A Scalable Framework for Longitudinal Surveillance of Research Evolution in Digital Medicine

A ciência avança rápido, mas acompanhar como um campo inteiro se transforma é uma tarefa monumental. Imagine tentar entender a evolução de uma floresta inteira lendo apenas uma árvore; você veria as folhas mudando, mas perderia as mudanças nos padrões da copa, as novas espécies criando raízes e a maneira como diferentes bosques se conectam. Este é o desafio enfrentado por pesquisadores na medicina digital, um cenário vasto e em rápida mudança onde a ciência da computação encontra a saúde humana. Neste campo, novas ferramentas como o aprendizado de máquina — sistemas que aprendem com dados para fazer previsões — e a inteligência artificial generativa, que pode criar novos textos ou imagens, estão surgindo constantemente. Ao mesmo tempo, as formas como os cientistas estudam doenças, desde o rastreamento de vírus até a análise de códigos genéticos, estão sendo reescritas. Como tantos periódicos diferentes publicam trabalhos nesta área, e porque a linguagem que os cientistas usam para descrever seu trabalho muda ao longo do tempo, nenhum especialista individual consegue manter o quadro completo em sua mente. Compreender essas mudanças é crucial para financiadores decidindo onde investir, educadores projetando cursos e cientistas decidindo quais problemas abordar a seguir.

Para resolver isso, uma equipe de pesquisadores da Universidade de Columbia construiu um novo sistema escalável chamado TRACE para observar a evolução da pesquisa em todo o campo da informática biomédica. Em vez de olhar para um único periódico, eles coletaram e analisaram 78.073 artigos publicados entre 2011 e 2025 de 29 periódicos diferentes. A equipe enfrentou um obstáculo único: nem todos os artigos vêm acompanhados de uma lista de palavras-chave escritas pelos autores. Para preencher essas lacunas, eles usaram uma mistura inteligente de métodos, extraindo termos de sites de editoras, substituindo descritores médicos padronizados e até usando uma ferramenta de inteligência artificial para gerar palavras-chave a partir dos resumos dos artigos. Isso permitiu que rastreassem 95.872 palavras-chave distintas e as agrupassem em temas significativos, criando um mapa claro de como o campo cresceu e mudou ao longo de quinze anos.

A análise revelou que o campo não apenas cresceu em tamanho, mas passou por três ondas sobrepostas de atenção. A primeira onda, que já estava bem estabelecida quando o estudo começou em 2011, consistia em trabalho fundamental em biologia computacional e informática básica, como ferramentas de software para gerenciar dados de saúde e métodos para analisar sequências genéticas. A segunda onda, que rompeu por volta de 2019, foi impulsionada pelo aprendizado de máquina, um conjunto de técnicas que permitem aos computadores encontrar padrões em dados complexos. Esta onda expandiu-se rapidamente, passando a representar quase metade de toda a produção de pesquisa no campo até 2025. A terceira e mais recente onda, surgindo em 2024, é definida por modelos de linguagem de grande escala e IA generativa, tecnologias que podem compreender e gerar linguagem humana. Estas ondas não substituíram as anteriores; em vez disso, elas se sobrepuseram, criando um ambiente de pesquisa rico e multicamadas, onde ferramentas fundamentais continuam a ser usadas ao lado dos métodos mais recentes de inteligência artificial.

Uma das descobertas mais surpreendentes foi que muitos declínios aparentes em tópicos de pesquisa não foram, na verdade, sinais de que os cientistas haviam perdido o interesse. Quando os pesquisadores olharam de perto, descobriram que a queda nos números de certos tópicos frequentemente coincidia com uma mudança na origem das palavras-chave. Nos primeiros anos do estudo, muitos artigos careciam de palavras-chave fornecidas pelos autores, então a equipe teve que confiar em etiquetas médicas padronizadas atribuídas por indexadores. À medida que mais periódicos passaram a exigir que os autores fornecessem suas próprias palavras-chave, a mistura de termos mudou. Tópicos que eram fortemente etiquetados por indexadores no passado pareceram encolher, mas quando os pesquisadores focaram apenas nas palavras-chave fornecidas pelos autores, esses declínios desapareceram. Isso sugere que o campo está, na verdade, crescendo em quase todas as direções, com a vasta maioria dos temas de pesquisa apresentando um aumento constante no número de artigos publicados.

O estudo também mapeou como diferentes comunidades de pesquisa se conectam. Descobriu-se que as "tecnologias de saúde digital" — uma categoria ampla que abrange desde aplicativos de saúde móvel até registros eletrônicos de saúde — atuam como uma espinha dorsal central, ligando diversas áreas de pesquisa. Enquanto alguns periódicos se especializam profundamente em nichos específicos, como análise genética ou imagem médica, o periódico Journal of Biomedical Informatics emergiu como uma ponte crucial, conectando o lado clínico da medicina ao lado computacional. As comunidades de pesquisa estão se tornando mais colaborativas, com equipes crescendo em tamanho e aumentando cada vez mais a mistura entre médicos clínicos e cientistas da computação. Essa mudança é evidente na autoria dos artigos, onde o número de autores por estudo aumentou, e o número de diferentes instituições trabalhando juntas em um único artigo quase dobrou na última década.

Os pesquisadores também examinaram como grandes eventos mundiais moldaram o campo, utilizando a pandemia de COVID-19 como um estudo de caso. Eles descobriram que a pandemia causou um surto massivo e imediato de pesquisas relacionadas a doenças infecciosas e vigilância de saúde. No entanto, o impacto foi mais profundo do que apenas um pico temporário; ele impulsionou metodologias relacionadas, como análise de dados e inteligência artificial, que cresceram junto com a pesquisa específica de doenças. Mesmo após o fim da crise imediata, o crescimento nessas áreas não retornou aos níveis anteriores, mas continuou a acelerar, sugerindo que a pandemia atuou como um catalisador que alterou permanentemente a trajetória do campo.

Em última análise, este framework fornece uma maneira clara e baseada em dados de visualizar para onde o campo está indo. Mostra que, embora o volume de pesquisa esteja explodindo, o núcleo da disciplina está se deslocando para abordagens mais complexas, colaborativas e impulsionadas por IA. As descobertas oferecem um roteiro para qualquer pessoa que tente navegar neste cenário em evolução, distinguindo entre tendências passageiras e mudanças duradouras na atenção científica. Ao separar o ruído das mudanças de metadados do sinal de crescimento real da pesquisa, o estudo confirma que a medicina digital não está apenas ficando maior, mas está se tornando mais integrada, mais diversa e cada vez mais central para a forma como entendemos e melhoramos a saúde humana.