Imagine que recebeu uma mensagem do seu centro de saúde: “De acordo com o seu histórico clínico, perfil genético e dados de estilo de vida, o seu risco de desenvolver insuficiência cardíaca nos próximos três anos é elevado.” Não está doente, não tem sintomas, mas de repente passa a viver com essa informação. O que faria? Mudaria de hábitos? Iria pedir exames? Ficaria em alerta ou em pânico?
Este cenário, que parece retirado de um episódio de ficção médica, já não pertence ao futuro. Está a acontecer. A algoritmia computacional está a ser treinada para fazer o que nenhum médico consegue: ler milhões de registos clínicos e descobrir padrões ocultos que antecipam doenças antes que estas se revelem. Nos cuidados de saúde primários, isto traduz-se em algoritmos capazes de sinalizar pessoas aparentemente saudáveis que têm maior risco de vir a sofrer, por exemplo, um AVC, desenvolver diabetes tipo 2 ou entrar numa trajetória silenciosa de insuficiência renal.
Modelos preditivos como o QRISK, amplamente utilizado no Reino Unido, já fazem parte dos sistemas clínicos há mais de uma década. A inovação agora está na sua integração total com dados eletrónicos e na capacidade da Inteligência Artificial (IA) de ir mais longe: não apenas com base em números, mas com inferência complexa sobre texto clínico, padrões de prescrição, consultas passadas, e até determinantes sociais. O algoritmo já não calcula só a probabilidade de doença, mas sim começa a interpretar a vida clínica do doente.
Do ponto de vista médico, o potencial é imenso. Podemos antecipar crises de saúde, intervir mais cedo, evitar hospitalizações, poupar recursos e salvar vidas. Mas do ponto de vista do doente, de quem vive no corpo e não apenas no sistema, o impacto desta informação nem sempre é positivo. Porque há uma diferença entre estar em risco e estar doente. E esta diferença não é apenas técnica; é profundamente humana.
Quando dizemos a alguém que tem “risco aumentado” de cancro do cólon, mesmo sem sintomas, estamos a oferecer-lhe uma oportunidade de vigilância, mas também um novo fardo. Passa a existir uma tensão entre prevenção e ansiedade. Há quem se sinta motivado a agir; há quem entre num ciclo de exames, dúvidas e insegurança permanente. A medicina sempre viveu com este dilema. O rastreio salva-vidas, mas também pode gerar intervenções desnecessárias. A diferença é que, com a IA, esta fronteira está a tornar-se invisível e extensível a domínios que de apenas terem representação matemática, não proporcionam fundamento e esclarecimento científico. Note-se que a ética médica, por exemplo, apenas indica rastreios quando da doença de base é conhecida a sua história natural, e existe tratamento para esta. Não se deve rastrear, se não existe solução a oferecer.
Outro desafio é a confiança. Muitos destes modelos ainda funcionam como “caixas negras”: acertam, mas não explicam como chegaram à conclusão. Dizem que há risco, mas não dizem porquê. E quando até os profissionais de saúde hesitam em confiar num sistema que não compreendem, como esperar que o doente aceite, com serenidade, viver com um risco invisível?
O risco clínico é um conceito estatístico, computacionalmente próximo. Mas o sofrimento é pessoal. Saber que temos uma probabilidade aumentada de desenvolver uma doença altera a nossa perceção de saúde, mesmo quando o corpo não dói. E talvez esta seja a pergunta mais importante: estamos preparados para saber o que ainda não sentimos?
A IA já consegue ver mais do que nós. Mas ainda não sente como (por) nós.
