O Papel da Inteligência Artificial
O uso da Inteligência Artificial (IA) na terapia pode ser aplicado a diversos ramos, como na quimioterapia neoadjuvante, na imunoterapia, na terapia dirigida, entre outros (Yang, 2024).
(Integrating Artificial Intelligence for Academic Advanced Therapy Medicinal Products: Challenges and Opportunities -Cristobal Aguilar-Gallar, 2024)
As duas abordagens da IA mais utilizadas na área da terapêutica são denominadas Machine Learning (ML) e Deep Learning (DL).
O ML funciona com base no uso de algoritmos para analisar e aprender a partir de informação pré-existente, tomar decisões e efetuar previsões acerca de casos reais. Já o DL tem algumas bases semelhantes ao ML, no entanto estende-se a uma rede neural de algoritmos de diversas camadas para implementar tarefas, e tem vindo a apresentar grande eficiência a encontrar estruturas complexas em dados de larga escala.
O DL apresenta mais aplicações em comparação com o ML em diferentes áreas, como no reconhecimento de imagens, na previsão da expressão de genes e no impactos de doenças (Yang, 2024).
A partir das técnicas com DL, como a CNN (convolution neural network), é possível processar melhor os dados complexos individualmente, de modo a auxiliar o processo de decisão em terapias personalizadas (Yang, 2024), com maior precisão, reduzindo e otimizando a elevada carga de trabalho dos profissionais de saúde (Huang, 2025). Como dados complexos, inclui-se dados multimodais, como registos médico-eletrônicos, dados moleculares, radiológicos e patológicos (Yang, 2024).
Porém, os modelos gerados pela IA requerem sempre validação dos dados coletados, com outros dados externos, algo crucial para a credibilidade do modelo gerado pelos algoritmos da IA. A falha de validação dos dados pode resultar em uma caracterização de um modelo não generalizável (Yang, 2024). Além disso, podem haver problemas éticos, como a privacidade de informação, o consentimento do doente e o risco de decisões incorretas.
Os modelos existentes baseiam-se em dados privados e sensíveis do doente como a identidade, estado de saúde, diagnósticos e informações de tratamentos. Para os doentes, coletar essa informação sem consentimento infringe os seus direitos e possivelmente interesses no caso de roubo ou uso impróprio da informação (Yang, 2024).
Acerca de responsabilidades no caso de erro de diagnóstico ainda há questões sem resposta clara – a responsabilidade deve recair aos médicos, aos hospitais ou aos desenvolvedores da IA? Isto requer que estudos futuros desenvolvam estruturas regulatórias para assegurar a implementação da IA em conformidade com as normas da área de saúde (Huang, 2025).
Outro aspecto importante a melhorar, é a transparência e a interpretabilidade clínica dos modelos de IA. Muitos modelos carecem de interpretabilidade, de tal modo que dificulta a compreensão dos diagnósticos gerados por IA por parte dos médicos (Huang, 2025).
Em suma, a IA apresenta elevado potencial em diversas áreas, de modo a auxiliar no diagnóstico, na previsão dos resultados de uma terapia e na interpretação de informações complexas, apesar de ainda existirem problemas relacionados com o seu uso. Logo, atualmente são necessários mais estudos acerca do uso da IA na área da saúde.