Inteligência Artificial na saúde: promessas versus realidade dos avanços reais

Promessas ousadas e resultados escassos na saúde com IA

Empresas de inteligência artificial (IA) no setor de saúde investem pesadamente em marketing, prometendo descobertas científicas aceleradas e medicamentos revolucionários. A Isomorphic, da Alphabet, afirma que a IA de ponta pode "desbloquear insights científicos profundos, avanços mais rápidos e medicamentos que mudam vidas". A Lila, por sua vez, vende sua tecnologia como uma ferramenta para "descobertas mais rápidas em campos onde a ciência inovadora é crucial".

O entusiasmo é grande, mas os resultados concretos ainda são raros. O teste definitivo para qualquer IA na saúde é simples: ela funcionou em humanos? Ela produziu um medicamento que salvou vidas? Até agora, a maioria das empresas não chegou lá.

Números revelam a distância entre promessas e realidade

Uma análise dos avanços alcançados pelas principais empresas de IA na saúde mostra um cenário pouco impressionante:

• Isomorphic (Alphabet): nenhuma terapia aprovada;
• Lila: mesma situação;
• Anthropic: investiu US$ 400 milhões em startup de biotecnologia, mas sem produtos no mercado.

A realidade é dura: desenvolver um novo tratamento exige uma fase 3 de testes clínicos, que pode levar até 10 anos e custar cerca de US$ 2 bilhões. Para diagnósticos, é necessário comprovar benefícios clínicos, passar por rigorosos testes independentes e implementar sistemas de gestão de qualidade antes mesmo de entrar em clínicas. Desvendar e validar novos aspectos da biologia humana pode levar décadas de pesquisa.

O caminho para resultados reais: integração e testes rigorosos

O setor precisa fechar a lacuna entre o treinamento dos modelos de IA e a aplicação prática na medicina. Algumas empresas já estão trilhando esse caminho com sucesso:

• Insilico Medicine e Recursion: avançam com ativos descobertos por IA em testes clínicos;
• Owkin: levou o medicamento oncológico OKN4395 ao ensaio clínico de Fase 1a INVOKE e obteve a marcação CE na Europa para o MSIntuit CRC, um teste de patologia.

"Levar a IA para pacientes não só é necessário, como benéfico", afirma a empresa. "Isso força a IA a ser melhor, pois expõe problemas inesperados e complexos."

Lições aprendidas em testes reais

A Owkin descobriu que seus modelos de diagnóstico não se adaptavam bem a variações populacionais ou configurações de scanners. A solução foi desenvolver métodos robustos para ajustar os modelos às particularidades de cada local e tecnologia.

A importância do feedback contínuo com pacientes

A empresa integrou essa "realidade" ao ensaio clínico INVOKE, inovando ao usar dados em tempo real dos participantes para aprimorar a IA. Diferente de ensaios tradicionais, que só avaliam indicadores essenciais, a Owkin retreina seus modelos com dados reais quando as previsões não acertam. O resultado é um ciclo virtuoso: mais dados levam a IA mais precisa, que funciona melhor para os pacientes, permitindo testar mais modelos.

"A IA na saúde está avançando para um modelo onde o real feedback dos pacientes não é apenas um complemento, mas o núcleo do desenvolvimento. Isso é o futuro do setor."

Conclusão: a IA precisa de menos hype e mais ciência aplicada

O setor de IA na saúde precisa urgentemente alinhar suas ambições com a realidade dos processos regulatórios e científicos. Empresas que investem em testes rigorosos, integração prática e aprendizado contínuo estão pavimentando o caminho para avanços genuínos. Enquanto isso, as promessas vazias só servem para criar expectativas irreais e atrasar o progresso real.