Hemoterapia: IA reduz erros e melhora a doação Na Fundação Pró-Sangue Hemocentro de São Paulo, referência nacional em hemoterapia, o uso de tecnologias avançadas já transforma a rotina. Segundo Denis Alessandro da Silva, gerente da Divisão de Tecnologia da Informação da instituição, praticamente todos os equipamentos das etapas de coleta, processamento e análise estão hoje integrados por sistemas informatizados. “Com mínima ou nenhuma intervenção humana, conseguimos garantir maior segurança e precisão nos processos”, afirma. Um dos marcos dessa evolução foi o interfaceamento bidirecional entre os equipamentos de aférese e o sistema institucional. Apresentado no congresso da ISBT, o impacto foi expressivo: a taxa de erros em coletas de plaquetas caiu de 55% para 2%. “Esse resultado demonstra como o uso da tecnologia é essencial para garantir a qualidade e a eficiência operacional”, destaca Denis. A inteligência artificial também apoia a gestão de estoques de sangue. Algoritmos ajudam a convocar doadores com base em dados atualizados, evitando desperdícios e prevendo quedas nos estoques. Chatbots, redes sociais e ferramentas de análise preditiva tornam as campanhas mais eficazes. “A gestão dos estoques de sangue vai além do simples controle de entradas e saídas de bolsas; ela depende também do comportamento e da disponibilidade dos doadores”, explica. Durante a pandemia de Covid-19, a digitalização foi acelerada. Um sistema de agendamento online com triagem baseada em IA e totens de autoatendimento ajudou a reduzir o tempo de doação em 30% e as inaptidões em 5%. “Conseguimos reduzir em 30% o tempo total do processo de doação e diminuímos em 5% o número de inaptidões”, diz. Uma pesquisa recente apontou que 94% dos doadores aprovaram a experiência digital. Desafios regulatórios e éticos À medida que a IA continua a permear a prática e a pesquisa em hematologia, é essencial reconhecer e enfrentar os desafios que acompanham esse cenário, que incluem a necessidade de regulamentação e vigilância ética. Na avaliação do Dr. Roni Shouval, muitos modelos de IA funcionam como “caixas-pretas”, dificultando a compreensão de como as predições são geradas. Outro desafio é o problema de dados enviesados, quando as informações usadas para “ensinar” um algoritmo não refletem a diversidade da população real, levando a modelos que podem causar danos em grupos subrepresentados. Além disso, a falta de marcos regulatórios no uso da IA na medicina ainda precisa ser delimitado. “Garantir a equidade na IA começa pela transparência tanto em como os modelos são desenvolvidos quanto nos dados usados para treiná-los. Mesmo ferramentas aprovadas pela FDA demonstraram limitações de desempenho em validações externas, como visto em alguns modelos de predição para sepse e oncologia. Além disso, instituições carecem de estruturas padronizadas para monitoramento contínuo do desempenho da inteligência artificial, especialmente à medida que os dados clínicos mudam ao longo do tempo”, assinala. Neste caso, será necessário que os desenvolvedores divulguem a composição dos conjuntos de dados de treinamento, incluindo demografia relevante como idade, sexo, ancestralidade e subtipo da doença. Sem essa transparência, assinala o Dr. Shouval, é impossível avaliar se o modelo tem probabilidade de se generalizar para diferentes populações ou perpetuar as disparidades existentes. Também é importante realizar análises de subgrupos e validações externas em múltiplas instituições e grupos de pacientes. “A construção de uma IA justa requer colaboração entre médicos, cientistas de dados e especialistas em ética desde o início. O envolvimento de diversas vozes ajuda a identificar potenciais fontes de viés precocemente e garante que as ferramentas de IA sejam projetadas para apoiar um atendimento equitativo”, comenta o Dr. Shouval. À medida que a inteligência artificial avança e se torna parte essencial dos ambientes clínicos e de pesquisa, será fundamental incluir na formação dos hematologistas conceitos como aprendizado de máquina e ciência de dados 14 / 2025 ABHH em Revista 13
RkJQdWJsaXNoZXIy MTg4NjE0Nw==