Public attitudes toward sharing health data for artificial intelligence: Differences by data type and sector in the Health in Central Denmark cohort

Um estudo com 38.740 participantes na Dinamarca revelou que a disposição do público para compartilhar dados de saúde com IA varia conforme o tipo de dado e o setor (público ou privado), sendo maior para imagens médicas e instituições públicas, embora um alto nível de incerteza persista em todas as categorias.

O essencial

Imagine que a nossa saúde é como um grande cofre de segredos. Dentro dele, guardamos desde receitas médicas e fotos de exames (como raios-X) até gravações das nossas conversas com o médico e até mesmo o nosso código genético (o nosso "manual de instruções" biológico).

Hoje em dia, a Inteligência Artificial (IA) quer entrar nesse cofre para aprender, tentar diagnosticar doenças mais rápido e ajudar a criar tratamentos melhores. Mas, para a IA aprender, ela precisa que as pessoas abram a porta desse cofre e deixem ela olhar os segredos.

Este estudo, feito na Dinamarca com quase 40.000 pessoas, é como uma enquete gigante perguntando: "Você deixaria a IA olhar dentro do seu cofre?"

Aqui está o que eles descobriram, explicado de forma simples:

1. O que as pessoas mais aceitam abrir? (Os "Segredos" mais fáceis)

As pessoas estão mais dispostas a deixar a IA ver imagens médicas (como raios-X e ressonâncias).

• A analogia: É como se você dissesse: "Ok, deixe o robô olhar a foto do meu osso quebrado. Ele não vai me julgar, só vai tentar ajudar a consertar."
• O resultado: Cerca de 46% das pessoas disseram "Sim".

2. O que as pessoas têm mais medo? (Os "Segredos" mais sensíveis)

As pessoas têm mais receio de deixar a IA ouvir gravações de conversas com o médico ou acessar informações genéticas.

• A analogia: Imagine alguém tentando ouvir o que você sussurra no consultório ou lendo o seu diário mais íntimo. Isso parece invasivo.
• O resultado: Apenas 27% aceitaram gravações de áudio e 35% aceitaram dados genéticos.

3. Quem é o "Guardião" do cofre importa muito!

Esta é a parte mais importante do estudo. As pessoas fazem uma distinção clara entre quem vai usar os dados:

• O "Bom Samaritano" (Setor Público): Quando a IA é desenvolvida por hospitais públicos ou o governo, as pessoas confiam mais. É como se você entregasse suas chaves para um policial de confiança.
• O "Mercador" (Setor Privado): Quando a IA é feita por empresas privadas (que visam lucro), as pessoas fecham a porta. É como se você achasse que um vendedor poderia vender suas chaves para alguém que não deveria ter acesso.

A descoberta: As pessoas estão 12% a 16% mais dispostas a compartilhar dados com o setor público do que com o privado. Elas acham que o governo quer ajudar a todos, enquanto as empresas podem querer lucrar com a sua informação.

4. O "Efeito Neblina" (A Incerteza)

Um ponto curioso é que, para quase todos os tipos de dados, cerca de um terço das pessoas disse: "Não sei".

• A analogia: É como se alguém perguntasse: "Você deixa um robô ler seu diário?" e a pessoa respondesse: "Bem, depende... quem é o robô? O que ele vai fazer? Ele vai me machucar?".
• Isso mostra que muitas pessoas não entendem bem como a IA funciona. Elas têm medo do "desconhecido" (o famoso "caixa preta" da tecnologia). Elas não sabem se é seguro ou não, então preferem não decidir.

5. O que isso significa para o futuro?

O estudo nos dá um mapa para construir o futuro da saúde com IA:

• Confiança é a moeda principal: Se as pessoas não confiam, a IA não avança.
• Transparência é a chave: As empresas e governos precisam explicar, de forma clara e sem "técniquês", para que os dados servem e como eles estão protegidos.
• O setor público deve liderar: Como as pessoas confiam mais no governo, talvez seja melhor que os hospitais públicos sejam os "donos" dos dados e apenas contratem empresas privadas para ajudar a construir as ferramentas, mantendo o controle nas mãos do público.

Resumo final:
As pessoas querem que a IA ajude a curar doenças, mas elas são como guardiões cautelosos de um tesouro. Elas só abrem a porta se acreditarem que o guardião é honesto (setor público), se souberem exatamente o que o robô vai fazer (transparência) e se não acharem que o robô vai roubar seus segredos mais íntimos (privacidade). Sem essa confiança, a revolução da IA na saúde fica parada na porta do cofre.

Resumo técnico

Título: Atitudes Públicas sobre o Compartilhamento de Dados de Saúde para Inteligência Artificial: Diferenças por Tipo de Dados e Setor na Coorte "Saúde no Dinamarca Central"

1. Problema e Contexto

O desenvolvimento de soluções de Inteligência Artificial (IA) na saúde depende criticamente do acesso a grandes conjuntos de dados de alta qualidade que reflitam a população real. Embora o compartilhamento de dados para pesquisa seja geralmente bem-visto, especialmente nos países nórdicos, existem lacunas significativas no entendimento de como o público percebe o uso desses dados especificamente para IA.
Os desafios incluem:

• A incerteza sobre como diferentes tipos de dados (registros eletrônicos, imagens, áudio, genética) são percebidos em termos de sensibilidade.
• A distinção entre a confiança em instituições públicas versus privadas (comerciais).
• A falta de estudos que comparem explicitamente a disposição para compartilhar dados para IA em contraste com a pesquisa tradicional, considerando a complexidade e o "efeito caixa preta" das tecnologias de IA.

2. Metodologia

O estudo utilizou uma abordagem quantitativa baseada em uma grande coorte populacional na Dinamarca.

• Fonte de Dados: Pesquisa "Saúde no Dinamarca Central" (Health in Central Denmark - HICD) conduzida em 2024.
• População de Estudo: 38.740 participantes (de um total de 136.229 convidados) que responderam ao questionário sobre compartilhamento de dados. A amostra foi ponderada para representar a população de fundo de aproximadamente 1 milhão de habitantes da Região da Dinamarca Central (ajustada por idade, sexo e nível de educação).
• Desenho Experimental:
  • Randomização: Os participantes foram randomizados para responder a cenários onde o desenvolvedor e destinatário dos dados era uma organização do setor público ou do setor privado.
  • Tipos de Dados Avaliados: Quatro modalidades foram testadas:
    1. Registros eletrônicos de saúde (texto e dados tabulares).
    2. Imagens médicas (escaneamentos).
    3. Gravações de áudio de consultas.
    4. Informações genéticas.
  • Respostas: Os participantes deveriam escolher entre "Sim", "Não" ou "Não sei".
• Análise Estatística:
  • Uso de regressão logística multinomial ponderada para analisar a associação entre o grupo de randomização (setor público vs. privado) e a atitude de compartilhamento, utilizando "Não sei" como categoria de referência.
  • Cálculo de Odds Ratios (OR) para quantificar a probabilidade de concordância ou recusa.

3. Principais Contribuições

• Escala e Rigor: Trata-se de um dos maiores estudos populacionais (n ≈ 40.000) focados especificamente na aceitação de dados para IA, superando a maioria das pesquisas anteriores que eram limitadas a contextos clínicos específicos ou amostras menores.
• Desenho Experimental Controlado: Ao randomizar o destinatário dos dados (público vs. privado) para o mesmo grupo de participantes, o estudo isolou o efeito da "instituição" sobre a disposição de compartilhar, minimizando viés de confusão.
• Abordagem Multidimensional: A análise simultânea de quatro modalidades distintas de dados (incluindo áudio e genética, que são menos comuns em estudos anteriores) fornece um panorama granular das preocupações públicas.
• Dados Ponderados: A aplicação de pesos estatísticos baseados em registros administrativos nacionais permite que os resultados sejam generalizáveis para a população geral da região, não apenas para os respondentes da pesquisa.

4. Resultados Chave

• Preferência por Tipo de Dados:
  • Mais aceitos: Imagens médicas (46% de disposição geral) e textos de prontuários (39%).
  • Menos aceitos: Informações genéticas (35%) e gravações de áudio (27%).
• Impacto do Setor (Público vs. Privado):
  • Houve uma disposição 12-16% maior para compartilhar dados com instituições públicas em comparação com instituições privadas, independentemente do tipo de dado.
  • Odds Ratios (OR): A probabilidade de responder "Sim" foi 1,37 a 1,78 vezes maior para o setor público. A probabilidade de responder "Não" foi significativamente menor (OR entre 0,51 e 0,67) para o setor público.
• Incerteza Elevada:
  • Um nível consistentemente alto de incerteza ("Não sei") foi observado em todos os tipos de dados (29% a 36%), sugerindo que uma grande parte da população não possui conhecimento suficiente para formar uma opinião definitiva sobre o uso de IA.
  • A incerteza foi particularmente alta para dados genéticos (36%) e áudio (34%).
• Comparação Internacional: A disposição geral para compartilhar dados para IA foi menor (39-53% para o setor público) do que a média global de 77% encontrada em revisões sobre compartilhamento de dados para pesquisa tradicional, indicando um ceticismo específico em relação à IA.

5. Significado e Implicações

• Governança e Confiança: Os resultados reforçam que a confiança pública na IA em saúde é fortemente dependente da governança institucional. O setor público é visto como um guardião mais confiável do que o setor privado, provavelmente devido a preocupações com motivações comerciais e lucro.
• Necessidade de Transparência: A alta taxa de "Não sei" indica uma lacuna de conhecimento e engajamento. Estratégias de comunicação que expliquem claramente o propósito, os mecanismos de anonimização e os benefícios da IA são essenciais para reduzir a incerteza.
• Modelos de Governança: O estudo sugere que modelos de governança devem ser tierados (por níveis). Dados mais sensíveis (genética, áudio) exigem salvaguardas mais rigorosas e consentimento mais explícito do que dados estruturados ou imagens.
• Políticas Públicas: A pesquisa apoia a criação de estruturas regulatórias (como o Espaço Europeu de Dados de Saúde e o Ato de IA da UE) que priorizem o uso público dos dados, garantam ambientes de análise seguros e limitem o uso secundário não autorizado, especialmente por entidades comerciais.
• Futuro da IA em Saúde: Para que a inovação em IA seja sustentável e socialmente aceitável, é crucial alinhar o desenvolvimento tecnológico com as expectativas da sociedade, focando na transparência, na proteção da privacidade e na demonstração de benefício público claro.

Em suma, o estudo conclui que a aceitação pública não é binária, mas sim um espectro influenciado pela sensibilidade percebida dos dados e pela identidade do destinatário, exigindo uma abordagem de governança cuidadosa para viabilizar a IA na saúde.