🧠 neurology

Exploring Attitudes and Acceptance of Artificial Intelligence in Multiple Sclerosis from the Patient Perspective

Uma pesquisa com 241 pessoas com esclerose múltipla revela que a aceitação da inteligência artificial na saúde é moderada e dependente de contexto, com os pacientes sentindo-se mais confortáveis em usar a IA para tarefas de suporte e baixo risco, como a triagem de sintomas, enquanto preferem fortemente a tomada de decisão liderada por clínicos para diagnóstico e tratamento, uma postura impulsionada mais pela familiaridade prévia com a IA do que pela gravidade da doença.

Autores originais: Inojosa, H., Masanneck, L., Voigt, I., Schriefer, D., von Horsten, N., Wenk, J., Gasparovic-Curtini, I., Haase, R., Meuth, S., Huttner, H. B., Gilbert, S., Pawlitzki, M., Ziemssen, T.

Publicado 2026-01-30

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Inojosa, H., Masanneck, L., Voigt, I., Schriefer, D., von Horsten, N., Wenk, J., Gasparovic-Curtini, I., Haase, R., Meuth, S., Huttner, H. B., Gilbert, S., Pawlitzki, M., Ziemssen, T.

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo

Imagine que você está vivendo com uma condição crônica como a Esclerose Múltipla (EM). Você tem uma equipe de médicos que ajuda a gerenciar sua saúde. Agora, imagine que um novo e muito inteligente assistente digital (Inteligência Artificial, ou IA) está sendo introduzido para ajudar essa equipe. A grande questão não é apenas "A IA consegue fazer a conta?", mas sim "Você, o paciente, sente-se confortável em deixar este assistente digital entrar no seu cuidado?".

Este estudo perguntou exatamente isso a 241 pessoas com EM na Alemanha. Aqui está o que eles descobriram, explicado de forma simples:

1. A "Escada da Responsabilidade"

Pense nas tarefas médicas como degraus de uma escada. Quanto mais alto você sobe, mais perigoso parece se você cometer um erro.

Os Degraus Inferiores (Zona Segura): As pessoas sentiram-se muito confortáveis com a IA ajudando em tarefas de "baixo risco". Elas gostaram da ideia de a IA atuar como um bibliotecário digital ou um organizador de agenda. Por exemplo, usar a IA para monitorar sintomas ao longo do tempo ou para rastrear potenciais problemas foi popular. Cerca de metade das pessoas sentiu-se à vontade com isso.
Os Degraus Superiores (Zona de Alto Risco): À medida que as tarefas se tornavam mais sérias, o nível de conforto caía. Quando a IA era descrita como aquela que toma a decisão final sobre diagnosticar a doença ou escolher o tratamento, as pessoas ficavam nervosas. Apenas cerca de 35–38% sentiram-se confortáveis com a IA assumindo a liderança ali.

A Conclusão: Os pacientes veem a IA como um ajudante útil, não como o capitão. Eles querem que a IA colete dados e ofereça sugestões, mas querem que um médico humano segure o volante e tome a decisão final. Na verdade, quase 80% disseram que, mesmo que a IA fosse tão precisa quanto um humano, eles ainda queriam que o médico tivesse a palavra final.

2. O "Fator Familiaridade"

O estudo analisou o que faz uma pessoa dizer "Sim, eu confio nisso" ou "Não, eu não confio".

Não é sobre o quão doente você está: Você pode pensar que alguém com EM grave estaria mais desesperado por ajuda e, portanto, mais aberto à IA. Mas o estudo descobriu que não há ligação entre o nível de incapacidade de uma pessoa e sua disposição para usar a IA.
É sobre como você usa a tecnologia no dia a dia: O preditor mais forte de aceitação foi simplesmente o quanto uma pessoa usa IA em sua vida normal. Se você usa ferramentas de IA (como chatbots ou recomendações inteligentes) pelo menos uma vez por semana para coisas não médicas, é muito mais provável que você confie na IA no consultório médico.
- Analogia: É como dirigir um carro. Se você já se sente confortável usando um recurso de estacionamento automático no seu próprio carro, é mais provável que confie em um táxi autônomo. Se você nunca usou esse recurso, pode ficar com medo de entrar.

3. A "Reviravolta da Geografia e da Idade"

A localização importa: Pessoas que vivem no oeste da Alemanha foram, em geral, mais abertas à IA do que aquelas no leste da Alemanha. Os autores sugerem que isso pode ser devido a diferenças na infraestrutura digital ou na confiança local na tecnologia, semelhante ao fato de alguns bairros terem internet mais rápida ou mais lojas de tecnologia do que outros.
A idade importa: Participantes mais velhos sentiram-se menos confortáveis com a IA ajudando a gerenciar sua condição crônica. Isso não é porque eles são "ruins com computadores", mas provavelmente porque se preocupam em perder a conexão humana pessoal ou em cometer erros operacionais.

4. O Panorama Geral

O estudo conclui que introduzir a IA na saúde não é apenas um problema técnico (fazer o código funcionar); é um problema de confiança.

Não force: Você não pode simplesmente apertar um interruptor e esperar que todos aceitem a IA para tudo de uma vez.
Comece pequeno: A melhor estratégia é começar com os "degraus inferiores" da escada — usando a IA para agendamento, monitoramento e triagem. Isso constrói familiaridade.
Mantenha o humano no controle: As pessoas querem saber que um humano ainda é o responsável. Elas querem que a IA seja uma ferramenta que ajude o médico, não um substituto para o médico.

Em resumo: Pessoas com EM estão abertas à IA, mas apenas se ela parecer um assistente útil trabalhando com seu médico, e não um robô assumindo o controle. Quanto mais familiarizadas estiverem com a IA em suas vidas diárias, mais propensas estarão a acolhê-la em seus cuidados médicos.

Resumo Técnico: Explorando Atitudes e Aceitação de Inteligência Artificial na Esclerose Múltipla sob a Perspectiva do Paciente

Problema
A inteligência artificial (IA) está sendo cada vez mais integrada aos fluxos de trabalho de cuidados de saúde, particularmente para condições crônicas intensivas em dados, como a Esclerose Múltipla (EM), que dependem de monitoramento longitudinal e tomada de decisão compartilhada. Embora a EM sirva como um paradigma para o cuidado baseado em dados, a tradução clínica da IA depende criticamente da aceitação e da confiança do paciente. A literatura existente sugere que a aceitação é heterogênea, moldada pelo contexto sociodemográfico, familiaridade tecnológica e risco percebido. No entanto, dados empíricos descrevendo como pessoas com EM (pwMS) percebem a IA em distintos casos de uso clínico — variando desde o suporte administrativo até decisões diagnósticas de alto risco — permanecem escassos. Este estudo aborda a lacuna na compreensão das atitudes específicas, níveis de conforto e preditores de aceitação entre pwMS na Alemanha.

Metodologia
Os autores realizaram um questionário transversal baseado na web entre dezembro de 2024 e abril de 2025.

Participantes: 241 adultos (≥18 anos) com autodeclaração de EM de qualquer subtipo foram recrutados via canais digitais (sites de centros, redes sociais, newsletters) e consultas ambulatoriais de rotina em dois centros acadêmicos de EM na Alemanha (Dresden e Düsseldorf).
Instrumento: Um questionário autoaplicável dedicado foi desenvolvido, fundamentado no Modelo de Aceitação de Tecnologia (TAM) e em instrumentos anteriores específicos para EM. Ele avaliou quatro domínios:
1. Características dos participantes (demografia, curso da doença, incapacidade autorrelatada via Passos de Doença Determinados pelo Paciente [PDDS]).
2. Acesso à tecnologia e frequência de uso.
3. Letramento em IA e exposição (conhecimento autodeterminado, frequência de uso de IA geral e relacionada à saúde).
4. Atitudes e preferências em relação à IA no cuidado da EM em oito domínios clínicos predefinidos.
Análise Estatística:
- Um escore de "composto de atitudes de IA" foi derivado dos resultados de preferência, demonstrando alta consistência interna (Alfa de Cronbach = 0,90).
- As associações foram testadas usando correlação de postos de Spearman, testes de Mann-Whitney U e Cochran's Q para diferenças entre domínios.
- A regressão linear multivariável foi utilizada para identificar preditores independentes do escore de aceitação composto.
- Modelos de proporção de ordenadas multivariáveis (logística ordinal) foram empregados para analisar preditores para domínios clínicos individuais.
- Os resultados da escala Likert foram agrupados em três níveis (negativo, neutro, positivo) para estabilizar as estimativas.

Principais Resultados

Aceitação Geral: A aceitação foi moderada no geral (média de 3,39 ± 0,78 em uma escala de 5 pontos).
Gradiente de Responsabilidade: Os níveis de conforto variaram significativamente por domínio clínico ( $P < 0,001$ ). Os participantes sentiram-se mais confortáveis com aplicações de suporte e menor risco: gestão crônica (54,4%) e triagem de sintomas (50,2%). A aceitação caiu significativamente para decisões de alto risco: seleção de tratamento (38,6%) e diagnóstico (35,3%).
Preferências de Tomada de Decisão: Ao assumir igual precisão diagnóstica, 78,8% dos participantes preferiram a tomada de decisão conjunta entre IA e clínico, com o clínico retendo a responsabilidade final. Apenas 0,8% preferiram a IA como a decisora final.
Preditores de Aceitação:
- Uso Frequente de IA Geral: O preditor independente mais forte de aceitação (B=0,58, $P < 0,001$ ). Participantes que utilizam IA geral pelo menos semanalmente apresentaram maior aceitação.
- Região: A residência no oeste da Alemanha foi associada a uma maior aceitação em comparação ao leste da Alemanha ( $P = 0,025$ ).
- Idade: A idade mais avançada foi associada a uma menor aceitação do gerenciamento crônico apoiado por IA.
- Fatores Clínicos: Contrariamente a algumas hipóteses, a incapacidade clínica (PDDS) e a duração da doença não foram significativamente associadas à aceitação em modelos multivariáveis.
Demografia: Maior aceitação foi observada em homens, participantes mais jovens e naqueles com maior conhecimento de IA em análises não ajustadas, embora apenas o uso de IA geral e a região tenham permanecido significativos em modelos ajustados.

Significância e Alegações
O artigo postula que a integração bem-sucedida da IA no cuidado da EM é primariamente um desafio sociotécnico, e não puramente técnico. Os autores afirmam que:

A Aceitação é Dependente de Contexto: O conforto do paciente não é uma postura binária de "aceitar/rejeitar", mas segue um "gradiente de responsabilidade", onde a confiança é maior para ferramentas logísticas/de suporte e menor para a tomada de decisão clínica autônoma.
A Familiaridade Impulsiona a Adoção: A aceitação está mais fortemente ligada à familiaridade prévia com a IA (exposição experiencial) do que à gravidade da doença ou níveis de incapacidade. Isso sugere que a relutância pode advir da incerteza sobre a governança e as capacidades da IA, em vez de uma falta de interesse ou competência.
Estratégia de Implementação: Os achados argumentam contra um lançamento de "tamanho único". Os autores defendem uma estratégia de implementação em etapas que comece com casos de uso de baixo risco e alta aceitação (ex: monitoramento, triagem, suporte administrativo) para construir familiaridade e confiança.
Design com Humano no Circuito (Human-in-the-Loop): Dada a forte preferência pela responsabilidade final do clínico, as ferramentas de IA devem ser projetadas como sistemas de "humano no circuito" que aumentam, em vez de substituir, o julgamento clínico, com estruturas explícitas de responsabilidade.

O estudo conclui que, embora a validação técnica seja necessária, a prioridade deve mudar para o design de fluxos de trabalho transparentes e estratégias educacionais que cultivem a confiança digital, particularmente entre pacientes mais velhos e em regiões com menor aceitação basal.

1. A "Escada da Responsabilidade"

2. O "Fator Familiaridade"

3. A "Reviravolta da Geografia e da Idade"

4. O Panorama Geral

Mais como este