Geographical targeting of active case finding for tuberculosis in Pakistan using artificial intelligence software: a qualitative study embedded within the SPOT TB trial

A tuberculose continua sendo um dos assassinos mais persistentes do mundo, uma doença que prospera tanto nas sombras de cidades superpovoadas quanto em aldeias remotas. Em países como o Paquistão, onde a carga da doença é excepcionalmente alta, os profissionais de saúde enfrentam um desafio formidável: encontrar os milhões de pessoas que estão doentes, mas que ainda não foram diagnosticadas. Para captar esses casos ocultos, programas enviam equipes móveis para as comunidades para montar campos de triagem, usando máquinas de raio-X para procurar sinais de infecção nos pulmões das pessoas. Durante anos, a decisão de onde montar esses campos dependia do julgamento humano, mapas locais e da experiência dos funcionários de campo. Mas, à medida que o volume de dados crescia, os oficiais de saúde começaram a se perguntar se os computadores poderiam fazer um trabalho melhor. Eles recorreram à inteligência artificial, uma tecnologia capaz de filtrar vastas quantidades de informações para detectar padrões que os humanos poderiam perder. A esperança era que um programa de computador inteligente pudesse direcionar os profissionais de saúde diretamente aos bairros onde as pessoas doentes teriam maior probabilidade de serem encontradas, tornando a busca mais rápida e eficaz.

Essa questão impulsionou um experimento de grande escala no Paquistão conhecido como o ensaio SPOT-TB. Os pesquisadores queriam ver se o uso de uma ferramenta de inteligência artificial chamada MATCH-AI para escolher os locais dos acampamentos encontraria mais casos de tuberculose do que o método tradicional de seleção de locais baseado no conhecimento local. A ferramenta analisava dados rotineiros de saúde e condições locais para gerar uma lista de locais recomendados. No entanto, a recomendação de um computador é tão boa quanto a realidade no terreno. Para entender por que o ensaio não mostrou uma melhoria clara no total de casos encontrados, uma equipe separada de pesquisadores realizou um mergulho profundo no lado humano do projeto. Eles conversaram com médicos, supervisores e coordenadores que realmente dirigiam as vans e montavam as tendas, perguntando-lhes sobre suas experiências diárias com a nova tecnologia. O objetivo deles não era apenas ver se o software funcionava em uma tela, mas entender como ele funcionava na realidade complexa e desordenada do sistema de saúde do Paquistão.

Os pesquisadores descobriram que a ferramenta de inteligência artificial era uma faca de dois gumes. Por um lado, muitos funcionários de campo apreciaram o software por trazer um senso de justiça e estrutura ao seu trabalho. Antes da ferramenta, a escolha de onde realizar um acampamento poderia ser influenciada por conexões pessoais, pressão política de líderes locais ou pelo simples hábito de retornar aos mesmos locais familiares. O software removeu esse viés humano, gerando uma lista de locais baseada puramente em dados. Isso ajudou a equipe a resistir à pressão de autoridades que queriam acampamentos em áreas específicas por seus próprios motivos. Em alguns casos, a ferramenta direcionou equipes para vilarejos remotos ou anteriormente negligenciados onde descobriram aglomerados de casos de tuberculose que, de outra forma, passariam despercebidos. Uma equipe, por exemplo, seguiu uma recomendação para uma residência distante em Faisalabad e encontrou cinco pessoas infectadas vivendo juntas, uma descoberta que atribuíram à capacidade do software de olhar além das fronteiras usuais.

Contudo, a história do sucesso da ferramenta foi complicada pelas duras realidades da paisagem e pelos limites da própria tecnologia. O software, embora bom em processar números, carecia do senso comum que vem de viver na comunidade. Às vezes, sugeria locais fisicamente impossíveis de alcançar, como picos de montanhas cobertos de neve ou áreas isoladas por rios, sem perceber que uma van móvel não poderia dirigir até lá. Em outros casos, apontava para lugares que eram inseguros devido a riscos de segurança locais ou áreas onde as normas culturais tornavam impossível para as mulheres viajarem para longe ou visitarem um acampamento público. Em regiões conservadoras, por exemplo, as mulheres podem se recusar a deixar suas casas para viajar cinco quilômetros até um acampamento em um mercado movimentado, especialmente se a área de triagem carecer de privacidade. O software não compreendia essas barreiras sociais; ele via apenas um ponto em um mapa. Os funcionários de campo, que conheciam o terreno e as pessoas, frequentemente tinham que anular as sugestões do computador, usando seu próprio julgamento para encontrar locais que fossem acessíveis e aceitáveis para a comunidade.

A lacuna entre o plano digital e o mundo físico foi ampliada pela infraestrutura necessária para rodar o sistema. O software dependia de uma plataforma digital para coletar dados em tempo real, mas em muitas áreas remotas, a conexão de internet era instável ou inexistente. Quando o sinal caía, o sistema travava ou os dados inseridos no campo falhavam ao sincronizar com o servidor central. Isso forçava os profissionais de saúde a retornar aos registros de papel tradicionais, que eles tinham que digitar posteriormente no computador quando retornavam à cidade. Esse trabalho duplo criava frustração e fadiga, retardando o próprio processo que a tecnologia pretendia acelerar. Além disso, as pessoas na linha de frente muitas vezes não entendiam totalmente como o software tomava suas decisões. Elas eram instruídas a seguir a lista de locais, mas raramente recebiam uma explicação clara da lógica por trás deles. Essa falta de compreensão dificultava o ato de confiar na ferramenta ou de sentir um senso de propriedade sobre o novo sistema, levando alguns a ignorar suas recomendações em favor de sua própria experiência.

O estudo concluiu que, embora a inteligência artificial possua uma promessa genuína para organizar e melhorar a triagem de tuberculose, ela não pode substituir o conhecimento contextual profundo das pessoas que trabalham no campo. A tecnologia é uma assistente poderosa que pode reduzir o viés e destacar áreas que poderiam ser ignoradas, mas não é um substituto para o julgamento humano. Ela não consegue considerar a segurança de um bairro, as sensibilidades culturais de uma comunidade ou as condições de uma estrada de terra. Para que a ferramenta funcione de forma eficaz, ela deve ser apoiada por uma infraestrutura confiável, como conexões de internet estáveis, e deve ser introduzida com um treinamento minucioso que ajude a equipe a entender não apenas o quê fazer, mas o porquê. Os pesquisadores descobriram que a abordagem mais bem-sucedida era uma híbrida, onde o computador fornece um ponto de partida e a equipe humana utiliza sua expertise local para adaptar essas recomendações ao mundo real. No fim, a tecnologia é tão forte quanto o sistema que a apoia e as pessoas que a utilizam.