A intelig\u00eancia artificial est\u00e1 se consolidando progressivamente no setor da sa\u00fade para apoiar diagn\u00f3sticos, o planejamento de tratamentos e a comunica\u00e7\u00e3o com os pacientes. Os hospitais j\u00e1 utilizam sistemas baseados nessa tecnologia para melhorar a detec\u00e7\u00e3o precoce de certos tipos de c\u00e2ncer, otimizar a gest\u00e3o de leitos ou at\u00e9 mesmo simplificar tarefas administrativas. No entanto, sua ado\u00e7\u00e3o introduz um novo tipo de risco: os erros m\u00e9dicos relacionados ao seu uso.<\/p>\n
Um erro m\u00e9dico ocorre quando um paciente sofre um dano n\u00e3o intencional causado pelo atendimento, em vez de pela pr\u00f3pria doen\u00e7a. Tradicionalmente, esses erros eram atribu\u00eddos principalmente a fatores humanos, como lacunas no conhecimento ou falhas de coordena\u00e7\u00e3o. Com a integra\u00e7\u00e3o da intelig\u00eancia artificial, erros tamb\u00e9m podem ocorrer quando resultados gerados por esses sistemas, incorretos ou incompletos, s\u00e3o aplicados nos cuidados. Por exemplo, um modelo de an\u00e1lise de imagens poderia interpretar mal exames m\u00e9dicos, atrasando um diagn\u00f3stico essencial. Da mesma forma, algumas ferramentas poderiam subestimar sintomas para grupos demogr\u00e1ficos espec\u00edficos, influenciando negativamente as decis\u00f5es de cuidado.<\/p>\n
Esses erros podem ter consequ\u00eancias graves para os hospitais. Eles geralmente levam \u00e0 perda de confian\u00e7a dos pacientes e, uma vez tornados p\u00fablicos, causam danos \u00e0 reputa\u00e7\u00e3o da institui\u00e7\u00e3o. Nos Estados Unidos, quase 17.000 queixas por erro m\u00e9dico s\u00e3o registradas todos os anos, com indeniza\u00e7\u00f5es que somam v\u00e1rios bilh\u00f5es de d\u00f3lares. Embora as pesquisas existentes sobre as rea\u00e7\u00f5es do p\u00fablico \u00e0 intelig\u00eancia artificial ainda n\u00e3o tenham estudado diretamente as respostas a erros envolvendo essa tecnologia, alguns estudos sugerem que as pessoas geralmente reagem de forma negativa ao seu uso na pr\u00e1tica m\u00e9dica.<\/p>\n
Um estudo recente explorou essas rea\u00e7\u00f5es por meio de duas experi\u00eancias. A primeira examinou como o p\u00fablico percebe a responsabilidade dos hospitais quando os erros s\u00e3o causados por um m\u00e9dico, por uma intelig\u00eancia artificial ou por ambos. Os participantes leram uma situa\u00e7\u00e3o fict\u00edcia em que uma interpreta\u00e7\u00e3o diagn\u00f3stica inicialmente considerada normal revelou-se errada, resultando em um atraso no tratamento e complica\u00e7\u00f5es para o paciente. Os resultados mostram que os participantes atribuem mais responsabilidade ao hospital e consideram com mais frequ\u00eancia a possibilidade de registrar uma queixa ou ingressar com uma a\u00e7\u00e3o judicial quando o erro envolve intelig\u00eancia artificial, especialmente se ela agiu sozinha. Por outro lado, quando o m\u00e9dico colabora ativamente com a ferramenta, as rea\u00e7\u00f5es negativas em rela\u00e7\u00e3o ao hospital diminuem.<\/p>\n
A segunda experi\u00eancia aprofundou essa quest\u00e3o, variando os tipos de colabora\u00e7\u00e3o entre m\u00e9dicos e intelig\u00eancia artificial. Os participantes foram apresentados a cinco cen\u00e1rios: uma decis\u00e3o tomada apenas por uma intelig\u00eancia artificial, apenas por um m\u00e9dico ou por uma colabora\u00e7\u00e3o entre ambos, com diferentes n\u00edveis de envolvimento humano. Os resultados confirmam que as rea\u00e7\u00f5es mais negativas ocorrem quando a decis\u00e3o inicial \u00e9 baseada apenas na intelig\u00eancia artificial. No entanto, quando o m\u00e9dico examina tanto as \u00e1reas sinalizadas pela ferramenta quanto a totalidade das imagens, integrando as informa\u00e7\u00f5es em seu pr\u00f3prio julgamento, as rea\u00e7\u00f5es do p\u00fablico tornam-se compar\u00e1veis \u00e0s observadas em uma decis\u00e3o puramente humana.<\/p>\n
Esses resultados revelam que a percep\u00e7\u00e3o do p\u00fablico depende menos da tecnologia em si do que da forma como ela \u00e9 integrada aos cuidados. Os hospitais poderiam, portanto, aproveitar essa descoberta, destacando a colabora\u00e7\u00e3o estreita entre m\u00e9dicos e ferramentas tecnol\u00f3gicas. Os pacientes parecem confiar mais nas decis\u00f5es quando o envolvimento dos profissionais de sa\u00fade \u00e9 vis\u00edvel e aprofundado, como no caso em que o m\u00e9dico examina a totalidade dos dados em vez de confiar apenas nos resultados gerados pela ferramenta.<\/p>\n
Essa abordagem poderia ajudar as institui\u00e7\u00f5es a usufruir dos benef\u00edcios da intelig\u00eancia artificial, ao mesmo tempo em que preservam a confian\u00e7a dos pacientes na expertise m\u00e9dica.<\/p>\n
A intelig\u00eancia artificial est\u00e1 se consolidando progressivamente no setor da sa\u00fade para apoiar diagn\u00f3sticos, o planejamento de tratamentos e a comunica\u00e7\u00e3o com os pacientes. Os hospitais j\u00e1 utilizam sistemas baseados nessa tecnologia para melhorar a detec\u00e7\u00e3o precoce de certos tipos de c\u00e2ncer, otimizar a gest\u00e3o de leitos ou at\u00e9 mesmo simplificar tarefas administrativas. No entanto, sua ado\u00e7\u00e3o introduz um novo tipo de risco: os erros m\u00e9dicos relacionados ao seu uso.<\/p>\n
Um erro m\u00e9dico ocorre quando um paciente sofre um dano n\u00e3o intencional causado pelo atendimento, em vez de pela pr\u00f3pria doen\u00e7a. Tradicionalmente, esses erros eram atribu\u00eddos principalmente a fatores humanos, como lacunas no conhecimento ou falhas de coordena\u00e7\u00e3o. Com a integra\u00e7\u00e3o da intelig\u00eancia artificial, erros tamb\u00e9m podem ocorrer quando resultados gerados por esses sistemas, incorretos ou incompletos, s\u00e3o aplicados nos cuidados. Por exemplo, um modelo de an\u00e1lise de imagens poderia interpretar mal exames m\u00e9dicos, atrasando um diagn\u00f3stico essencial. Da mesma forma, algumas ferramentas poderiam subestimar sintomas para grupos demogr\u00e1ficos espec\u00edficos, influenciando negativamente as decis\u00f5es de cuidado.<\/p>\n
Esses erros podem ter consequ\u00eancias graves para os hospitais. Eles geralmente levam \u00e0 perda de confian\u00e7a dos pacientes e, uma vez tornados p\u00fablicos, causam danos \u00e0 reputa\u00e7\u00e3o da institui\u00e7\u00e3o. Nos Estados Unidos, quase 17.000 queixas por erro m\u00e9dico s\u00e3o registradas todos os anos, com indeniza\u00e7\u00f5es que somam v\u00e1rios bilh\u00f5es de d\u00f3lares. Embora as pesquisas existentes sobre as rea\u00e7\u00f5es do p\u00fablico \u00e0 intelig\u00eancia artificial ainda n\u00e3o tenham estudado diretamente as respostas a erros envolvendo essa tecnologia, alguns estudos sugerem que as pessoas geralmente reagem de forma negativa ao seu uso na pr\u00e1tica m\u00e9dica.<\/p>\n
Um estudo recente explorou essas rea\u00e7\u00f5es por meio de duas experi\u00eancias. A primeira examinou como o p\u00fablico percebe a responsabilidade dos hospitais quando os erros s\u00e3o causados por um m\u00e9dico, por uma intelig\u00eancia artificial ou por ambos. Os participantes leram uma situa\u00e7\u00e3o fict\u00edcia em que uma interpreta\u00e7\u00e3o diagn\u00f3stica inicialmente considerada normal revelou-se errada, resultando em um atraso no tratamento e complica\u00e7\u00f5es para o paciente. Os resultados mostram que os participantes atribuem mais responsabilidade ao hospital e consideram com mais frequ\u00eancia a possibilidade de registrar uma queixa ou ingressar com uma a\u00e7\u00e3o judicial quando o erro envolve intelig\u00eancia artificial, especialmente se ela agiu sozinha. Por outro lado, quando o m\u00e9dico colabora ativamente com a ferramenta, as rea\u00e7\u00f5es negativas em rela\u00e7\u00e3o ao hospital diminuem.<\/p>\n
A segunda experi\u00eancia aprofundou essa quest\u00e3o, variando os tipos de colabora\u00e7\u00e3o entre m\u00e9dicos e intelig\u00eancia artificial. Os participantes foram apresentados a cinco cen\u00e1rios: uma decis\u00e3o tomada apenas por uma intelig\u00eancia artificial, apenas por um m\u00e9dico ou por uma colabora\u00e7\u00e3o entre ambos, com diferentes n\u00edveis de envolvimento humano. Os resultados confirmam que as rea\u00e7\u00f5es mais negativas ocorrem quando a decis\u00e3o inicial \u00e9 baseada apenas na intelig\u00eancia artificial. No entanto, quando o m\u00e9dico examina tanto as \u00e1reas sinalizadas pela ferramenta quanto a totalidade das imagens, integrando as informa\u00e7\u00f5es em seu pr\u00f3prio julgamento, as rea\u00e7\u00f5es do p\u00fablico tornam-se compar\u00e1veis \u00e0s observadas em uma decis\u00e3o puramente humana.<\/p>\n
Esses resultados revelam que a percep\u00e7\u00e3o do p\u00fablico depende menos da tecnologia em si do que da forma como ela \u00e9 integrada aos cuidados. Os hospitais poderiam, portanto, aproveitar essa descoberta, destacando a colabora\u00e7\u00e3o estreita entre m\u00e9dicos e ferramentas tecnol\u00f3gicas. Os pacientes parecem confiar mais nas decis\u00f5es quando o envolvimento dos profissionais de sa\u00fade \u00e9 vis\u00edvel e aprofundado, como no caso em que o m\u00e9dico examina a totalidade dos dados em vez de confiar apenas nos resultados gerados pela ferramenta.<\/p>\n
Essa abordagem poderia ajudar as institui\u00e7\u00f5es a usufruir dos benef\u00edcios da intelig\u00eancia artificial, ao mesmo tempo em que preservam a confian\u00e7a dos pacientes na expertise m\u00e9dica.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1038\/s44482-026-00021-x<\/a><\/p>\n Titre\u00a0:<\/strong> Public reactions to hospitals after adverse events involving AI<\/p>\n Revue : <\/strong> npj Digital Public Health<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Jungmin Choi; Yeun Joon Kim; Pengzhao Lyu; Yingyue Luna Luan; Soo Min Toh<\/p>\n","protected":false},"excerpt":{"rendered":" Erros m\u00e9dicos envolvendo intelig\u00eancia artificial aumentam a responsabilidade dos hospitais A intelig\u00eancia artificial est\u00e1 se consolidando progressivamente no setor da sa\u00fade para apoiar diagn\u00f3sticos, o planejamento de tratamentos e a comunica\u00e7\u00e3o com os pacientes. Os hospitais j\u00e1 utilizam sistemas baseados nessa tecnologia para melhorar a detec\u00e7\u00e3o precoce de certos tipos de c\u00e2ncer, otimizar a gest\u00e3o… Continuar lendo Erros m\u00e9dicos envolvendo intelig\u00eancia artificial aumentam a responsabilidade dos hospitais<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[9,4,2],"tags":[],"class_list":["post-30","post","type-post","status-publish","format-standard","hentry","category-ciencia-e-tecnologia","category-politica","category-saude","entry"],"_links":{"self":[{"href":"https:\/\/sociologyanalysisinstitute.com\/pt\/wp-json\/wp\/v2\/posts\/30","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/sociologyanalysisinstitute.com\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/sociologyanalysisinstitute.com\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/sociologyanalysisinstitute.com\/pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/sociologyanalysisinstitute.com\/pt\/wp-json\/wp\/v2\/comments?post=30"}],"version-history":[{"count":1,"href":"https:\/\/sociologyanalysisinstitute.com\/pt\/wp-json\/wp\/v2\/posts\/30\/revisions"}],"predecessor-version":[{"id":31,"href":"https:\/\/sociologyanalysisinstitute.com\/pt\/wp-json\/wp\/v2\/posts\/30\/revisions\/31"}],"wp:attachment":[{"href":"https:\/\/sociologyanalysisinstitute.com\/pt\/wp-json\/wp\/v2\/media?parent=30"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/sociologyanalysisinstitute.com\/pt\/wp-json\/wp\/v2\/categories?post=30"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/sociologyanalysisinstitute.com\/pt\/wp-json\/wp\/v2\/tags?post=30"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}