Three Decades of FDA Authorizations of AI/ML Enabled Medical Devices: Persistent Specialty Concentration and the Care Delivery Gap (1995 to 2025)

Esta análise transversal de 1.430 autorizações da FDA de 1995 a 2025 revela que, embora as aprovações de dispositivos médicos habilitados por IA/ML tenham crescido exponencialmente, elas permanecem fortemente concentradas em especialidades diagnósticas ricas em imagens, como radiologia, deixando lacunas significativas na representação de outros grandes campos clínicos, como patologia, obstetrícia e saúde comportamental.

O essencial

Imagine a Administração de Alimentos e Medicamentos dos EUA (FDA) como uma biblioteca enorme e movimentada. Nos últimos 30 anos, esta biblioteca tem mantido um livro de visitas público de cada nova ferramenta médica "inteligente" (dispositivos alimentados por Inteligência Artificial ou IA) que recebe permissão para ser usada em hospitais americanos.

Este artigo é como um bibliotecário que finalmente sentou-se para ler todo o livro de visitas de 1995 até o final de 2025. Ele contou cada entrada, observou quem as escreveu e tentou descobrir que tipo de ferramentas estão sendo adicionadas às prateleiras.

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

1. A Biblioteca Está Explodindo em Tamanho

Por muito tempo, a biblioteca estava tranquila. Entre 1995 e 2014, eles adicionaram apenas cerca de dois novos dispositivos de IA por ano. Mas, recentemente, o ritmo transformou-se num jato de água.

• A Analogia: Pense nisso como uma gota d'água lenta transformando-se num rio impetuoso.
• Os Números: Nos três anos mais recentes (2023–2025), o FDA aprovou cerca de 264 novos dispositivos de IA a cada único ano. Apenas em 2025, eles adicionaram 331 novos dispositivos. A contagem total atingiu 1.430 dispositivos autorizados.

2. A Sala de "Radiologia" Está Lotada; O Resto Está Vazio

Esta é a maior surpresa. A biblioteca tem muitas salas diferentes para diferentes tipos de médicos (especialidades), mas quase todos estão se aglomerando em apenas uma sala: Radiologia (médicos que leem raios-X, tomografias computadorizadas e ressonâncias magnéticas).

• A Analogia: Imagine uma escola com 30 salas de aula diferentes. Se você entrasse, encontraria 76% de todos os alunos sentados na sala de aula de "Radiologia". As salas de "Cardiovascular" (coração) e "Neurologia" (cérebro) têm alguns alunos, mas as salas de "Patologia" (testes laboratoriais), "Microbiologia" (germes) e "Obstetrícia" (gravidez) estão quase vazias.
• A Realidade:
  • Radiologia: 76,5% de todos os dispositivos aprovados (1.094 dispositivos).
  • Coração e Cérebro: Juntos, representam cerca de 14% a mais.
  • As Salas Faltantes: Houve quase nenhum dispositivo aprovado para Psiquiatria (saúde mental), embora a saúde mental seja uma parte enorme dos cuidados de saúde. Também houve muito poucos para Patologia, Microbiologia ou Obstetrícia.
• A Conclusão: Os autores dizem que isso não é um erro temporário; tem sido assim por uma década. A sala de "Radiologia" continua ficando maior, mas as outras salas não estão acompanhando, mesmo que médicos nessas outras áreas tratem milhões de pacientes.

3. Os "Super-Autores" vs. Os "Sucessos de Uma Só Vez"

O artigo também analisou as empresas que criam essas ferramentas.

• A Analogia: Imagine um concurso de composição musical. A maioria dos participantes (67,8%) escreveu apenas uma música e a inscreveu. Mas um pequeno grupo de 13 empresas "superestrelas" escreveu dezenas de músicas cada uma.
• A Realidade:
  • A Maioria: 502 empresas diferentes possuem apenas um dispositivo de IA aprovado.
  • A Minoría: Apenas 13 empresas (menos de 2% do total) são responsáveis por 15% de todos os dispositivos. Uma única empresa tem 51 dispositivos diferentes aprovados.
• A Conclusão: O mercado está dividido entre um grande número de pequenos participantes de uma só vez e um pequeno grupo de grandes empresas que continuam criando mais e mais dispositivos.

4. Por Que a Radiologia é Tão Dominante?

Os autores sugerem algumas razões pelas quais a sala de "Radiologia" está tão cheia:

• Os Dados: A Radiologia tem uma maneira muito organizada de armazenar imagens (chamada DICOM). É como ter uma biblioteca onde cada livro já está classificado, etiquetado e numa prateleira. Outros campos (como saúde mental ou trabalho laboratorial) não têm dados tão fáceis de organizar e alimentar a IA.
• As Regras: As regras para aprovar software que analisa imagens são mais claras do que as regras para outros tipos de IA médica.

O Que Este Artigo Não Diz

É importante manter-se ao que os autores realmente escreveram:

• Eles não dizem que esses dispositivos são ruins ou bons para os pacientes.
• Eles não dizem que o FDA está fazendo um trabalho ruim.
• Eles não preveem exatamente o que acontecerá a seguir.
• Eles não afirmam que a IA não pode funcionar em saúde mental ou outros campos; eles apenas apontam que, até agora, o FDA não aprovou muitos dispositivos para essas áreas.

A Conclusão Final

Este artigo é um relatório de "estado da união" para a IA médica. Ele diz: "Aprovamos 1.430 dispositivos médicos inteligentes. Eles estão crescendo rapidamente, mas são quase todos para leitura de raios-X, feitos por uma mistura de muitas pequenas empresas e algumas grandes. Se quisermos que a IA ajude em outras áreas como saúde mental ou gravidez, precisamos descobrir como construir os dados e as regras para obter a aprovação desses dispositivos."

Resumo técnico

Resumo Técnico: Três Décadas de Autorizações da FDA para Dispositivos Médicos Habilitados por IA/ML (1995–2025)

Declaração do Problema
Embora o Food and Drug Administration (FDA) dos Estados Unidos mantenha um registro público de dispositivos médicos habilitados por inteligência artificial e aprendizado de máquina (IA/ML), análises anteriores desse cenário regulatório foram limitadas pelo escopo temporal e pela profundidade da caracterização. Estudos prévios, como os que identificaram 64 dispositivos até 2020 ou 691 até outubro de 2023, consistentemente notaram uma dominância de aplicações em radiologia. No entanto, esses trabalhos anteriores não caracterizaram o conjunto de dados cumulativo completo até o final de 2025, nem quantificaram sistematicamente a sub-representação de outras especialidades clínicas de alto volume em relação à sua carga clínica. Além disso, a concentração de autorizações entre um pequeno subconjunto de fabricantes não havia sido descrita sistematicamente, deixando lacunas na compreensão da estrutura de mercado e dos incentivos à inovação dentro da IA médica.

Metodologia
Este estudo realizou uma análise transversal da lista publicamente mantida pelo FDA de dispositivos médicos habilitados por IA/ML, acessada em formato tabular desidentificado. O conjunto de dados compreendeu 1.430 autorizações com datas de decisão final variando de 29 de setembro de 1995 a 30 de dezembro de 2025. Esses dispositivos foram autorizados por meio das vias 510(k), De Novo ou Aprovação Pré-Mercado (PMA).

A análise utilizou Python 3.11 e a biblioteca pandas para calcular:

• Crescimento Temporal: Contagens anuais e cumulativas de autorizações estratificadas por ano.
• Distribuição por Especialidade: A proporção de autorizações atribuídas a cada painel principal de revisão do FDA (correspondendo amplamente a especialidades médicas).
• Estabilidade Temporal: A proporção de autorizações para o painel de Radiologia e os três principais painéis combinados anualmente de 2015 a 2025.
• Concentração de Fabricantes: A distribuição de autorizações entre fabricantes únicos, distinguindo entre empresas com uma única autorização e entidades com múltiplas autorizações.

O estudo foi de natureza descritiva; nenhum teste de hipótese formal foi planejado. Aprovação ética não foi necessária, pois a análise utilizou um conjunto de dados regulatórios publicamente disponível que não continha informações ao nível do paciente.

Principais Resultados

• Crescimento Exponencial: A taxa anual de autorizações aumentou de uma média de 1,8 por ano (1995–2014) para 264,0 por ano (2023–2025). A contagem cumulativa atingiu 1.430 em dezembro de 2025, com um pico anual único de 331 autorizações em 2025.
• Concentração Persistente por Especialidade: O painel de Radiologia respondeu por 1.094 autorizações (76,5%). Os três principais painéis — Radiologia, Cardiovascular e Neurologia — representaram coletivamente 90,6% de todas as autorizações.
• Disparidades por Especialidade: Várias grandes especialidades clínicas mostraram representação mínima. Patologia teve 9 autorizações (0,6%), Microbiologia teve 6 (0,4%) e Obstetrícia e Ginecologia teve 4 (0,3%). Notavelmente, zero autorizações foram registradas sob um painel de revisão de psiquiatria ou saúde comportamental.
• Estabilidade Temporal: A parcela das autorizações anuais revisadas pelo painel de Radiologia manteve-se estável entre 61,5% e 86,8% de 2018 a 2025, sem tendência de queda sustentada, apesar do aumento massivo no volume total.
• Vias Regulatórias: A via 510(k) foi o mecanismo predominante, liberando 1.376 dispositivos (96,2%). As vias De Novo e PMA responderam por 2,6% e 1,2%, respectivamente.
• Concentração de Fabricantes: Entre 740 fabricantes únicos, 502 (67,8%) tiveram apenas um dispositivo autorizado. Por outro lado, 13 fabricantes (1,8%) responderam por 217 dispositivos (15,2%), com o principal fabricante detendo 51 autorizações.

Significado e Alegações
O artigo afirma que o registro regulatório cumulativo demonstra um crescimento rápido que está estruturalmente concentrado em especialidades diagnósticas ricas em imagens, especificamente radiologia. A estabilidade dessa concentração ao longo de uma década, apesar de um aumento de aproximadamente 50 vezes nas taxas anuais de autorização, sugere que os impulsionadores são estruturais — provavelmente relacionados à disponibilidade de grandes conjuntos de dados de imagens rotulados e padronizados (via infraestrutura DICOM), quadros regulatórios bem definidos para análise de imagens e fluxos de trabalho comerciais estabelecidos — e não transitórios.

Os autores destacam a "lacuna na prestação de cuidados", observando que a sub-representação de especialidades com atividade clínica substancial (por exemplo, psiquiatria, patologia, OB/GYN) contrasta fortemente com o volume de trabalho clínico realizado nesses campos. As descobertas destinam-se a informar discussões políticas sobre onde investimentos regulatórios, de infraestrutura e de conjuntos de dados são mais necessários para ampliar o escopo clínico da IA médica, em vez de defender intervenções políticas específicas. O estudo também observa que agregadores de acesso público, como o PhysicianAITools.com, podem apoiar análises mais amplas do cenário ao vincular registros do FDA com metadados baseados em descoberta.