Em Palestra realizada no Teatro B32, no Dia 13/Maio, Robert Pearl, M.D., Autor do Livro: ChatGPT, MD: How AI-Empowered Patients & Doctors Can Take Back Control of American Medicine, debateu sobre o Impacto do ChatGPT e das Inteligências Artificiais Generativas, na Saúde e como estas tecnologias transformarão a prática médica e o cuidado em saúde.

Nossos Parabéns Prof. Jefferson G Fernandes pela Liderança do Evento e à Hapvida NotreDame Intermédica pelo Patrocínio do Future of Medicine 2025, que trará Três Palestrantes Internacionais, no segundo semestre de 2025.

Agradeço ao Thiago Liguori, MD, PhD, por gentilmente compartilhar o resumo da Palestra.

Resumo da Palestra gerado com Auxílio de Inteligência Articial

A IA Generativa representa uma revolução na medicina com potencial para salvar centenas de milhares de vidas anualmente, minimizar erros médicos, tornar a saúde mais acessível e reduzir o burnout médico. Em cinco anos, esta tecnologia estará 32 vezes mais poderosa, e o setor de saúde precisa estar preparado para esta transformação através de liderança adequada, novos modelos de pagamento e sistemas integrados de atendimento.

Destaques:

 1.⁠ ⁠A IA Generativa está evoluindo exponencialmente – em 5 anos será 32 vezes mais poderosa e em 10 anos, 1.000 vezes mais poderosa, com potencial para democratizar o acesso à saúde de qualidade.

 2.⁠ ⁠Nos EUA, 400 mil americanos morrem anualmente por diagnósticos incorretos, e outros 400 mil desenvolvem doenças crônicas devido a erros médicos.

 3.⁠ ⁠Um melhor gerenciamento de doenças crônicas usando IA poderia eliminar 30% a 50% dos ataques cardíacos, AVCs, falhas renais e cânceres.

 4.⁠ ⁠A IA pode personalizar o cuidado médico, ajudar pacientes a compreender melhor seus diagnósticos e capacitar pessoas sem formação médica a diagnosticar problemas.

 5.⁠ ⁠Um estudo da Universidade do Arizona mostrou que respostas geradas por IA foram quatro vezes mais precisas e oito vezes mais empáticas que as respostas dos médicos.

 6.⁠ ⁠A falta de comunicação entre especialistas que atendem o mesmo paciente frequentemente leva a ordens conflitantes e erros médicos, problema que pode ser resolvido com IA.

 7.⁠ ⁠A implementação de IA na saúde requer três requisitos: médicos trabalhando em grupos, mudança no modelo de pagamento e liderança efetiva para superar resistências.

 8.⁠ ⁠51% dos americanos não conseguem pagar por cuidados de saúde mesmo tendo seguro, e a IA pode tornar o atendimento mais acessível economicamente.

 9.⁠ ⁠O modelo de captação (pagamento fixo per capita) torna a IA economicamente viável ao focar em prevenção e redução de hospitalizações.

10.⁠ ⁠Existem desafios como privacidade e segurança, mas o palestrante argumenta que grandes empresas de tecnologia podem gerenciar melhor a segurança do que médicos individuais.

Capítulos e Tópicos

 1.⁠ ⁠Inteligência Artificial Generativa e seu Impacto na Medicina

A Inteligência Artificial Generativa está evoluindo rapidamente e terá um impacto massivo no Brasil e no mundo, especialmente na medicina. Em menos de 5 anos, estaremos diante da Inteligência Artificial Geral (AGI), que será tão boa quanto os humanos em completar tarefas. A tecnologia está aumentando em poder exponencialmente – em 5 anos será 32 vezes mais poderosa e em 10 anos, 1.000 vezes mais poderosa.

Ferramentas como ChatGPT, que antes estavam 18 meses atrasadas em informação, agora estão atualizadas e são multimodais, processando voz, texto e imagens. Isso tem o potencial de democratizar o acesso à saúde de qualidade, especialmente para populações em áreas rurais e para a classe média brasileira que busca cuidados de saúde acessíveis.

– Existem três gerações de IA: a IA baseada em regras dos anos 1980 (Rules-Based AI), a IA estreita (narrow AI) que usa redes neurais para comparar conjuntos de dados específicos, e a IA Generativa atual que é treinada na totalidade da informação disponível.

– A IA estreita tem limitações significativas: só funciona bem para uma aplicação específica e depende totalmente da qualidade dos dados em que foi treinada, podendo magnificar diferenças que não existem realmente.

– A IA Generativa, como ChatGPT, Gemini, Claude ou DeepSeat, é treinada em todo o conhecimento disponível, tendo lido todos os livros e artigos médicos sem esquecer um único fato, e utiliza bilhões de parâmetros para avaliar a qualidade das informações.

– Sam Altman, chefe da OpenAI, acredita que a AGI (Inteligência Artificial Geral) chegará em 2-3 anos, enquanto o chefe da Anthropic estima 3-4 anos, sugerindo que precisamos nos preparar para sua chegada em menos de 5 anos.

 2.⁠ ⁠O potencial da IA generativa na medicina

A IA generativa é apresentada como uma ferramenta poderosa para personalização dos cuidados médicos, permitindo que pessoas sem formação médica possam compreender melhor seus diagnósticos. O palestrante argumenta que esta tecnologia pode elevar a experiência do paciente e auxiliar no diagnóstico de problemas médicos, como demonstrado no exemplo da mulher que conseguiu diagnosticar seu próprio problema mesmo sem educação médica.

– A IA generativa permite personalizar o cuidado médico e ajuda pacientes a compreenderem melhor seus diagnósticos e tratamentos.

– A tecnologia capacita pessoas sem formação médica a diagnosticar problemas, assim como permite que pessoas sem treinamento especializado criem arte, música ou programem computadores.

 3.⁠ ⁠O desafio das doenças crônicas nos sistemas de saúde
As doenças crônicas representam um grande desafio para os sistemas de saúde globalmente. Atualmente, um terço dos americanos são diabéticos ou pré-diabéticos, e 70% dos custos médicos são relacionados às doenças crônicas.

De acordo com o Centro de Controle de Doenças, um melhor gerenciamento das doenças crônicas poderia eliminar de 30% a 50% dos ataques cardíacos, acidentes vasculares cerebrais, falhas renais e cânceres. Este estudo foi replicado na Alemanha com resultados similares, indicando uma possível redução de 50% nestes casos.

– Um terço de todos os americanos são diabéticos ou pré-diabéticos.
– As doenças crônicas representam 70% dos custos médicos atuais.
– Segundo o Centro de Controle de Doenças, um melhor gerenciamento das doenças crônicas poderia eliminar 30% a 50% dos ataques cardíacos, AVCs, falhas renais e cânceres.
– O mesmo estudo foi replicado na Alemanha com resultado semelhante, indicando uma possível redução de 50%.

 4.⁠ ⁠Problemas no sistema de saúde tradicional

O palestrante discute os problemas fundamentais do sistema de saúde, baseando-se em seus próprios livros. Ele aponta que o sistema médico é fragmentado, utiliza tecnologia em excesso, ainda depende de métodos antiquados como máquinas de fax (invenção de 1834) para troca de informações, opera em um modelo de pagamento por atendimento sem considerar os resultados, e carece de liderança efetiva para implementar mudanças sistêmicas. O autor argumenta que apesar de identificar estes problemas em seus livros, pouco mudou porque faltava uma ferramenta adequada para implementar as soluções necessárias.

– O sistema médico é caracterizado por fragmentação, uso excessivo de tecnologia e métodos antiquados de comunicação.
– O modelo de pagamento é baseado em volume de atendimentos e não em resultados efetivos para os pacientes.
– Falta liderança efetiva no sistema de saúde para implementar mudanças necessárias.
– O sistema hierárquico da medicina frequentemente prioriza o impacto no médico em vez de no paciente.

 5.⁠ ⁠Aplicações da IA generativa no gerenciamento de doenças crônicas

O palestrante propõe a utilização da IA generativa para melhorar o controle de doenças crônicas como hipertensão e diabetes.

Atualmente, nos EUA, a hipertensão é controlada em cerca de 60% dos casos e a diabetes em menos da metade do tempo. Ele sugere o uso de tecnologias vestíveis para monitoramento contínuo (3-4 vezes ao dia) de indicadores como pressão sanguínea e glicemia, com os dados sendo analisados por IA generativa que pode identificar tendências e recomendar ajustes no tratamento. Essa abordagem permitiria um acompanhamento mais eficaz e personalizado das doenças crônicas, sem sobrecarregar os médicos com grandes volumes de dados.

– A hipertensão causa 40% dos AVCs, e seu controle eficaz poderia reduzir significativamente essa incidência.
– Nos EUA, a hipertensão é controlada em 60% dos casos e a diabetes em menos da metade do tempo.
– Monitores vestíveis podem medir indicadores de saúde várias vezes ao dia e enviar dados para análise por IA generativa.
– A IA pode analisar tendências usando cálculos de derivados para determinar se o paciente está melhorando ou piorando.
– O monitoramento contínuo permite ajustes mais rápidos e eficazes no tratamento, através de telemedicina ou mensagens.

 6.⁠ ⁠IA generativa para apoio ao paciente e orientação médica

O palestrante apresenta situações práticas onde a IA generativa pode auxiliar pacientes e médicos. Para pais com filhos doentes durante a noite, a IA pode oferecer orientações personalizadas baseadas nos sintomas específicos, evitando visitas desnecessárias à emergência ou atrasos em casos graves.

– A IA pode ajudar pais a tomarem decisões sobre cuidados de emergência para seus filhos, oferecendo orientações personalizadas.
– Para profissionais de saúde, a IA pode fornecer literatura médica específica e casos similares em segundos, como demonstrado no caso da cirurgiã que consultou o ChatGPT durante um procedimento.
– Nos EUA, 400 mil pessoas morrem anualmente por diagnósticos incorretos e outras 400 mil acabam com doenças de longo prazo.
– Segundo o New England Journal of Medicine, 1 em cada 4 pacientes transferidos inesperadamente para UTIs sofreram diagnósticos incorretos.

 7.⁠ ⁠Burn-out Médico

O palestrante discute como o burn-out médico está relacionado à pressão sobre os profissionais que não conseguem dedicar tempo suficiente aos pacientes. Médicos são extremamente dedicados, mas enfrentam a impossibilidade de perdoar falhas, especialmente quando erros ocorrem devido à falta de tempo adequado para cada paciente. A redução de diagnósticos incorretos poderia contribuir significativamente para resolver o problema do burn-out.

– Médicos são profissionais muito dedicados e trabalhadores, mas sofrem com a pressão de não poder cometer erros.
– A falta de tempo adequado para atender os pacientes (30% de mais tempo seria necessário) leva a erros e contribui para o burn-out.
– Eliminar diagnósticos incorretos seria uma grande contribuição para resolver o problema do burn-out médico.

 8.⁠ ⁠Coordenação entre Especialistas Médicos

O palestrante relata sua experiência pessoal observando que diferentes especialistas médicos que cuidavam de sua mãe hospitalizada não se comunicavam entre si. Cada especialista (cardiologista, hematologista, pulmonologista, neurologista) focava apenas em sua área específica, escrevendo ordens sem coordenação, o que poderia resultar em conflitos de tratamento. Sem um familiar ou médico presente para coordenar os cuidados, pacientes ficam vulneráveis a erros médicos.

– Especialistas que atendem o mesmo paciente frequentemente não se comunicam entre si.
– Cada especialista foca apenas em uma pequena parte da equação do tratamento.
– A falta de comunicação pode levar a ordens conflitantes e erros médicos.
– Uma paciente relatou ter usado ChatGPT para ajudar no gerenciamento dos cuidados da mãe, inserindo informações do registro médico e garantindo coordenação adequada.

 9.⁠ ⁠Prevenção de Erros Médicos
O palestrante discute como erros médicos podem ser evitados seguindo protocolos específicos, como os procedimentos corretos para linhas centrais (cateteres) e o posicionamento adequado de pacientes intubados na UTI. Pesquisadores da Johns Hopkins descobriram que seguir consistentemente um conjunto de regras poderia eliminar completamente esses erros, mas médicos ocupados nem sempre conseguem aderir a todos os protocolos. A tecnologia pode ajudar a garantir que esses procedimentos de segurança sejam seguidos.

– Seguir o caminho correto para colocação de linhas centrais evita infecções potencialmente fatais.
– Pacientes intubados na UTI precisam manter a cabeça elevada para evitar regurgitação que pode causar complicações.
– Médicos da Johns Hopkins descobriram que seguir um conjunto de regras todas as vezes eliminaria completamente certos erros médicos.
– A sobrecarga de trabalho médico dificulta a adesão consistente a todos os protocolos de segurança.

10.⁠ ⁠Robôs Cirúrgicos e Inteligência Artificial

O palestrante compara a operação de robôs cirúrgicos com o funcionamento de modelos de linguagem grandes (LLMs). Em ambos os casos, há entrada de informações, processamento e decisões/ações resultantes. Os cirurgiões operam robôs através de uma interface similar a um console de videogame, sem tocar diretamente no paciente, apenas observando um monitor e controlando braços robóticos. Este método de operação é análogo a como os LLMs funcionam, processando informações de entrada e determinando ações apropriadas.

– Cirurgiões usam consoles para controlar robôs cirúrgicos com oito braços diferentes.
– O processo envolve observar um monitor, processar informações e mover os braços robóticos em resposta.
– Este processo é análogo ao funcionamento de modelos de linguagem grandes (LLMs), que recebem informação, a processam e decidem como responder.
– Robôs operativos poderiam ser treinados rapidamente (em um fim de semana) se houvesse acesso a todas as gravações de procedimentos.

11.⁠ ⁠Modelos de IA Acessíveis e Open Source
O palestrante menciona o DeepSeek, um modelo de linguagem grande desenvolvido por uma empresa chinesa a um custo muito menor (aproximadamente 7 milhões de dólares) do que os modelos tradicionais que custam milhões para construir. Este modelo é open source, o que significa que empreendedores e empresas de tecnologia podem aplicá-lo a problemas específicos a um custo acessível, algo que não era possível antes deste desenvolvimento.
– Uma empresa chinesa desenvolveu o modelo DeepSeek por uma fração do custo normal (7 milhões de dólares, embora provavelmente tenha custado mais).
– O modelo é open source, tornando-o acessível para empreendedores e empresas de tecnologia.
– Esta acessibilidade permite que mais empresas apliquem IA a problemas específicos a custos viáveis.
12.⁠ ⁠IA no Atendimento Virtual de Saúde
O palestrante discute como modelos de linguagem grandes (LLMs) podem ser aplicados ao atendimento virtual de saúde, incluindo consultas médicas virtuais e gerenciamento de doenças crônicas. Estes modelos podem ouvir conversas e, com o tempo, superar o desempenho médio dos humanos porque podem replicar o desempenho dos melhores profissionais, a um décimo do custo. Um estudo da Universidade do Arizona demonstrou que respostas geradas por IA a perguntas de pacientes foram consideradas quatro vezes mais precisas e oito vezes mais empáticas do que as respostas dos médicos humanos, principalmente porque os médicos estão sobrecarregados e não têm tempo suficiente para explicações detalhadas ou empatia.
– Modelos de linguagem grandes podem ser aplicados a tecnologias de saúde narrativas para atendimento virtual.
– Estes modelos podem superar o desempenho médio humano ao replicar os melhores profissionais, por um décimo do custo.
– Estudo da Universidade do Arizona mostrou que respostas de IA foram 4 vezes mais precisas e 8 vezes mais empáticas que as de médicos.
– Médicos humanos frequentemente não têm tempo suficiente para fornecer informações detalhadas ou demonstrar empatia.

13.⁠ ⁠Riscos e Desafios da IA na Saúde
O palestrante reconhece vários desafios associados à implementação de tecnologias de IA na saúde, incluindo questões de privacidade, segurança e desinformação.

No entanto, argumenta que grandes empresas de tecnologia podem gerenciar melhor a segurança do que médicos individuais, e que as ferramentas de IA são treinadas não apenas em informações médicas, mas também para reconhecer e minimizar vieses e desinformação. Embora existam riscos existenciais de longo prazo, o palestrante acredita que não devemos parar o desenvolvimento porque alguém inevitavelmente usará essa tecnologia, e é melhor que sejam clínicos e hospitais, com foco no benefício dos pacientes.

– Privacidade é uma preocupação com qualquer tecnologia computacional, mas o palestrante questiona se empresas como Google ou ferramentas de IA específicas representam maior risco.
– Grandes empresas de tecnologia provavelmente gerenciam melhor a segurança do que médicos individuais em seus consultórios.
– Modelos de IA podem ser treinados para reconhecer e minimizar vieses e desinformação se solicitados adequadamente.
– Existem riscos existenciais, mas o desenvolvimento da tecnologia é inevitável, portanto é melhor que seja conduzido por profissionais médicos para benefício dos pacientes.

14.⁠ ⁠Impacto Econômico e Transformação do Modelo de Saúde
O palestrante aborda o desafio econômico de implementar IA na saúde: se reduzirmos drasticamente doenças cardíacas e cânceres (30-50%), isso afetará negativamente a receita de médicos e hospitais no modelo de pagamento por serviço. A transição para um modelo de captação (valor fixo per capita) torna-se mais viável com IA, pois permite atender mais pessoas (incluindo os 2-5 milhões de pessoas sem seguro em São Paulo) com menos recursos, focando na prevenção e redução de hospitalizações. O sistema de saúde dos EUA está em crise, com 51% dos americanos incapazes de pagar por cuidados mesmo com seguro, e o governo federal busca reduzir custos, especialmente para populações socioeconomicamente vulneráveis.
– Reduzir doenças em 30-50% afetaria negativamente a receita de médicos e hospitais no modelo de pagamento por serviço.
– Um modelo de captação (pagamento fixo por pessoa) torna a IA mais viável economicamente.
– A tecnologia permite atender 2-5 milhões de pessoas sem seguro em São Paulo por menos dinheiro, focando na prevenção.
– 51% dos americanos não conseguem pagar por seus cuidados de saúde mesmo tendo seguro.
– O governo federal dos EUA busca reduzir custos de saúde, especialmente para populações vulneráveis.

15.⁠ ⁠Três Requisitos para Implementação Bem-sucedida de IA na Saúde

O palestrante apresenta três requisitos fundamentais para implementar com sucesso a IA na saúde. Primeiro, médicos precisam trabalhar em grupos para maximizar o poder dessas ferramentas, criando um “solo fértil clínico”.

Segundo, é necessário mudar o modelo de pagamento, pois pacientes não pagarão por consultas de IA sem entender seus benefícios, a menos que esteja integrado ao cuidado geral.

Terceiro, é essencial ter liderança que ajude a superar o medo, motive a adoção de novas abordagens e facilite a transição com recursos de suporte e sistemas que permitam intervenções oportunas, como no caso de pacientes com insuficiência cardíaca que precisam de atenção imediata quando apresentam sintomas de agravamento.

Sugestões

•⁠ ⁠O Brasil, por ser um país com tecnologia emergente e grandes áreas rurais, pode se beneficiar significativamente da IA Generativa para democratizar o acesso à saúde de qualidade a preços acessíveis.

•⁠ ⁠A IA Generativa oferece não apenas conhecimento, mas expertise, podendo ajudar pacientes com diagnósticos precisos, como demonstrado no exemplo do paciente com lesão no ombro após queda esquiando.

•⁠ ⁠A IA generativa não substitui a experiência do profissional médico, mas eleva a experiência do paciente ao proporcionar maior compreensão sobre seu próprio quadro clínico.

•⁠ ⁠O gerenciamento eficaz das doenças crônicas é apresentado como a principal solução para reduzir significativamente a incidência de condições graves de saúde como ataques cardíacos e AVCs.

•⁠ ⁠A IA generativa é apresentada como a ferramenta capaz de promover as mudanças sistêmicas necessárias que não foram alcançadas anteriormente.

•⁠ ⁠O monitoramento contínuo com análise por IA generativa pode transformar o tratamento de doenças crônicas, substituindo verificações trimestrais por ajustes baseados em dados em tempo real.

•⁠ ⁠A IA generativa pode reduzir significativamente erros de diagnóstico e melhorar a tomada de decisão tanto para pacientes quanto para médicos, potencialmente salvando centenas de milhares de vidas.

•⁠ ⁠É necessário ajustar a carga de trabalho dos médicos para que tenham tempo suficiente para realizar diagnósticos adequados e reduzir erros.

•⁠ ⁠Utilizar tecnologia de IA para coordenar informações de diferentes especialistas e evitar conflitos de tratamento e erros médicos.

•⁠ ⁠Implementar tecnologia que assegure a conformidade com protocolos de segurança para compensar a carga de trabalho dos profissionais médicos.

Seja Membro✨HIHUB.TECH🌎Health Innovation♾️Leaders🧬

https://hihub.in/HIHUBTECH