Professor titular da Faculdade de Saúde Pública da Universidade de São Paulo (USP), Alexandre Chiavegatto Filho pesquisa as aplicações da inteligência artificial (IA), da ciência de dados e da epidemiologia na saúde. Em entrevista à Radis, concedida diretamente da China, durante um intervalo de sua participação no congresso sobre IA e saúde “Global Initiative on AI for Health da OMS”, em 18 de setembro, ele fala sobre as pesquisas desenvolvidas na USP, os desafios de adaptar algoritmos a diferentes populações e o potencial de Brasil e China se tornarem referências mundiais na área.
Doutor em Saúde Pública pela USP, com pós-doutorado em Harvard, Alexandre é chefe do Departamento de Epidemiologia da Faculdade de Saúde Pública, diretor do Laboratório de Big Data e Análise Preditiva em Saúde (LABDAPS/USP) e editor-chefe da Revista de Saúde Pública, desde 2023. Também integra uma iniciativa da Organização Mundial da Saúde (OMS) voltada à inteligência artificial em saúde.
O senhor está na China participando de discussões sobre IA e saúde. Quais experiências brasileiras compartilhou no evento?
Tenho apresentado as pesquisas que desenvolvemos no Laboratório de Big Data e Análise Preditiva da USP, principalmente o desafio de fazer a IA funcionar fora dos grandes centros e em populações muito diferentes daquelas em que foi originalmente desenvolvida. Um algoritmo da saúde só é realmente bom quando consegue viajar.
O senhor afirma que Brasil e China podem se tornar referências mundiais em IA na saúde. O que os dois países têm para avançar nessa direção e o que ainda falta?
O Brasil e a China têm uma enorme escala, além de diversidade populacional e sistemas de saúde capazes de gerar impacto global. Se conseguirmos transformar essa diversidade em dados de qualidade, com validação, podemos ensinar ao mundo como fazer a IA funcionar no mundo real.
Quais pesquisas o senhor desenvolve atualmente? O que elas revelam sobre o uso da IA no SUS?
No nosso laboratório, trabalhamos em diversas áreas da IA na saúde, como o desenvolvimento de algoritmos preditivos de desfechos clínicos, a transferência de algoritmos entre hospitais e países, a calibração e a equidade. Uma das principais lições é que um algoritmo excelente em um hospital pode ser medíocre no hospital do outro lado da rua.
A inteligência artificial pode trazer ganhos concretos para a gestão e o cuidado em saúde? Quais são as aplicações mais promissoras?
Pode, principalmente quando consegue identificar precocemente quem tem maior risco e ajudar os profissionais de saúde a agir no momento certo. Em saúde, muitas vezes o maior ganho da IA não está em fazer algo espetacular, mas em evitar que algo previsível aconteça.
“Se uma população não aparece nos dados, corre o risco de também não aparecer nos benefícios da IA”
Quais dados alimentam esses sistemas? Quando eles não representam adequadamente a população, quem corre o risco de ficar de fora dos benefícios da tecnologia?
Nossos algoritmos usam dados de prontuários, exames, histórico clínicos, informações demográficas e bases administrativas. Se uma população não aparece nos dados, corre o risco de também não aparecer nos benefícios da IA, principalmente nas regiões mais remotas do Brasil.
“A IA no SUS precisa diminuir distâncias na atenção, não digitalizar desigualdades”
Como evitar que a IA reproduza ou amplie desigualdades na saúde? Que cuidados devem orientar seu uso no SUS?
É necessário medir o desempenho e a equidade dos algoritmos em diferentes regiões e grupos vulneráveis da sociedade antes de colocar qualquer sistema em prática. A IA no SUS precisa diminuir distâncias na atenção, não digitalizar desigualdades. (J.X)
