A Lacuna de Interpretação

Os laboratórios clínicos na Alemanha produzem cerca de nove milhões de resultados por dia [1]. Volto sempre a esse número, porque ele esconde uma inversão estranha: a parte da medicina laboratorial que automatizamos é a parte que costumava ser trabalho pesado, mas a parte que deixamos manual é a que sempre foi a mais importante.

Um resultado é um número. O que o médico assistente precisa é de uma frase: “Este padrão, neste paciente, muito provavelmente significa X; faça Y a seguir.” Na prática, o contexto clínico necessário para recomendar o próximo passo nem sempre está disponível para o laboratório; uma melhor integração com os dados do paciente será essencial. Essa frase ainda é escrita como era escrita em 1990: por um de um pequeno número de especialistas experientes, caso a caso, geralmente no fim do dia.

E a fila diante desses especialistas está crescendo. Os pedidos de histopatologia aumentam quatro a cinco por cento ao ano [2]. Enquanto isso, o censo de 2025 do Royal College of Pathologists constatou que 78 por cento dos patologistas consideram o quadro de pessoal inadequado, e 47 por cento passaram dos cinquenta [3]. A aritmética da aposentadoria cada um pode fazer por conta própria.

A parte desconfortável: a automação ajudou a criar as condições para esse gargalo. Quando produzir mais um resultado se torna barato e rotineiro, os volumes de testes sobem junto. Cada painel extra gera então demanda extra por julgamento, a única coisa no formulário de requisição que nenhum analisador produz. Volumes crescentes não são toda a história causal; populações envelhecidas e menus de testes mais amplos têm seu papel. Ainda assim: a medição escalou, a interpretação não, e a lacuna entre elas vem se acumulando silenciosamente há décadas.

A linha de base dos especialistas é mais ampla do que admitimos

Sempre que alguém propõe apoio de IA para interpretação, a primeira objeção é sempre a mesma: ela consegue igualar o especialista?

Pergunta justa, linha de base errada. Veja o que os próprios esquemas de garantia de qualidade da área continuam encontrando, e vêm encontrando há mais de vinte anos. Em um exercício de EQA no Reino Unido em 2026, cerca de 300 laboratórios interpretaram os mesmos resultados de cortisol. Para um cortisol matinal claramente baixo de 122 nmol/L, 68 por cento escolheram o código que a diretriz NICE espera. Ou seja, cerca de um terço não escolheu. Para um valor intermediário perto de 307 nmol/L, ficou pior: a interpretação mais popular não era a resposta da diretriz [4]. Lim e colegas documentaram o mesmo fenômeno em 2004, com comentários sobre casos idênticos variando de excelentes a, nas palavras deles, perigosos [5]. Duas décadas de distância, mesmo achado. Essa é uma propriedade persistente do sistema, e não apenas um ano ruim.

Nada disso significa que os laboratórios sejam descuidados. Significa que a interpretação manual em escala produz naturalmente uma dispersão, e a dispersão é mais ampla do que pensamos. Plebani et al., por exemplo, situam a fase pós-analítica em cerca de um quarto de todos os erros laboratoriais [6], e a interpretação está bem no meio dela.

Portanto, a verdadeira questão não é se uma máquina consegue igualar algum especialista impecável. Esse especialista é uma ficção. A questão é se a interpretação rascunhada por máquina e assinada por especialista supera a dispersão documentada da prática atual.

E uma interpretação significativa vale a luta: quando os médicos do laboratório acrescentam um comentário escrito, os clínicos relatam que isso lhes poupa tempo em cerca de 80 por cento dos casos e ajuda a evitar um diagnóstico errado em cerca de 70 por cento [7].

Por que texto estático não resolve a variação

Os laboratórios não são ingênuos quanto à carga de trabalho, e quase ninguém escreve cada comentário do zero. A solução padrão é a biblioteca de blocos de texto: várias centenas de comentários pré-escritos, cada um com seus valores de referência e formulação de diretriz embutidos, reutilizados milhares de vezes.

Visto assim, parte da divergência observada na EQA deixa de surpreender. Trezentos laboratórios, trezentas bibliotecas privadas envelhecendo lentamente. Esse arranjo não pode ser toda a explicação para a variação, mas é um contribuinte estrutural, e é o que de fato podemos corrigir.

Bibliotecas estáticas congelam o pensamento: fixam valores de referência e a redação da diretriz no momento da escrita, e nada as expira quando a medicina avança. A correção precisa inverter a arquitetura: gerar a interpretação quando o resultado é lido, contra a diretriz e os valores de referência vigentes naquele dia, para aquele paciente, e não recuperada de um cache desatualizado.

Rascunhar e assinar

O fluxo de trabalho proposto seria assim: o caso entra com seus resultados e contexto clínico. O sistema escreve uma primeira interpretação, estruturada como um especialista a estruturaria, fundamentada nas diretrizes atuais, com a evidência por trás de cada afirmação visível. O especialista lê, corrige o que precisa ser corrigido e assina.

Um limite importa aqui, clínica e legalmente: esse sistema não toma decisão autônoma de diagnóstico ou tratamento. Ele produz um rascunho vinculado a evidências para um profissional verificar, alterar e assinar. A decisão clínica, e a responsabilidade que vem com ela, nunca muda de lugar.

Uma objeção razoável é que isso apenas acrescenta uma etapa. Não acrescenta, porque escrever e verificar são tipos diferentes de trabalho. Quem já revisou o laudo de um colega conhece a sensação: produzir o texto leva uma noite, encontrar a falha no texto de outra pessoa leva minutos. Gerar uma interpretação significa equilibrar a diretriz, as faixas, o padrão e a redação ao mesmo tempo. Verificar uma significa reagir a uma proposta concreta. Especialistas são rápidos no segundo e se esgotam no primeiro.

Se a máquina consegue carregar a metade da escrita é uma pergunta à parte. A evidência recente é animadora: quando se fornece a um grande modelo de linguagem os resultados laboratoriais reais, sua acurácia diagnóstica melhora, em até 30 por cento em uma avaliação [8]. Um copiloto específico de patologia marcou 90,5 por cento em questões diagnósticas com contexto clínico, onde um modelo geral alcançou 63,5 [9]. Um estudo no The Oncologist este ano constatou que o ChatGPT propôs mais opções terapêuticas do que um tumor board molecular humano, mediana de três contra uma, em menos da metade do tempo; a própria conclusão dos autores foi que o futuro é um híbrido de especialista e máquina [10]. Um corpo crescente de evidências sugere viabilidade, mas provavelmente será necessária validação prospectiva para cada fluxo de trabalho pretendido.

Concretamente, um teste justo de rascunhar-e-assinar mediria o fluxo de trabalho completo, não o modelo: tempo por interpretação; concordância com as diretrizes atuais contra a linha de base dos blocos de texto; taxa de erros clinicamente significativos, que deve ser igual ou menor; taxa de edições humanas substantivas, que deve ser real e continuar real; e vigilância do revisor ao longo do tempo, porque o modo de falha que vale temer não é a semana um, é o mês seis. Se esses números não se sustentarem, a ideia não merece implantação, digam o que disserem as pontuações de benchmark.

Essa última métrica é a que mais importa. Um estudo de consultorias de infectologia geradas por IA encontrou menos de duas em cada cinco respostas totalmente inofensivas. O detalhe que deveria nos preocupar mais: os revisores mais propensos a deixar passar respostas falhas eram os especialistas seniores [11]. Rascunhos fluentes convidam ao carimbo automático, e a experiência aparentemente torna mais fácil, e não mais difícil, passar por cima de um erro confiante.

Portanto, “humano no circuito” é onde a segurança começa, não onde termina. Um sistema bem-sucedido e conforme precisa tornar a revisão genuína fácil e a revisão preguiçosa desconfortável. Mostrar qual trecho da diretriz sustenta cada afirmação. Mostrar os valores de referência usados. Dizer “incerto” em voz alta em vez de suavizá-lo em prosa fluente. Se a assinatura algum dia se tornar uma formalidade, todo o arranjo terá falhado, digam o que disserem as estatísticas de acurácia.

Um grande estudo recente nos EUA examinou padrões emergentes de segurança na interface entre clínicos e IA, destacando os benefícios de modelos especializados sobre LLMs de uso geral [12]. Se o fluxo de trabalho for bem projetado, o julgamento combinado de humano e máquina pode levar a decisões clínicas mais consistentes.

Escalar o rascunho, preservar o julgamento

Se a arquitetura se provar aqui, a pergunta interessante passa a ser até onde o padrão se estende: um especialista escrevendo uma síntese da qual outros dependem descreve mais de uma função em um hospital. Mas esse é um caso para outro artigo, com sua própria evidência. Como os chatbots de uso geral lidam hoje com perguntas clínicas: veja a nossa comparação do ChatGPT para uso clínico.

Este termina onde começou. Construímos máquinas que respondem “qual é o número?” nove milhões de vezes por dia, e observamos o que acontece quando “o que ele significa?” fica a cargo de um grupo cada vez menor de pessoas trabalhando com bibliotecas envelhecidas de textos prontos.

Podemos fazer melhor.

FAQ: IA e interpretação de resultados laboratoriais

A IA consegue interpretar análises clínicas?

Grandes modelos de linguagem conseguem escrever rascunhos úteis de interpretação, e a precisão melhora quando o modelo recebe os valores laboratoriais reais, até 30 por cento numa avaliação [8]. O rascunho não é um diagnóstico: um especialista tem de verificar, corrigir e assinar antes de chegar ao médico assistente.

O que é rascunhar-e-assinar (draft and sign) na medicina laboratorial?

Um fluxo de trabalho em que um sistema de IA escreve a primeira interpretação de um resultado, fundamentada nas diretrizes atuais e com a evidência visível, e um especialista de laboratório a verifica e assina. A decisão clínica e a responsabilidade permanecem com o profissional.

Porque é que as bibliotecas de blocos de texto não chegam?

Os blocos de texto estáticos congelam valores de referência e formulações de diretrizes no momento em que são escritos, e cada laboratório mantém os seus. Os programas de avaliação externa da qualidade continuam a encontrar grande variação entre laboratórios que interpretam o mesmo caso.

Ter um humano no circuito torna a interpretação por IA segura?

Só se a revisão for genuína. Num estudo de consultas de infecciologia geradas por IA, foram os especialistas seniores quem mais aprovou respostas com falhas [11]. Um sistema seguro facilita a verificação e dificulta o carimbo automático, por exemplo mostrando a passagem da diretriz que sustenta cada afirmação.