Leapfrogging cancer diagnostics with AI: a mixed-methods assessment of implementation determinants in low- and middle-income countries

O câncer é uma doença implacável que atinge pessoas em todos os lugares, mas a capacidade de diagnosticá-lo de forma rápida e precisa não é compartilhada igualmente em todo o mundo. Em muitos países de baixa e média renda, o caminho para a cura é frequentemente bloqueado muito antes mesmo do tratamento começar. O primeiro passo para combater o câncer é encontrá-lo, o que geralmente requer um patologista — um médico que examina minúsculas fatias de tecido sob um microscópio para identificar a doença. Esses especialistas são escassos em muitas partes do mundo, e os laboratórios onde trabalham muitas vezes carecem das ferramentas avançadas necessárias para ver os menores detalhes. Sem um diagnóstico claro, os pacientes esperam demais para receber cuidados, e suas chances de sobrevivência diminuem.

Nos últimos anos, uma nova ferramenta surgiu prometendo mudar esse cenário: a inteligência artificial. Trata-se de um software de computador treinado para reconhecer padrões, capaz de observar as mesmas lâminas de tecido que um médico humano observaria e detectar sinais de câncer com grande velocidade. A ideia é que, se esses programas inteligentes puderem ser integrados aos sistemas de diagnóstico de nações em desenvolvimento, eles poderão ajudar os médicos a trabalhar de forma mais rápida e precisa, permitindo potencialmente que esses países ignorem as etapas lentas e caras de construção de laboratórios de patologia tradicionais e saltem diretamente para um sistema digital moderno. Mas, para que isso funcione, a tecnologia deve se ajustar à realidade dos locais onde é necessária. Ela não pode simplesmente ser lançada de fora; é preciso entender como os médicos locais, os orçamentos e as regras interagem com o software.

Uma equipe de pesquisadores partiu para entender exatamente como isso poderia funcionar na prática. Eles não apenas construíram um programa de computador e o testaram; em vez disso, foram à fonte, perguntando às pessoas que realmente usariam a tecnologia o que elas precisavam e o que as impedia de avançar. Eles falaram com doze médicos de doze países diferentes, incluindo dez nações de baixa e média renda e duas de alta renda para comparação. Esses médicos eram especialistas em patologia e ginecologia, as áreas mais envolvidas no diagnóstico do câncer. Os pesquisadores utilizaram uma mistura de métodos, começando com questionários para mapear o estado atual dos laboratórios, seguidos por discussões em grupo para aprofundar os desafios e, finalmente, um segundo questionário para medir a força do sentimento dos médicos em relação a questões específicas.

Os pesquisadores descobriram que a situação no terreno era muito mais complicada do que uma simples lista de países ricos e pobres sugeriria. Embora todos os locais tivessem acesso ao método básico de coloração de lâminas de tecido para torná-las visíveis, a capacidade de realizar testes mais avançados variava drasticamente. Em sete de dez locais de menor renda, os laboratórios não tinham capacidade para realizar os testes químicos especializados frequentemente exigidos para confirmar um diagnóstico de câncer. Em seis desses dez locais, o teste molecular — que observa a composição genética do tumor — estava completamente ausente ou era quase inexistente. Isso significava que, mesmo que um computador pudesse detectar um problema, os médicos humanos muitas vezes careciam de ferramentas para confirmá-lo ou entender exatamente que tipo de câncer era.

A disponibilidade das ferramentas digitais necessárias para a inteligência artificial também era mista. A maioria dos locais possuía scanners que podiam transformar lâminas físicas em imagens digitais, um primeiro passo necessário para que o computador possa "enxergar" as amostras. No entanto, os computadores potentes necessários para rodar o software de inteligência artificial estavam ausentes em mais da metade das localidades. Isso criava um estranho descompasso: alguns lugares tinham os scanners para criar as imagens, mas não os computadores para analisá-las, enquanto outros tinham os computadores, mas não os scanners. Os pesquisadores observaram que essa variação não seguia o padrão usual de riqueza nacional. O nível de renda de um país não era uma forma confiável de prever se um hospital específico estava pronto para usar inteligência artificial. Algumas instituições em países de menor renda eram surpreendentemente bem equipadas, enquanto outras em nações mais ricas enfrentavam dificuldades com lacunas básicas.

Quando os médicos foram questionados sobre o que desejavam que a inteligência artificial fizesse, suas respostas foram práticas e focadas em necessidades imediatas. Eles não pediram que o software os substituísse ou que previsse o futuro com certeza absoluta. Em vez disso, queriam que o computador os ajudasse a encontrar o câncer mais cedo, a conferir seus próprios diagnósticos e a prever certos marcadores biológicos a partir das lâminas coradas padrão. Eles imaginaram um sistema onde o computador pudesse filtrar milhares de lâminas, sinalizando aquelas que pareciam suspeitas para que um médico humano pudesse focar seu tempo nesses casos específicos. Seria como ter um assistente incansável que nunca perde um detalhe, permitindo que os médicos sobrecarregados atendam mais pacientes sem sacrificar a precisão.

Contudo, o caminho para tornar essa visão realidade é bloqueado por uma série de obstáculos interconectados. Os pesquisadores identificaram seis fatores principais que determinam se a inteligência artificial pode realmente ser utilizada nesses contextos. O primeiro é a literacia, significando que médicos e pacientes precisam entender o que é a tecnologia e confiar nela. O segundo é a evidência, ou a necessidade de provar que o software funciona bem para as populações específicas desses países, e não apenas para pessoas em nações ricas. O terceiro é a governança, que envolve a criação de regras e leis para guiar como a tecnologia é usada e quem é responsável caso algo dê errado. O quarto é a implementação clínica, que abrange os passos físicos de integrar o software ao fluxo de trabalho do hospital. O quinto é o financiamento, e o sexto é a colaboração entre diferentes grupos.

Entre todos esses desafios, o dinheiro emergiu como o maior obstáculo individual. Os médicos relataram que as restrições financeiras eram a barreira dominante em todas as áreas. Eles explicaram que, sem uma fonte constante de financiamento, não poderiam comprar os computadores necessários, não poderiam pagar pelas conexões de internet necessárias para enviar imagens e não poderiam custear o treinamento de sua equipe. Embora houvesse subsídios internacionais e verbas de pesquisa para comprar o equipamento inicial, os médicos temiam que esses fundos se esgotassem, deixando-os com máquinas caras que não poderiam manter ou reparar. Eles enfatizaram que, para a inteligência artificial ser duradoura, ela precisava ser apoiada pelo orçamento regular de saúde do governo, e não apenas por doações temporárias.

A colaboração foi identificada como a chave para desbloquear as outras soluções. Os médicos perceberam que nenhuma pessoa ou hospital sozinho poderia resolver esses problemas. Eles precisavam trabalhar juntos com governos para criar políticas, com universidades para treinar a próxima geração de médicos e com empresas privadas para compartilhar o custo dos equipamentos. Eles viram que os esforços atuais eram frequentemente fragmentados, com diferentes grupos trabalhando isoladamente. Os pesquisadores descobriram que o caminho mais bem-sucedido seria um esforço coordenado, onde esses diferentes stakeholders unissem forças, compartilhando recursos e conhecimento para construir um sistema que pudesse se sustentar a longo prazo.

O estudo concluiu que, embora a inteligência artificial prometa muito para ajudar os países de baixa e média renda a saltar sobre o desenvolvimento tradicional e lento dos laboratórios de patologia, ela não é uma solução mágica que pode ser aplicada em todos os lugares da mesma maneira. A prontidão para usar essa tecnologia varia grandemente de um hospital para outro, independentemente da riqueza geral do país. O sucesso depende de abordar as necessidades locais específicas, garantir financiamento sustentável e construir parcerias fortes. Sem essas bases, a tecnologia corre o risco de se tornar apenas mais um equipamento sem uso acumulando poeira em um laboratório, em vez de uma ferramenta que salva vidas. Os pesquisadores sugerem que, antes de implementar esses sistemas, cada instituição deve ser cuidadosamente avaliada para garantir que possui as pessoas, as regras e o dinheiro para fazer a tecnologia funcionar.