Quais fatores influenciam a confiança dos profissionais de saúde em sistemas de apoio à decisão clínica baseados em inteligência artificial?
Resposta curta: Uma revisão sistemática identificou oito temas-chave que influenciam a confiança: transparência do sistema, treinamento e familiaridade, usabilidade, confiabilidade clínica, credibilidade e validação, considerações éticas, design centrado no humano e customização e controle. Barreiras incluem opacidade algorítmica, treinamento insuficiente e desafios éticos; facilitadores incluem transparência, usabilidade e confiabilidade clínica.
Resposta
A confiança dos profissionais de saúde em sistemas de apoio à decisão clínica baseados em inteligência artificial (IA-CDSS) é um fator crítico para sua integração bem-sucedida na prática. Uma revisão sistemática recente, publicada no Journal of Medical Internet Research, buscou sintetizar os principais fatores que influenciam essa confiança e fornecer recomendações acionáveis.
Os autores conduziram uma revisão sistemática de estudos publicados entre janeiro de 2020 e novembro de 2024, seguindo as diretrizes PRISMA 2020 e o Cochrane Collaboration Handbook. Foram incluídos 27 estudos que examinaram percepções, experiências e confiança de profissionais de saúde em IA-CDSS. A maioria utilizou métodos qualitativos (59%), com tamanhos amostrais variando de pequenos grupos focais a coortes com mais de 1000 participantes.
A análise revelou oito temas principais que melhoram a confiança: transparência do sistema (ênfase em IA clara e interpretável), treinamento e familiaridade (compartilhamento de conhecimento e educação do usuário), usabilidade (integração efetiva nos fluxos de trabalho clínicos), confiabilidade clínica (consistência e precisão do desempenho), credibilidade e validação (desempenho em contextos clínicos diversos), considerações éticas (responsabilidade médico-legal, justiça e adesão a padrões éticos), design centrado no humano (abordagens centradas no paciente) e customização e controle (adaptação às necessidades clínicas específicas, preservando a autonomia decisória).
Barreiras à confiança incluíram opacidade algorítmica, treinamento insuficiente e desafios éticos. Fatores facilitadores foram transparência, usabilidade e confiabilidade clínica. Os autores concluem que modelos de IA explicáveis, treinamento abrangente, envolvimento das partes interessadas e design centrado no humano são necessários para promover a confiança.
A heterogeneidade dos desenhos de estudo e a falta de dados específicos limitaram análises adicionais. A revisão recomenda que pesquisas futuras incluam demografias diversas, perspectivas transculturais e diferenças contextuais na confiança entre várias profissões de saúde.
O que o estudo mostrou
Revisão sistemática de 27 estudos publicados entre janeiro de 2020 e novembro de 2024, incluindo profissionais de saúde predominantemente em ambientes hospitalares. Métodos qualitativos foram os mais comuns (n=16, 59%), com amostras variando de pequenos grupos focais a coortes com mais de 1000 participantes. Oito temas emergiram como fundamentais para a confiança: transparência, treinamento e familiaridade, usabilidade, confiabilidade clínica, credibilidade e validação, considerações éticas, design centrado no humano e customização e controle. Barreiras incluíram opacidade algorítmica, treinamento insuficiente e desafios éticos; facilitadores incluíram transparência, usabilidade e confiabilidade clínica.
Limitações
O resumo não informa detalhes sobre a qualidade individual dos estudos incluídos, mas menciona que a heterogeneidade dos desenhos e a falta de dados específicos limitaram análises adicionais. A maioria dos estudos foi conduzida em ambientes hospitalares, o que pode restringir a generalização para outros contextos. O resumo também não fornece informações sobre vieses de publicação ou características demográficas detalhadas dos participantes.
Aplicação no consultório
Para a prática clínica e a gestão do consultório, os achados sugerem que, ao adotar sistemas de IA para apoio à decisão, os médicos devem priorizar ferramentas com transparência e explicabilidade, buscar treinamento adequado, avaliar a usabilidade e a integração ao fluxo de trabalho, verificar a confiabilidade clínica e a validação em contextos diversos, considerar aspectos éticos e médico-legais, e assegurar que o design seja centrado no paciente e permita customização sem comprometer a autonomia decisória. Gestores podem usar esses temas para selecionar e implementar tecnologias que favoreçam a confiança da equipe.
Estudo citado
Trust in Artificial Intelligence-Based Clinical Decision Support Systems Among Health Care Workers: Systematic Review. Journal of medical Internet research, 2025.
Autores: Tun HM, Rahman HA, Naing L, Malik OA.
DOI: 10.2196/69678 · PubMed: PMID 40772775
Perguntas para aprofundar
- Como a transparência dos sistemas de IA pode ser avaliada na prática clínica?
- Quais estratégias de treinamento são mais eficazes para aumentar a confiança em IA-CDSS?
- De que forma a customização e o controle podem preservar a autonomia do médico ao usar IA?
Mais sobre IA em medicina de precisão e genômica
- A inteligência artificial já pode apoiar o controle glicêmico e a predição de risco em unidades de terapia intensiva?
- Como a inteligência artificial e o aprendizado de máquina estão sendo aplicados na pesquisa sobre pé diabético e quais as tendências metodológicas?
- A integração da inteligência artificial na medicina clínica melhora desfechos e quais desafios precisam ser superados?
- A inteligência artificial pode transformar o manejo do diabetes e quais são os desafios para sua implementação na prática clínica?
- Como a inteligência artificial e a robótica estão transformando a cirurgia e quais os desafios para sua adoção?
Todas as perguntas sobre IA em medicina de precisão e genômica · Todos os temas · Versão em markdown