leucemia mieloide aguda”, publicado em 2024 na Hematology, Transfusion and Cell Therapy (HTCT), revista científica da ABHH. “A utilização de biomarcadores genéticos da doença é um exemplo de como a IA pode aumentar a especificidade e rapidez na abordagem terapêutica”, sugerem os pesquisadores. Automatização de tarefas O médico hematologista Roni Shouval integra a Subcomissão de Inteligência Artificial da American Society of Hematology (ASH). Autor do artigo “Machine Learning and Artificial Intelligence in Haematology”, publicado em 2020 no British Journal of Haematology, ele escreveu que as aplicações do aprendizado de máquina ou machine learning (técnica de IA que busca extrair computacionalmente insights significativos de estruturas de dados complexas em cenários hematológicos) estão aumentando constantemente. Na pesquisa em hematologia, o Dr. Shouval observa que a inteligência artificial remodelou os fluxos de trabalho de pesquisa ao possibilitar a integração de dados multimodais – genômicos, transcriptômicos, de imagem e clínicos — em uma escala e velocidade antes inalcançáveis. Isso facilitou a geração de hipóteses, descoberta de biomarcadores e identificação de novos alvos terapêuticos. “Clinicamente, ferramentas movidas a IA auxiliam hematologistas automatizando tarefas repetitivas como classificação diagnóstica, sinalização de anomalias em dados laboratoriais ou orientação para elegibilidade em ensaios clínicos. Essas inovações permitem que os médicos dediquem mais tempo ao julgamento clínico e ao cuidado dos pacientes, promovendo uma abordagem orientada por dados ao tratamento”, avalia. O especialista destaca que a inteligência artificial tem sido cada vez mais empregada para aprimorar a precisão e a eficiência diagnóstica, especialmente na hematopatologia, onde a leitura de dados laboratoriais complexos é fundamental. “A principal aplicação da IA hoje é ajudar hematopatologistas automatizando a análise de esfregaços sanguíneos periféricos, aspirados de medula óssea e dados de citometria de fluxo, tarefas que frequentemente consomem tempo e estão sujeitas à variabilidade entre observadores”, comenta. Além do diagnóstico, a IA também é usada em genômica, previsão de risco clínico e terapia celular, mas o especialista destaca que um uso mais maduro e impactante segue sendo o aprimoramento de fluxos de trabalho de diagnóstico. Integração clínica em tempo real, em que a IA atualiza continuamente avaliações de risco com base em dados ao vivo dos prontuários eletrônicos. Modelos multimodais que combinam genômica, transcriptômica e anotações clínicas para uma classificação de doenças e predição de desfechos mais precisos. A IA generativa contribuirá cada vez mais para o design de medicamentos, otimização de protocolos e simulação de ensaios clínicos com pacientes sintéticos. Tecnologia digital twin (gêmeos digitais de pacientes) pode se tornar uma ferramenta poderosa para testar estratégias de tratamento virtualmente antes de aplicá-las na vida real. Desenvolvimentos esperados com o uso da IA na hematologia: 12 ABHH em Revista 14 / 2025 debate ABHH
RkJQdWJsaXNoZXIy MTg4NjE0Nw==