O uso da inteligência artificial (IA) no Sistema Único de Saúde (SUS) tem ganhado espaço nas propostas de candidatos à presidência, prometendo revolucionar a gestão de filas e o auxílio diagnóstico. No entanto, a implementação dessas ideias enfrenta obstáculos significativos, desde a qualidade dos dados até questões éticas e de infraestrutura.

A inteligência artificial desponta como um tema transversal nas eleições, aparecendo em planos de governo de candidatos como Luiz Inácio Lula da Silva (PT) e Flávio Bolsonaro (PL). A proposta comum é a aplicação da IA na saúde, seja para agilizar o agendamento de consultas e exames, auxiliar em diagnósticos ou até mesmo para redefinir o modelo de filas de espera. A ideia é substituir a ordem de chegada por uma triagem algorítmica que priorize pacientes com base na gravidade e risco de progressão de suas doenças.

Alexandre Chiavegatto Filho, professor de IA na USP, vê um grande potencial na área, prevendo que a saúde será uma das maiores beneficiárias da tecnologia. Ele destaca a capacidade dos algoritmos de analisar interações complexas que levam a problemas graves de saúde e a possibilidade de ampliar o acesso a especialistas em regiões remotas. No entanto, outros especialistas, como Wagner Meira Jr., professor da UFMG, mostram-se mais cautelosos, considerando algumas propostas futuristas e de difícil realização em um mandato presidencial. Ele aponta que a IA tem obtido melhores resultados em casos mais restritos e bem definidos, como a análise de exames.

As informações foram reunidas a partir de dados divulgados pela BBC News Brasil.

Desafios na prática: dados e capacidade de atendimento

Um dos principais entraves para a implementação eficaz da IA no SUS é a qualidade e a disponibilidade dos dados. Wagner Meira Jr. ressalta que grande parte das informações existentes no sistema são registros administrativos, focados em faturamento e não necessariamente em dados clínicos detalhados. A falta de um número consolidado nacional de pessoas aguardando atendimento agrava o problema, uma vez que a gestão das filas é descentralizada em estados e municípios. Embora o Ministério da Saúde esteja implementando portarias para padronizar o envio de dados, o processo ainda está em fase inicial.

Outro ponto crítico levantado por Meira Jr. é a capacidade de atendimento. De acordo com ele, simplesmente reorganizar as filas com base em algoritmos não resolverá o problema se a quantidade de profissionais e serviços disponíveis permanecer a mesma. A priorização algorítmica pode falhar, gerando o que ele chama de “falso negativo”, que é a falha em identificar um paciente que realmente necessita de atendimento urgente, com consequências potencialmente fatais. Ele diferencia o uso da IA para otimizar a logística e a administração do sistema, como o agendamento de teleconsultas entre regiões, do uso para decisões clínicas, que envolvem riscos éticos e de responsabilidade.

Modelos internacionais e a realidade brasileira

A proposta de utilizar plataformas inspiradas em modelos internacionais, como a do El Salvador com o DoctorSV, também gera debates. Especialistas como Alexandre Chiavegatto Filho questionam a aplicabilidade de algoritmos generalistas, que podem ter sido treinados com dados de outras realidades, para o complexo sistema de saúde brasileiro. Ele defende o desenvolvimento de algoritmos locais, treinados com dados da população brasileira, para que aprendam as particularidades do sistema nacional.

Wagner Meira Jr. complementa, destacando a diferença de escala entre o SUS e sistemas de países como El Salvador. A população salvadorenha é comparável à de uma metrópole brasileira, enquanto o SUS atende bilhões de procedimentos anualmente. Além disso, a questão da soberania e proteção de dados é levantada, com preocupações sobre o acesso de empresas privadas multinacionais a informações sensíveis de pacientes brasileiros. A natureza altamente confidencial dos dados de saúde exige rigorosos mecanismos de segurança e clareza sobre a responsabilidade pelo uso dessas informações.

O caminho para a IA na saúde pública

Apesar dos desafios, a integração de IA no SUS é vista como um caminho inevitável por muitos especialistas. Antonio Ribeiro, cardiologista e professor da UFMG, aponta que a lógica de priorização por risco já existe em áreas como transplantes. O principal obstáculo, segundo ele, reside na infraestrutura de sistemas de informação em saúde integrados e na qualidade dos dados. Ele sugere que projetos específicos e pilotos, focados em aplicações mais contidas como a priorização de exames de ecocardiograma, podem ser um caminho mais realista.

Ribeiro enfatiza a necessidade de validação prospectiva e de comprovação de custo-efetividade para qualquer nova intervenção tecnológica na saúde. Ele rejeita a ideia de uma solução geral e imediata, defendendo a implementação gradual, com testes práticos e a preservação da intervenção humana. A IA pode ser uma ferramenta poderosa para otimizar recursos e melhorar diagnósticos, mas sua adoção no SUS exige um planejamento cuidadoso, investimentos em infraestrutura e dados de qualidade, garantindo que a tecnologia sirva para ampliar o acesso e a equidade, sem criar novas formas de exclusão.