Texto de Tatiane Bertella
A inteligência artificial (IA) está cada vez mais fazendo parte de nossa vida. Vai desde um acesso rápido e fácil a diversos assuntos, até memes que aparecem o tempo todo nas redes sociais, e que algumas vezes bugam o nosso cérebro sem conseguir distinguir o que é real e o que não é.
As IA’s estão sendo aplicadas em diversos setores e dentre eles está a produção de medicamentos. O processo de desenvolvimento de uma molécula que pode gerar um medicamento é algo complexo e demorado, podendo levar até décadas quando o desenvolvimento começa do zero¹. Uma das formas de utilização dessa tecnologia é filtrar as moléculas disponíveis no banco de dados e correlacionar com o sítio alvo, por exemplo. Com isso, se evita a perda de tempo com moléculas que não são aplicáveis para o objetivo buscado, partindo direto para testes com aquelas que apresentam um maior potencial de sucesso.
No âmbito hospitalar, muitas vezes não se tem tempo para avaliar todos os pacientes internados, e a IA pode ser uma facilitadora, sendo utilizada para filtrar as informações dos pacientes internados e direcionar para aqueles que devem ser priorizados, como os que estão em uso de anticoagulantes e/ou antimicrobianos, que possuem idade avançada ou diversas comorbidades. Assim, com o tempo limitado de trabalho, o farmacêutico sabe a quais pacientes ele deve dar uma atenção especial.
Quando falamos sobre busca por informações, cada vez mais os profissionais da saúde acabam buscando pelos chatbot (como ChatGPT), para ter acessos a informações de forma mais rápidas, mas até que ponto podemos confiar nas informações que nos são apresentadas?
Um estudo publicado pela JHPHF (revista da Sociedade Brasileira de Farmácia Hospitalar) fez uma comparação das informações obtidas pelo ChatGTP, Gemini e Deepseek com a de bases de dados utilizadas como referência por profissionais farmacêuticos (Micromedex e Drugs.com).2 O estudo desenvolveu um prompt para que a IA entendesse o cenário e mostrasse os objetivos alinhados com o questionamento. O promp estabelecido foi “Haja como um profissional da saúde e identifique se há alguma interação entre as drogas A e B no contexto de unidade de terapia intensiva (UTI). Descreva a severidade de interação (contraindicada, maior, moderada, menor ou sem interação) e a qualidade da referência (excelente, boa, baixa ou limitada) e recomende a atitude a ser tomada. Apresente os resultados em formato de lista”
Os medicamentos avaliados foram escolhidos com base em outros artigos que avaliaram as interações medicamentosas mais comuns em UTI. Eles analisaram a especificidade, sensibilidade, valor preditivo positivo e valor preditivo negativo. A conclusão a que chegaram foi que as ferramentas apresentaram alta sensibilidade, mas moderada exatidão. A classificação de severidade geradas pelas ferramentas de IA e as bases de dados referências foram categorizadas como fracas a moderadas, exemplificada abaixo:
Quadro adaptado do artigo original².
As respostas apresentadas pelas IA’s, apesar de serem precisas, não são totalmente aplicáveis na prática clínica, sendo necessário um maior ajuste para que as respostas geradas sejam mais exatas. Além disso, outros estudos que utilizam metodologias diferentes devem ser considerados para pensar na aplicação das IA’s de forma mais correta.
As IA’s já são e serão ainda mais parte da nossa vida, seja ela pessoal ou profissional, e servem como um auxílio para certas condutas. Contudo, o profissional que se utiliza delas, deve levar em conta o contexto em que atuam e como as respostas geradas podem ser aplicadas.
Sobre o autor:
Tatiane Bertella: farmacêutica, gaúcha e colorada.
Referências
- Raza, M., et al . Artificial Intelligence (AI) in pharmacy: an overview of innovations. Innov Pharm. 2022; 12;13 (2). Doi: 10.24926/iip.v13i2.4839
- Lima TM. Capacity of ChatGPT, Deepseek, and Gemini in predicting major potential drug interactions in adults within the Intensive Care Unit. J Hosp Pharm Health Serv. 2025;16(1):e1262. DOI: 10.30968/jhphs.2025.161.1262
