Numa clínica básica de um povoado do semiárido sergipano, a cena mais avançada da medicina brasileira recente não tinha jaleco de pesquisador nem aparelho importado de meio milhão de reais. Tinha uma câmera portátil, uma técnica de saúde treinada para usá-la, e a retina de uma pessoa diabética sendo fotografada a poucos quilômetros de casa. A imagem ia para um sistema de inteligência artificial que ajudava a decidir uma única coisa: quem precisava de um oftalmologista com urgência.

Pode parecer pouco, mas, para quem vive longe de um especialista, é quase um bilhete premiado. Sergipe tem 2,3 milhões de habitantes e quase nenhum cuidado especializado para a retina fora da capital, Aracaju. Nos cinco anos anteriores ao estudo, o sistema local realizava, em média, 126 tratamentos a laser por ano para conter a retinopatia diabética, que é a principal causa de cegueira evitável em adultos. A necessidade era muito maior do que essa capacidade de resposta.

Entre o fim de 2021 e o começo de 2022, um grupo liderado pelo pesquisador Fernando Malerbi levou esse arranjo a quatro povoados rurais. Mais de mil pessoas que dificilmente veriam um oftalmologista tiveram a retina examinada perto de casa. A checagem posterior dos especialistas confirmou que a triagem por IA não deixou passar nenhum caso de risco para a visão. O trabalho foi publicado no Boletim da Organização Mundial da Saúde em 2022.

Repare no que a máquina pôde fazer e no que continuou fora do alcance dela. A IA ajudou a dizer, a partir da foto da retina, quem precisava ser visto com urgência. Mas ela não levou a câmera até o povoado, não organizou a sala, não convenceu ninguém a comparecer, não fez o encaminhamento virar consulta. A parte automática do cuidado funcionou. A parte mais difícil continuou humana: fazer o resultado atravessar a distância entre o sistema de saúde e a vida das pessoas. A IA era parte da solução. E, ao funcionar, mostrou com mais nitidez a parte do cuidado que ainda depende de gente.

Esse desenho se repete sempre que há falta de especialistas. A própria OMS recomenda a leitura de raio-X de tórax por IA como triagem de tuberculose nos lugares onde não há radiologistas. A inteligência artificial funciona bem quando recebe uma imagem clara, uma pergunta bem definida e uma rede pronta para agir em seguida. Isso não dá manchete de ficção científica, mas pode antecipar a triagem de quem enfrentava meses ou anos de espera.

Mas há outro lado nessa história. Uma equipe do Google Health levou a onze clínicas tailandesas um algoritmo de retina que tinha ido muito bem nos testes. No atendimento real, a luz era ruim, a internet lenta e a fila de pacientes enorme. Quase uma em cada cinco imagens foi recusada por baixa qualidade. As enfermeiras, que deveriam ser apoiadas, eram pressionadas por resultados enquanto tentavam resolver o travamento dos envios. Para além de saber se a IA acerta o diagnóstico, ela precisa caber na vida real do sistema de saúde.

É aqui que a conversa fica interessante. Quando a máquina aprende a ler a retina, o trabalho humano muda de lugar. Passa a morar na foto bem feita, na sala organizada, na pessoa que volta para buscar o resultado, no médico que confirma o risco e decide a conduta, no sistema que não deixa o encaminhamento ficar só no papel. A IA pode apontar quem precisa de urgência, mas são as pessoas que fazem essa urgência andar dentro do sistema. É nesse caminho, entre a imagem correta e o cuidado concreto, que a tecnologia deixa de ser promessa e começa a virar saúde.

Esta é a primeira coluna de um arco sobre profissionais de saúde ampliados que não entregam o que têm de mais humano. Se você é da área, ou conhece quem seja, e quer sugerir uma história para os próximos sábados, me conta no LinkedIn. 

Para trabalhar melhor com IA

Antes de pedir que uma IA resolva um problema do seu trabalho, tente separar duas coisas. O que depende de reconhecer padrões, organizar informações, comparar dados ou produzir uma primeira resposta? E o que depende de vínculo, confiança, contexto, julgamento e acompanhamento? A IA costuma ajudar muito na primeira parte. O risco é esquecer que, muitas vezes, o resultado só muda alguma coisa quando alguém faz a segunda acontecer.

Para experimentar, leve este pedido à sua IA de preferência:

"Vou te descrever um problema do meu trabalho. Antes de sugerir soluções, me ajude a separar duas partes: o que pode melhorar com leitura, organização ou processamento de informações; e o que depende de vínculo, contexto, confiança, julgamento humano ou acompanhamento. Depois, me diga onde parece estar o verdadeiro gargalo. Não me elogie."