EXPLORING CLINICIANS PERSPECTIVES TOWARDS AI-RADIOLOGY & ITS CLINICAL ADOPTION: A QUALITATIVE STUDY FROM PAKISTAN

Este estudo qualitativo realizado em Karachi, Paquistão, explora as perspectivas de 13 clínicos sobre a adoção da radiologia com IA, revelando um otimismo realista que vê a tecnologia como uma ferramenta de apoio valiosa para otimizar fluxos de trabalho e triagem, mas que enfrenta barreiras significativas relacionadas à infraestrutura, privacidade de dados e resistência geracional, exigindo políticas nacionais robustas e treinamento adequado para uma implementação segura e eficaz.

O essencial

Imagine que a medicina, especialmente a radiologia (onde os médicos olham para raios-X, tomografias e ressonâncias), está prestes a receber um novo colega de trabalho: a Inteligência Artificial (IA). Mas, em vez de uma festa de boas-vindas, os médicos de Karachi, no Paquistão, estão olhando para esse novo colega com uma mistura de esperança cautelosa.

Este estudo é como uma "conversa de café" com 13 desses médicos para entender o que eles realmente pensam sobre essa tecnologia. Aqui está o resumo da história, traduzido para uma linguagem simples:

1. O Cenário: Um Novo Assistente, Não um Chefe

Os médicos veem a IA não como um substituto que vai roubar seus empregos, mas como um assistente de laboratório superinteligente.

• A Analogia: Pense na IA como um GPS para o carro do médico. O GPS pode mostrar o caminho mais rápido, alertar sobre buracos e sugerir rotas alternativas. Mas, no final das contas, quem segura o volante, toma a decisão de desviar de um pedestre e assume a responsabilidade se algo der errado é o motorista (o médico).
• O Consenso: "A IA pode nos ajudar a não perder detalhes, mas o julgamento final e a responsabilidade pelo paciente continuam sendo nossos."

2. Os Pontos Positivos: O "Superpoder" de Economia de Tempo

Os médicos estão animados com o que a IA pode fazer por eles:

• O Filtro Mágico: Imagine ter um filtro que separa 100 exames de raio-X e diz: "Olhe primeiro nestes 5, eles parecem urgentes". Isso ajuda a triagem (priorização) e evita que pacientes graves fiquem esperando.
• O Olho que Não Pisca: Quando um médico está cansado após 12 horas de trabalho, a IA pode funcionar como um "segundo par de olhos" para garantir que nada passou despercebido, como uma fratura pequena ou um tumor inicial.
• Acesso Remoto: Em áreas onde não há especialistas, a IA poderia ajudar médicos generalistas a fazerem diagnósticos mais precisos, como se eles tivessem um especialista virtual ao lado.

3. Os Medos e Obstáculos: O "Calcanhar de Aquiles"

Apesar da utilidade, há grandes barreiras que impedem a adoção imediata, especialmente em países com recursos limitados (como o Paquistão):

• O Medo do "Alucinação": Assim como uma IA generativa às vezes inventa fatos, os médicos temem que a IA de radiologia possa "alucinar" e ver doenças que não existem ou ignorar as que existem.
• A Privacidade dos Dados: Existe um medo real de que os dados dos pacientes (imagens e históricos) vazem ou sejam roubados. É como deixar suas fotos mais íntimas em uma nuvem que você não confia totalmente.
• A Falta de Infraestrutura: De nada adianta ter um carro de Fórmula 1 se a estrada é de terra batida e cheia de buracos. Muitos hospitais não têm internet rápida, computadores potentes ou sistemas integrados para rodar essas IAs.
• A Falta de Treinamento: Os médicos dizem: "Se nos derem esse novo software amanhã, ninguém sabe como usá-lo!". Faltam cursos e treinamentos práticos.

4. O Que é Preciso para Dar Certo? (O Plano de Ação)

Para que a IA funcione de verdade e não vire apenas um brinquedo caro, os médicos sugerem três pilares:

1. Regras Claras (Governança): O governo e os hospitais precisam criar regras sobre quem é responsável se a IA errar. É preciso ter um "selo de aprovação" local para garantir que a IA funciona bem na realidade do Paquistão, e não apenas em laboratórios da Europa ou EUA.
2. Escola e Treinamento: A IA precisa entrar na faculdade de medicina. Os futuros médicos precisam aprender a usar a IA, assim como aprendem a usar um estetoscópio.
3. Confiança Gradual: Não é para substituir o médico, mas para aumentar a capacidade dele. É uma parceria onde a máquina faz o trabalho pesado de contagem e triagem, e o humano faz o trabalho de julgamento e cuidado.

Resumo Final

Em suma, os médicos de Karachi estão dizendo: "Sim, queremos essa tecnologia, mas com os pés no chão."

Eles acreditam que a IA pode ser um herói para salvar vidas e reduzir o cansaço dos médicos, mas só se houver confiança, treinamento e segurança. A tecnologia não veio para substituir o médico, mas para ser o melhor amigo dele, desde que esse amigo seja bem treinado e supervisionado.

Resumo técnico

Resumo Técnico: Perspectivas de Clínicos sobre Radiologia com IA e sua Adoção Clínica no Paquistão

Título Original: Exploring Clinicians' Perspectives Towards AI-Radiology & Its Clinical Adoption: A Qualitative Study from Pakistan

1. Problema de Pesquisa e Contexto

A Inteligência Artificial (IA) está a transformar a radiologia diagnóstica globalmente, com ferramentas de reconhecimento de padrões e segmentação de imagens. No entanto, existe uma lacuna significativa de evidências sobre a adoção e a aceitação da IA em Países de Baixa e Média Renda (LMICs), como o Paquistão.

• O Desafio: Embora existam iniciativas globais, a taxa de adoção no Paquistão é baixa e desigual. A literatura atual foca excessivamente no desempenho técnico e em contextos de países de alta renda, negligenciando as atitudes, crenças e expectativas dos clínicos locais.
• A Necessidade: Sem compreender as perspetivas dos clínicos, a implementação da IA pode resultar em baixa adesão, utilização inadequada e distribuição ineficiente de recursos, comprometendo os objetivos do sistema de saúde.
• Objetivo: Investigar as consciências, visões e atitudes dos clínicos e radiologistas em Karachi (a maior cidade do Paquistão) face à radiologia assistida por IA e à sua introdução na prática clínica.

2. Metodologia

O estudo utilizou uma abordagem qualitativa descritiva e exploratória, fundamentada no paradigma construtivista.

• Design e Enquadramento Teórico:
  • Modelo de Aceitação de Tecnologia (TAM): Utilizado como ferramenta analítica principal para estruturar a análise de dados, focando em "Utilidade Percebida" e "Facilidade de Uso Percebida".
  • Adaptação Iterativa Orientada por Problemas (PDIA): Utilizado para informar a fase de aplicação e traçar caminhos para políticas e sistemas.
• Participantes e Amostra:
  • Amostra: 13 clínicos e radiologistas de hospitais terciários (públicos, privados e militares) em Karachi.
  • Critérios: Especialistas em Medicina, Cirurgia, Ginecologia, Radiologia e Pediatria.
  • Recrutamento: Amostragem intencional (purposive sampling) através de fóruns profissionais e redes médicas.
• Coleta de Dados:
  • Entrevistas semiestruturadas (duração média de 30 minutos) realizadas entre maio e agosto de 2025.
  • As entrevistas foram gravadas, transcritas e analisadas utilizando o software NVivo 14.
• Análise de Dados:
  • Análise de conteúdo dedutiva baseada nos construtos do TAM.
  • Triangulação de dados (fontes, teórica e de investigadores) para garantir rigor, credibilidade e confiabilidade.
  • Uso da lista de verificação COREQ para relatar a qualidade da pesquisa qualitativa.

3. Principais Contribuições e Resultados

A análise temática revelou quatro temas principais que definem o estado atual da adoção da IA na radiologia em Karachi:

A. Atitudes face à Implementação (Otimismo Realista)

• Visão Central: Os clínicos veem a IA como um assistente e um "segundo leitor", e não como um substituto do radiologista.
• Responsabilidade: Existe um consenso firme de que o julgamento clínico e a responsabilidade legal não podem ser delegados à IA.
• Preocupações: Medos significativos sobre privacidade de dados, cibersegurança e a confiança do paciente na tecnologia.

B. Facilidade de Uso Percebida (Barreiras vs. Facilitadores)

• Facilitadores: Redução da carga de trabalho, economia de tempo, aceleração do triagem e suporte em exames de massa.
• Barreiras Críticas:
  • Infraestrutura: Falta de conectividade de internet e infraestrutura tecnológica inadequada.
  • Capacitação: Ausência de programas de formação estruturada e resistência geracional/cultural.
  • Confiança: Desconfiança na fiabilidade dos algoritmos e na qualidade dos dados de entrada.

C. Utilidade Percebida da IA na Radiologia

• Aplicações Ideais: Os participantes identificaram maior utilidade em cenários específicos: triagem rápida, medições quantitativas, relatórios em áreas remotas e suporte à decisão para residentes/estagiários.
• Limitações Percebidas:
  • Incapacidade de substituir o raciocínio clínico contextual.
  • Risco de "alucinações" (informações fabricadas) e erros de algoritmo.
  • Dependência excessiva da qualidade dos dados e generalizabilidade limitada dos modelos treinados em contextos de alta renda.

D. Recomendações e Práticas de Política

• Pré-requisitos para Adoção:
  • Educação: Integração da literacia em IA nos currículos médicos e programas de formação contínua.
  • Validação: Necessidade de programas de validação e aprovação local antes da implementação clínica.
  • Governança: Criação de diretrizes éticas nacionais, políticas de proteção de dados e comitês de ética.
  • Integração: Compatibilidade suave com os Sistemas de Informação Radiológica (RIS) existentes.

4. Significado e Implicações

• Para Políticas Públicas: O estudo fornece evidências locais para orientar estratégias nacionais de saúde digital no Paquistão. Sublinha a necessidade de regulamentação rigorosa, certificação de ferramentas de IA e investimento em infraestrutura digital.
• Para a Prática Clínica: A adoção da IA deve ser vista como uma evolução colaborativa ("humano + máquina") e não como uma substituição. A confiança só será construída através de transparência, validação local e educação.
• Para Países em Desenvolvimento (LMICs): O estudo serve como um modelo para entender como contextos com recursos mistos podem integrar tecnologias avançadas, destacando que a tecnologia por si só não é a solução; é necessária uma estratégia multidimensional que inclua capacitação humana e governança ética.

Conclusão do Estudo:
Os clínicos em Karachi reconhecem o potencial da IA para melhorar a eficiência e a precisão diagnóstica, mas a sua implementação está condicionada à superação de barreiras estruturais, de confiança e educacionais. O futuro da radiologia com IA no Paquistão depende de uma abordagem equilibrada que priorize a segurança do paciente, a privacidade de dados e o fortalecimento da capacidade clínica humana.