Explorar o que é necessário para tornar os diagnósticos baseados em IA fiáveis, passíveis de revisão e práticos na prática clínica quotidiana

A inteligência artificial está a alargar os limites do que os sistemas laboratoriais conseguem detetar, analisar e interpretar. À medida que estas capacidades se aproximam da utilização rotineira, as questões tornam-se mais práticas: será possível validar adequadamente os resultados? E será que as ferramentas de diagnóstico avançadas conseguem funcionar de forma consistente fora do âmbito dos laboratórios altamente especializados?

Estes foram alguns dos temas abordados durante uma visita recente a Ozelle por parte de Prof. Sergio Bernardini, Secretário da Federação Internacional de Química Clínica e Medicina Laboratorial (IFCC). O Prof. Bernardini é também consultor e representante junto do Conselho Executivo da Divisão de Tecnologias Emergentes (ETD) da IFCC. Durante as reuniões com a direção, as equipas de I&D e as equipas médicas da Ozelle, o Prof. Bernardini trocou pontos de vista sobre a forma como a medicina laboratorial está a evoluir com a IA e as tecnologias digitais — desde a hematologia baseada em imagens e a morfologia digital até à validação clínica, à normalização e ao seu papel nos fluxos de trabalho de diagnóstico de rotina.

Incorporar a morfologia no fluxo de trabalho de rotina da hematologia

A hematologia é uma área em que esta mudança já se está a tornar visível. Os exames de hemograma completo de rotina são altamente automatizados, mas a morfologia continua, muitas vezes, a ficar fora do fluxo de trabalho automatizado principal. Quando células anormais ou atípicas exigem uma análise mais aprofundada, os laboratórios podem necessitar de preparação adicional de esfregaços, microscopia e conhecimentos especializados. A Ozelle desenvolveu IA × CBM (Morfologia Sanguínea Completa) para colmatar esta lacuna. Ao combinar a imagiologia celular padronizada com a análise morfológica assistida por IA, esta abordagem integra as imagens celulares, a classificação e a revisão no próprio fluxo de trabalho da hematologia, em vez de tratar a morfologia como uma etapa separada após os exames de hemograma completo de rotina.

Durante a sua visita, o Prof. Bernardini analisou mais de perto O-Cyte 1, o analisador hematológico de alto rendimento da Ozelle, concebido com base nesta abordagem. O O-Cyte 1 foi concebido para integrar a análise morfológica em contextos onde o rendimento também é importante. Processa 60 análises por hora enquanto sistema autónomo, ao passo que a sua arquitetura modular permite expandir a capacidade até 360 análises por hora, à medida que a procura de análises aumenta.

Isto confere à morfologia baseada em imagens um papel mais abrangente na hematologia de rotina. Em vez de se limitar a ser, essencialmente, uma etapa de revisão de menor capacidade de processamento, a morfologia pode passar a integrar o ritmo e o fluxo de trabalho esperados em hospitais, laboratórios e outros contextos de diagnóstico. O O-Cyte 1 também aborda uma questão menos visível, mas igualmente prática: a manutenção. Grande parte do percurso do fluido e dos principais componentes em contacto com o fluido está contida no sistema de consumíveis, em vez de permanecer no interior do analisador durante longos períodos. Manter uma maior parte do manuseamento do fluido dentro do consumível ajuda a manter o sistema interno mais limpo e reduz as necessidades de manutenção de rotina.

Em conjunto, a inteligência morfológica, a rapidez, a capacidade modular e os menores requisitos de manutenção refletem um princípio simples: a morfologia avançada torna-se mais útil quando se adapta à forma como os diagnósticos de rotina funcionam na prática.

Diagnósticos integrados para além do laboratório central

A conversa abordou também a forma como as necessidades de diagnóstico variam entre os diferentes sistemas de saúde. O Prof. Bernardini observou que os testes descentralizados e realizados no local de atendimento não se desenvolvem da mesma forma em todos os lugares. A organização laboratorial, a economia dos cuidados de saúde e os percursos clínicos locais influenciam, todos eles, até que ponto os testes podem, de forma realista, aproximar-se do local onde são necessários. Em sistemas mais centralizados, contextos como farmácias comunitárias, laboratórios privados, clínicas de menor dimensão e unidades de cuidados de saúde primários podem oferecer diferentes oportunidades para um acesso mais alargado aos testes de diagnóstico.

Neste contexto, EHBT-50 despertou particular interesse. O Prof. Bernardini mostrou-se especialmente interessado na forma como o EHBT-50 combina hematologia, imunoensaio e bioquímica numa única plataforma. Em vez de exigir instrumentos separados para as diferentes disciplinas de análise, o sistema reúne vários tipos de informação diagnóstica num único fluxo de trabalho.

O valor não se resume simplesmente a “três funções num único analisador”. Para contextos de cuidados de saúde de menor dimensão ou descentralizados, este dispositivo permite obter um panorama diagnóstico mais abrangente sem aumentar a ocupação de espaço, os custos de manutenção, as necessidades de formação e a sobrecarga no fluxo de trabalho associadas à utilização de vários sistemas autónomos.

Da análise por IA às provas passíveis de revisão

Outro tema recorrente foi o das evidências. À medida que a IA se torna parte integrante do diagnóstico clínico, o desempenho do algoritmo, por si só, não é suficiente. A normalização, a rastreabilidade e a validação clínica são fatores que influenciam a possibilidade de uma nova tecnologia ser utilizada com confiança na prática clínica de rotina.

A morfologia baseada em imagens acrescenta aqui uma dimensão importante. No fluxo de trabalho «IA × CBM» de Ozelle, as classificações assistidas por IA permanecem associadas às imagens celulares subjacentes. Os utilizadores não ficam limitados a um resultado numérico ou categórico; podem também analisar as evidências celulares subjacentes a essa classificação.

Por outras palavras, o resultado não se dissocia das evidências que o geraram. Para Ozelle, este é um aspeto importante de uma IA responsável no âmbito do diagnóstico. O objetivo não é simplesmente melhorar o que um algoritmo consegue reconhecer, mas tornar os seus resultados mais fáceis de analisar, avaliar e validar ao longo do tempo.

A discussão também apontou oportunidades para um intercâmbio científico e académico contínuo sobre a forma como as tecnologias de diagnóstico emergentes podem ser avaliadas e como evidências mais sólidas podem apoiar a sua adoção clínica mais ampla. À medida que a medicina laboratorial se torna mais digital, inteligente e distribuída, o progresso dependerá de mais do que algoritmos mais inteligentes ou analisadores mais capazes. As tecnologias que farão a diferença serão aquelas que se adaptarem aos fluxos de trabalho reais, resistirem ao escrutínio científico e se mantiverem fiáveis na utilização quotidiana.

É essa a orientação subjacente ao trabalho de Ozelle nas áreas da IA × CBM, do diagnóstico integrado e dos sistemas de diagnóstico conectados — fazer com que a IA passe de uma possibilidade técnica para um valor clínico prático e garantir que o diagnóstico inteligente funcione de forma fiável no mundo real.