Agentes de IA: o que os líderes da saúde precisam entender sobre a tecnologia

Por Leonardo Vedolin

O crescimento da força de trabalho digital, ou seja, das tecnologias que automatizam tarefas, tem um novo protagonista: os Agentes de Inteligência Artificial (AIA). Projetados para otimizar tarefas e apoiar a tomada de decisões, a utilização desses assistentes digitais cresce exponencialmente. Segundo relatório da McKinsey publicado em abril deste ano, o mercado global de AIA deve ultrapassar US$ 50 bilhões até 2030 — um salto de 40 vezes em relação ao volume investido no primeiro trimestre de 2025.

Esse forte apetite da indústria reforça a expectativa de que essa tecnologia emergente transformará profundamente diferentes setores da economia, com impacto especialmente expressivo na área da saúde – desde a reformulação de processos administrativos até o aprimoramento direto do cuidado do paciente e do time assistencial.

Um AIA é um programa de software capaz de interagir com seu ambiente, coletar dados, processar informações e tomar decisões, muitas vezes, sem a necessidade de intervenção humana direta. Diferente de um chatbot tradicional, que apenas responde a perguntas, os AIAs vão além, aprendendo com estímulos externos para atingir objetivos específicos. Assim, a tecnologia refina seu comportamento com base em experiências e feedback do usuário – ou do paciente.

Embora o setor de saúde ainda esteja nos estágios iniciais de adoção, a tendência é evidente e o potencial transformador da tecnologia é imenso. Para a saúde, alguns exemplos que materializam os benefícios, de acordo com o tipo de AIA são:

1. Agentes reflexivos simples: reagem diretamente a estímulos do ambiente com base em regras predefinidas. Um exemplo é um sistema de alerta que dispara um alarme quando os sinais vitais de um paciente, como a saturação de oxigênio, caem abaixo de um limite crítico.
2. Agentes reflexivos baseados em modelo: têm um “modelo interno” do ambiente, que é atualizado com as novas informações recebidas – e isso permite decisões mais sofisticadas. Podem, por exemplo, identificar quedas na saturação de oxigênio, levando em conta o histórico do paciente e interações medicamentosas. Assim, emitem alertas mais precisos ou ajustam protocolos de forma proativa.
3. Agentes baseados em objetivos: avaliam diferentes possibilidades com base em objetivos a serem alcançados. No tratamento oncológico, o agente pode buscar reduzir o volume tumoral enquanto preserva a qualidade de vida do paciente. Ele ajusta quimioterapia, radioterapia e cirurgia conforme dados como tipo histológico do câncer, perfil genético, estágio da doença e histórico clínico.
4. Agentes baseados em utilidade: usados em decisões complexas com múltiplos critérios. Na gestão de leitos hospitalares, avaliam variáveis como gravidade, prognóstico e tempo de espera para maximizar benefícios ou minimizar riscos.
5. Agentes com capacidade de aprendizado: aprendem com a experiência e ajustam seu comportamento para melhorar a performance. Como exemplo, cito um sistema de diagnóstico por imagem para doenças cerebrais que, inicialmente, tem precisão limitada. À medida que novos dados de treinamento (imagens com diagnósticos confirmados) são incorporados, o sistema se torna mais preciso, refinando suas habilidades diagnósticas.

Na melhoria do cuidado, os agentes também auxiliam na identificação de condições e doenças ao analisar dados como resultados de laboratório, exames digitais, histórico e literatura médica. Também podem gerar recomendações de tratamento personalizadas e adaptar planos de tratamento com base nas necessidades do paciente, pesquisas recentes e diretrizes clínicas, sempre para revisão e aprovação do médico.

A análise preditiva é outra capacidade transformadora das AIA, calculando riscos de doenças e resultados de pacientes, considerando fatores como idade, gênero, geografia, estilo de vida, histórico de saúde e genômica. Ao se conectarem aos wearables (smartwatches, monitores cardíacos), permitem o monitoramento em tempo real da saúde do paciente, alertando médicos apenas quando intervenções são necessárias e filtrando grandes volumes de dados para fornecer apenas informações relevantes.

Outro impacto significativo dos AIAs é o alívio da sobrecarga administrativa e do burnout médico, com o excesso de tarefas burocráticas. Ao funcionarem de maneira integrada aos sistemas de prontuário eletrônico, automatizam atividades repetitivas como o preenchimento de formulários, a atualização de registros e a codificação de procedimentos para fins de reembolso. Com isso, os profissionais ganham mais tempo para se dedicar à interação com os pacientes e à tomada de decisões clínicas complexas. O Hospital Comunitário St. John’s Health, de Los Angeles, nos Estados Unidos, é um exemplo de instituição de saúde que utiliza AIA para registrar automaticamente as notas pós-consulta, permitindo que os médicos foquem no atendimento ao paciente.

Riscos potenciais

Apesar do entusiasmo, a adoção de agentes de IA envolve potenciais riscos. Violações de privacidade e segurança de dados, com implicações legais, como a LGPD; viés algorítmico que pode reforçar discriminações; deepfakes ou ciberataques e perda de controle humano em sistemas autônomos, são alguns deles. Por isso, os investimentos são altos: a implementação requer infraestrutura tecnológica robusta, integração com sistemas, governança de dados eficaz.

Nesse cenário complexo e promissor, o papel do líder executivo será não apenas compreender a tecnologia, mas também liderar seu uso de forma estratégica, segura e ética. A transformação é inevitável, e a capacidade de inovar e integrar essas tecnologias definirá o sucesso no futuro do cuidado à saúde.

*Leonardo Vedolin é Vice-presidente Médico da Dasa.