A IA não vai salvar o SNS. Mudar o que se mede, sim.

Alguém apresenta uma ferramenta/solução promissora, os dados mostram resultados encorajadores num projeto-piloto, toda a gente concorda que é o caminho e, alguns meses depois, ninguém consegue explicar muito bem porque é que não avançou. Conheço esta conversa de dentro. Já estive dos dois lados da mesa. Não sei qual deles gosto menos.

O que aprendi, ao longo de anos a trabalhar na intersecção entre gestão clínica e tecnologia, é que o obstáculo raramente é aquilo que parece ser. Não é o algoritmo. Não é o investimento. Não é sequer a resistência dos profissionais de saúde, que é muito menos monolítica do que os lugares-comuns sugerem. O obstáculo está naquilo que os sistemas medem e, por extensão, naquilo que valorizam.

Existe uma ironia que me acompanha em várias (boas) conversas há algum tempo e que nunca vi formulada com clareza suficiente. As grandes empresas de tecnologia estão neste momento a gastar fortunas para construir datasets de saúde a partir do zero. Compram registos, fazem parcerias com clínicas privadas, recrutam equipas inteiras de engenheiros de dados para tentar replicar algo que os sistemas públicos de saúde europeus já têm, em escala e com uma profundidade histórica que nenhum actor privado conseguirá igualar: décadas de trajectórias de doença reais, de uma população inteira, desde a prevenção até aos cuidados paliativos.

Esses dados existem. Estão nos hospitais, nos centros de saúde (as USF’s), nos registos de urgência e nas plataformas de continuidade de cuidados. E, na sua esmagadora maioria, estão a dormir. Fragmentados entre serviços, inacessíveis para investigação sistemática, invisíveis para quem poderia transformá-los em decisões melhores.

Não é uma questão técnica. É uma questão de arquitectura organizacional.

Quando se fala de inteligência artificial em saúde, o debate vai quase sempre para o mesmo sítio: diagnóstico por imagem, descoberta de novos fármacos, medicina personalizada. São avanços reais e com valor clínico demonstrado. Mas têm um denominador comum que raramente é dito em voz alta: são desenvolvidos maioritariamente fora dos sistemas públicos, com dados que não representam a complexidade das populações que mais precisam de cuidados, e têm enorme dificuldade em escalar para contexto real.

A fronteira onde vejo a oportunidade maior, e onde os sistemas públicos têm uma vantagem competitiva que ainda não perceberam que têm, é outra. É usar inteligência artificial não apenas para tratar melhor, mas para gerir melhor. Para perceber onde o sistema está a desperdiçar recursos que não tem de sobra. Onde os doentes se perdem entre serviços sem que ninguém seja responsável pela trajectória completa. Onde uma intervenção simples e precoce poderia evitar uma urgência cara e traumatizante.

Não é sexy. Não vai aparecer numa capa de revista com uma ilustração de neurónios. Mas o impacto, em termos económicos e humanos, é provavelmente maior do que o de qualquer outra aplicação de IA em saúde que esteja hoje em discussão.

Um número ajuda a perceber do que estou a falar. O SNS gastou, num único ano, 350 milhões de euros a manter doentes internados em camas hospitalares que já não precisavam de lá estar por razões clínicas. Pessoas com alta médica, clinicamente estáveis, à espera de uma solução social ou de continuidade de cuidados que o sistema não consegue coordenar a tempo. Ao mesmo tempo, havia centenas de vagas disponíveis em estruturas de apoio que simplesmente não foram activadas.

Não trago isto como crítica política. Isso não resolve problemas. Trago como diagnóstico técnico, porque é isso que é. Um sistema com rastreio adequado do estado clínico e social dos seus utentes não produz este resultado; não porque a tecnologia resolva tudo, mas porque torna visível o que hoje é completamente opaco. E o que é opaco não pode ser gerido.

Trezentos e cinquenta milhões de euros. Numa única rubrica. Num único ano.

Então porque é que a adopção de soluções para este tipo de problema é tão lenta, mesmo quando os casos de uso são claros e os benefícios são documentados?

A resposta que encontro, sistematicamente, não é tecnológica. É estrutural.

Os sistemas públicos de saúde foram desenhados para prestar cuidados, não para aprender com eles. A sua lógica de funcionamento está construída à volta de episódios clínicos; cada consulta, cada internamento, cada urgência existe como um evento com início e fim, com o seu próprio registo e o seu próprio responsável. A visão longitudinal do doente, que é precisamente o que permite à inteligência artificial identificar padrões, antecipar crises e optimizar percursos, existe nos dados mas não existe na forma como as decisões são tomadas no dia-a-dia.

A isto junta-se um problema de incentivos que é simultaneamente simples e difícil de resolver. Num sistema que mede actividade em vez de resultados, a pressão recai naturalmente sobre o volume de actos praticados. Implementar uma ferramenta que reduza internamentos, que liberte camas mais cedo ou que evite readmissões pode ser economicamente correcto para o sistema como um todo, mas raramente é reconhecido como uma conquista ao nível onde as decisões operacionais acontecem. As organizações comportam-se de acordo com aquilo que medem. Os sistemas de saúde, na sua generalidade, continuam a medir as coisas erradas.

O passo que falta não é mais tecnologia. É uma decisão sobre o que passa a contar.

Os sistemas de saúde que vão fazer a diferença na próxima década não serão necessariamente os mais financiados ou os que comprarem as plataformas mais sofisticadas. Serão os que tiverem a coragem de mudar aquilo que reportam. Passar a contar doentes que não voltaram à urgência, em vez de urgências realizadas. Perguntar quanto tempo uma cama foi ocupada pela razão errada, em vez de quantas camas estiveram ocupadas. Medir o percurso, não o episódio.

Esta mudança parece administrativa. Não é. É a única forma de criar pressão interna genuína para que a tecnologia seja adoptada onde resolve problemas reais em vez de onde é mais fácil de demonstrar em PowerPoint.

A Europa tem tudo o que precisa para ser a referência mundial em inteligência artificial aplicada à gestão de saúde. Dados em escala, sistemas universais, cobertura populacional que os modelos privados americanos nunca conseguiram replicar. O que falta não cabe num orçamento de inovação. Cabe numa decisão sobre o que passa a ser obrigatório medir, explicar e melhorar.

Enquanto essa decisão não for tomada, vamos continuar a ter algoritmos sofisticados aplicados a problemas secundários, enquanto os problemas primários se resolvem com reuniões, formulários e boa vontade.

O laboratório existe. Está por abrir.