Luso-Brasileiro 2026: Inteligência artificial no dia a dia da UTI

Durante o Congresso Luso-Brasileiro de Medicina Intensiva 2026, o Dr. Ederlon Alves de Carvalho Rezende (Brasil) moderou a conferência ministrada pelo Dr. Filipe André Gonzalez (Portugal), dedicada à aplicação prática da inteligência artificial (IA) na rotina da terapia intensiva. A apresentação discutiu como ferramentas baseadas em aprendizado de máquina, modelos preditivos, análise de grandes volumes de dados e sistemas de apoio à decisão clínica estão gradualmente transformando a monitoração, o reconhecimento precoce da deterioração clínica e a personalização das estratégias terapêuticas em pacientes criticamente enfermos. 

 

Raciocínio Clínico 

A incorporação da inteligência artificial à terapia intensiva representa uma evolução natural da crescente digitalização dos sistemas de saúde. As UTIs produzem diariamente milhares de dados clínicos, laboratoriais, ventilatórios e hemodinâmicos que frequentemente excedem a capacidade humana de processamento em tempo real. Nesse contexto, algoritmos de IA podem auxiliar na identificação precoce de deterioração clínica, previsão de eventos adversos, otimização de recursos e apoio à tomada de decisão. 

Os estudos mais recentes demonstram resultados promissores na predição de sepse, insuficiência respiratória, necessidade de ventilação mecânica, lesão renal aguda, delirium e mortalidade. Os sistemas inteligentes vêm sendo utilizados para interpretar curvas ventilatórias, monitoração hemodinâmica contínua, exames de imagens e sinais fisiológicos complexos. 

Entretanto, os palestrantes enfatizaram que a IA deve funcionar como ferramenta complementar ao julgamento clínico, e não como substituta do intensivista. A interpretação contextualizada dos dados, a compreensão da fisiopatologia e a individualização do cuidado permanecem componentes insubstituíveis da medicina intensiva. 

 

Limitações e Desafios 

Apesar do entusiasmo crescente, a implementação da IA na prática clínica enfrenta desafios importantes. Muitos algoritmos são desenvolvidos utilizando bancos de dados específicos, podendo apresentar desempenho inferior quando aplicados a populações distintas. A falta de transparência dos modelos (“black box”), a necessidade de validação externa robusta e o risco de amplificação de vieses existentes nos sistemas de saúde continuam sendo preocupações relevantes. 

Outro desafio refere-se à qualidade dos dados utilizados para treinamento dos algoritmos. Dados incompletos, inconsistentes ou provenientes de sistemas heterogêneos podem comprometer significativamente a acurácia dos modelos preditivos. A integração das ferramentas de IA aos prontuários eletrônicos e aos fluxos assistenciais ainda permanece limitada em muitos hospitais. 

Questões éticas e legais também foram amplamente discutidas, incluindo privacidade de dados, responsabilidade profissional diante de recomendações automatizadas e necessidade de supervisão humana permanente. Os especialistas ressaltaram que a adoção segura da IA depende de governança adequada, validação contínua e treinamento dos profissionais de saúde. 

 

Principais vieses na prática clínica 

Os estudos recentes mostram que a utilização inadequada da inteligência artificial pode introduzir novos vieses na tomada de decisão clínica. Entre os principais destacam-se: 

• Dependência excessiva de algoritmos sem validação clínica;
  • Confiança excessiva em sistemas automatizados (“automationbias“);
  • Utilização de modelos treinados em populações diferentes da realidade local;
  • Interpretação inadequada de resultados gerados por algoritmos;
  • Dados incompletos ou de baixa qualidade alimentando sistemas preditivos;
  • Falta de transparência dos modelos (“black box“);
  • Redução da autonomia crítica do raciocínio clínico humano;
  • Ausência de monitorização contínua do desempenho dos algoritmos. 

 

Mensagens Práticas 

O palestrante reforça que a inteligência artificial deve ser vista como ferramenta de ampliação da capacidade cognitiva das equipes e não como substituta do raciocínio clínico. Seu maior potencial está na integração entre análise avançada de dados e expertise humana. 

Entre as principais mensagens destacam-se: 

• A IA deve complementar e não substituir o intensivista;
  • Modelos preditivos precisam de validação local antes da implementação;
  • Qualidade dos dados determina qualidade dos resultados;
  • Transparência e interpretabilidade dos algoritmos são fundamentais;
  • Supervisão humana deve permanecer obrigatória;
  • A integração entre IA e medicina baseada em evidências representa o futuro da terapia intensiva;
  • Educação digital dos profissionais será essencial para adoção segura dessas tecnologias.