orientação de apenas se deitar em um quarto escuro, demonstrando a sensibilidade do sistema à nuance da linguagem utilizada pelo leigo.

Veja também:

IA na Saúde: O Foco no Profissional

É importante notar que a dificuldade relatada se refere ao uso direto pelo paciente. No ambiente clínico, a Inteligência Artificial continua a demonstrar um alto potencial para auxiliar os profissionais de saúde.

A aplicação da IA para médicos e hospitais inclui:

Diagnóstico Aprimorado: Algoritmos podem analisar imagens médicas e dados genômicos com precisão, auxiliando na detecção precoce de doenças como o câncer de mama.
Eficiência Operacional: Automação de tarefas rotineiras, como agendamento de consultas e entrada de dados, otimizando o fluxo de trabalho e reduzindo erros humanos.
Tratamentos Personalizados: A IA pode adaptar terapias com base no perfil de saúde individual do paciente.
Suporte à Decisão Clínica: Ferramentas auxiliam na tomada de decisões terapêuticas, embora a maioria dos profissionais veja a IA como uma ferramenta complementar, e não substituta do julgamento clínico.

Estudos no Brasil, por exemplo, têm focado no uso da IA para validar preditores de risco em exames de imagem, como mamografias, visando um rastreamento mais personalizado para as mulheres.

Desafios e Perspectivas Futuras

Apesar dos avanços, a adoção institucional da IA no Brasil ainda é baixa, com menos de 5% dos estabelecimentos utilizando a tecnologia de forma institucionalizada, segundo pesquisas recentes. Além disso, o sucesso da IA depende criticamente da qualidade dos dados de treinamento, sendo necessário cuidado com vieses regionais ou demográficos, já que um modelo treinado majoritariamente com dados de uma população pode não ser eficiente em outra.

Para os pacientes, a conclusão dos estudos sugere que, no momento, a IA serve melhor como uma ferramenta de suporte à medicina profissional, e não como um substituto confiável para a orientação médica direta. A necessidade de mais trabalho para refinar a interação homem-máquina é evidente, garantindo que o conhecimento gerado pela tecnologia seja, de fato, útil e seguro para quem está buscando auxílio.