A IA Vai Transformar a Saúde: Do Tratamento de Doenças à Verdadeira Otimização da Saúde

Os gastos com saúde nos EUA superam em muito os de outras nações e, ao mesmo tempo, produzem resultados piores — o que a Dra. Nasim Afsar chama de sistema de "tratamento de doenças", voltado para tratar enfermidades em vez de manter a saúde. Esse desalinhamento fundamental decorre do fato de que as decisões de saúde são tomadas com apenas 20% dos dados que determinam a saúde — o que acontece em ambientes clínicos —, enquanto os outros 80% são ignorados: aquilo que ocorre no dia a dia por meio de dieta, sono, estresse e fatores ambientais.

A IA representa a ferramenta mais poderosa disponível para preencher essa lacuna, integrando dados de saúde fragmentados em orientações personalizadas. Afsar imagina sistemas de "saúde inteligente" que combinam dados de dispositivos vestíveis, informações de agenda, padrões de pedidos de comida e prontuários médicos para fornecer recomendações proativas alinhadas aos objetivos das pessoas — como energia e clareza mental —, em vez de apenas gerenciar marcadores de doenças. Por exemplo, a IA poderia prever escolhas alimentares inadequadas induzidas pelo estresse e sugerir proativamente alternativas mais saudáveis.

No entanto, concretizar esse potencial exige uma mudança fundamental de mentalidade de todos os envolvidos — prestadores de serviços, pagadores, empresas farmacêuticas e consumidores — para redirecionar o foco para a saúde do consumidor, em vez de perpetuar os silos institucionais. As ferramentas de IA atuais, como ChatGPT, Claude e Gemini, podem fornecer orientações de saúde baseadas em evidências quando corretamente instruídas, mas os usuários precisam solicitar respostas baseadas em evidências e compreender as limitações, especialmente no que diz respeito a populações sub-representadas, como as mulheres.

A tecnologia para criar sistemas abrangentes de otimização da saúde já existe, mas os desafios de implementação incluem preocupações com privacidade de dados, a necessidade de um design centrado no ser humano e a garantia de que as recomendações da IA sejam baseadas em evidências robustas, e não em dados de treinamento tendenciosos. O sucesso depende de que os consumidores tenham controle sobre seus próprios dados de saúde e de que os sistemas sejam desenvolvidos em torno de objetivos individuais, em vez de abordagens únicas para todos.