Modelos de predição diagnóstica baseados em IA e registros eletrônicos de saúde na atenção primária estão prontos para uso clínico?
Resposta curta: Não. A revisão sistemática identificou que a maioria dos modelos foca em uma única condição crônica, poucos foram testados na atenção primária e todos apresentaram risco de viés alto ou incerto, principalmente por amostras pequenas, falta de descrição de métodos e avaliação inadequada. Os modelos ainda não estão prontos para implementação clínica.
Resposta
A revisão sistemática avaliou modelos de predição diagnóstica baseados em inteligência artificial (IA) e registros eletrônicos de saúde (RES) na atenção primária. Foram incluídos 15 artigos, a maioria (73%) focada em uma única condição crônica de saúde. Apenas 2 artigos testaram externamente o modelo em um contexto de atenção primária, enquanto 13 desenvolveram o modelo.
Os estudos utilizaram diversas técnicas de IA, e todos os preditores empregados estavam registrados no RES. No entanto, a qualidade metodológica foi preocupante: nenhum artigo apresentou baixo risco de viés, e 60% tiveram alto risco de viés. As principais fontes de viés incluíram tamanho amostral pequeno sem justificativa, não exclusão de preditores da definição do desfecho e avaliação inadequada das medidas de desempenho.
Em 6 artigos, o risco de viés foi incerto devido à falta de informações sobre o manejo de dados ausentes e à ausência de resultados da análise multivariada. A aplicabilidade foi incerta em 67% dos artigos, principalmente pela falta de clareza no relato do intervalo de tempo entre os desfechos e os preditores.
Os achados indicam que os modelos disponíveis ainda não estão prontos para implementação clínica na atenção primária. A falta de descrição suficiente dos métodos e a heterogeneidade nas técnicas de IA dificultam a comparação e a validação externa. São necessários estudos com maior rigor metodológico, amostras adequadas e validação em cenários reais de atenção primária.
Para o médico brasileiro, isso significa que, no momento, não há evidências suficientes para recomendar o uso rotineiro desses modelos na prática clínica. A incorporação de ferramentas de IA na atenção primária deve aguardar modelos com baixo risco de viés e validação externa robusta, especialmente considerando as particularidades do sistema de saúde local.
O que o estudo mostrou
Revisão sistemática seguindo diretrizes PRISMA, com buscas em MEDLINE, Embase, Web of Science e Cochrane. De 10.657 registros, 15 artigos foram selecionados. A maioria (73%) focou em uma única condição crônica. Treze artigos (87%) desenvolveram um modelo de predição diagnóstica e 2 (13%) validaram e testaram externamente o modelo na atenção primária. Todos os preditores estavam registrados no RES. Nenhum artigo teve baixo risco de viés; 60% tiveram alto risco e 6 tiveram risco incerto. A aplicabilidade foi incerta em 67% dos artigos.
Limitações
O resumo não informa detalhes sobre a população dos estudos, os países de origem ou as condições crônicas específicas abordadas. Também não descreve as técnicas de IA utilizadas nem os resultados de desempenho dos modelos. A heterogeneidade metodológica e a falta de informações sobre o manejo de dados ausentes limitam a generalização dos achados. O resumo não informa se houve avaliação de viés de publicação.
Aplicação no consultório
Os achados reforçam que modelos de IA baseados em RES ainda não devem ser incorporados à rotina clínica na atenção primária. Para o gestor do consultório, isso implica cautela na adoção de ferramentas diagnósticas automatizadas e priorização de soluções com validação externa e baixo risco de viés. A documentação adequada nos RES e a padronização de dados podem facilitar futuras implementações, mas a decisão clínica deve permanecer baseada em evidências robustas e no julgamento profissional.
Estudo citado
Diagnostic Prediction Models for Primary Care, Based on AI and Electronic Health Records: Systematic Review. JMIR medical informatics, 2025.
Autores: Hunik L, Chaabouni A, van Laarhoven T, Olde Hartman TC, Leijenaar RTH, Cals JWL, Uijen AA, Schers HJ.
DOI: 10.2196/62862 · PubMed: PMID 40845324
Perguntas para aprofundar
- Quais são os principais riscos de viés em modelos de IA para diagnóstico na atenção primária?
- Como a qualidade dos registros eletrônicos de saúde influencia o desempenho de modelos de IA?
- O que é necessário para validar um modelo de predição diagnóstica antes da implementação clínica?
Mais sobre IA na atenção primária
- Técnicas de inteligência artificial aplicadas a dados da atenção primária podem facilitar o diagnóstico precoce de câncer?
- Quais características e recomendações são essenciais para implementar ferramentas digitais de predição de risco na atenção primária?
- Quais são as perspectivas dos stakeholders sobre a adoção de inteligência artificial na atenção primária?
- Quais são as percepções, barreiras e facilitadores para o uso de inteligência artificial na atenção primária, segundo médicos e pacientes?
- Qual é o conhecimento, a atitude e a prática dos médicos da atenção primária em relação às tecnologias digitais de saúde assistidas por inteligência artificial?
Todas as perguntas sobre IA na atenção primária · Todos os temas · Versão em markdown