Estudo destaca que IA e aprendizado de máquina podem apoiar a profilaxia personalizada do TEV, mas ainda enfrentam barreiras de validação, transparência e adesão clínica
Em 13 de outubro celebra-se o Dia Mundial de Conscientização e Combate ao Tromboembolismo Venoso (TEV), condição que segue como a principal causa de morte evitável em pacientes hospitalizados. Nesse contexto, a inteligência artificial e o aprendizado de máquina (machine learning) vêm se destacando como aliados na segurança do paciente ao permitir avaliações individualizadas de risco e apoiar estratégias de profilaxia.
Um estudo recente, “The potential use of artificial intelligence for venous thromboembolism prophylaxis and treatment: perspectives of clinicians and health informatics professionals”, mostrou que 70% dos clínicos e 56% dos profissionais de informática em saúde acreditam que essas tecnologias podem auxiliar na prevenção e tratamento do TEV. A IA, ao analisar grandes volumes de dados e identificar padrões complexos, pode agilizar a avaliação de risco e antecipar medidas profiláticas, reduzindo a ocorrência de eventos adversos.
Limitações dos métodos tradicionais – TEV
Outro estudo, “Artificial intelligence in thrombosis: transformative potential and emerging challenges”, evidencia as limitações dos modelos tradicionais de predição de TEV, como os escores PADUA, CAPRINI e IMPROVE. Por se basearem em análises estatísticas convencionais, esses modelos consideram apenas variáveis pré-selecionadas, o que restringe a capacidade preditiva e dificulta a identificação precoce de pacientes que realmente se beneficiariam da profilaxia farmacológica.
A IA, por outro lado, oferece a possibilidade de combinar dados clínicos, laboratoriais e genéticos em tempo real, criando ferramentas mais precisas e personalizadas, um avanço importante para reduzir complicações e aprimorar decisões médicas.
IA no diagnóstico de TEV
O mesmo estudo também destacou resultados expressivos da IA no diagnóstico precoce de trombose. Em uma análise de 1.465 exames de tomografia computadorizada, um algoritmo alimentado por IA alcançou sensibilidade de 92,7% e especificidade de 95,5% na detecção de embolia pulmonar (EP), reduzindo falsos positivos e acelerando o processo diagnóstico.
Outra pesquisa mostrou que o uso da IA reduziu o tempo médio dos relatórios de 59,9 para 47,6 minutos e o tempo de espera dos pacientes de 33,4 para 21,4 minutos. Essa eficiência melhora o fluxo assistencial e diminui os riscos relacionados a atrasos no tratamento, reforçando o papel da tecnologia como instrumento de segurança do paciente.
Transparência e julgamento clínico como pilares da confiança
Apesar dos avanços, o estudo inicial alerta para barreiras de implementação, como a falta de transparência dos sistemas, muitas vezes tratados como “caixas-pretas”. Essa limitação compromete a interpretabilidade e levanta dúvidas sobre como e por que as decisões são tomadas. A adoção ética e segura da IA requer validação científica rigorosa, supervisão clínica constante e preservação do julgamento humano no processo decisório.
Educação e ética
Ambos os estudos convergem em um ponto essencial: o desenvolvimento e a capacitação de profissionais de saúde são indispensáveis para o uso seguro e responsável da IA. Muitos clínicos ainda relatam dificuldades em compreender as decisões automatizadas, o que reforça a importância da formação técnica e ética voltada ao uso dessas ferramentas.
Com base nesses achados, nota-se que à medida que a IA avança na medicina, cresce a responsabilidade das instituições em adotá-la de forma ética, transparente e centrada no paciente. A tecnologia tem potencial para transformar a prevenção e o tratamento do TEV, mas seu sucesso dependerá da integração entre inovação, ética e cultura de segurança.
Neste mês dedicado à conscientização sobre o TEV, os estudos reforçam uma mensagem essencial: a tecnologia é uma aliada poderosa, mas o olhar clínico e a responsabilidade humana continuam sendo insubstituíveis.
Referências:
(2) Artificial intelligence in thrombosis: transformative potential and emerging challenges
