Modelagem econômica em saúde de simulação de um sistema de apoio à decisão clínica habilitado por IA para revascularização coronária

Escolhas mais inteligentes para o cuidado do coração

Pessoas com obstruções graves nas artérias do coração frequentemente enfrentam uma escolha difícil entre medicação, procedimentos minimamente invasivos ou cirurgia cardíaca aberta. Este estudo faz uma pergunta simples, porém importante: se os médicos tivessem auxílio de uma poderosa ferramenta de inteligência artificial (IA) que prevê saúde e custos futuros, os pacientes poderiam viver melhor enquanto o sistema de saúde economiza dinheiro? Usando dados reais de dezenas de milhares de canadenses com doença cardíaca, os pesquisadores mostram que um guia por IA poderia muitas vezes recomendar um tratamento diferente do que foi efetivamente aplicado — e que essas mudanças poderiam tanto melhorar os desfechos quanto reduzir os gastos.

Três caminhos diferentes para um coração doente

Quando as artérias que irrigam o coração se estreitam, os médicos normalmente consideram três opções principais. Uma é apenas medicação, usando remédios para controlar sintomas e fatores de risco. Outra é um procedimento por cateter que abre vasos obstruídos de dentro. A terceira é a cirurgia de revascularização (ponte), que desvia o fluxo sanguíneo ao redor das artérias entupidas usando vasos retirados de outras partes do corpo. Grandes ensaios clínicos compararam essas opções em grupos selecionados de pacientes, mas os casos do mundo real costumam ser mais complexos do que as pessoas que se inscrevem em estudos. Idade, outras doenças, anatomia e preferências pessoais podem tornar a escolha incerta, deixando médicos e pacientes para navegar essa incerteza.

O que o sistema de IA realmente faz

A equipe avaliou um sistema de apoio à decisão impulsionado por IA chamado Revaz AI. Ele foi treinado com dados de mais de 42.000 pacientes que realizaram imagens das artérias coronárias em Alberta, Canadá. Para cada novo paciente, e para cada uma das três opções de tratamento, o Revaz AI prevê as chances de morrer ou sofrer problemas cardíacos importantes nos próximos três e cinco anos. Os pesquisadores então inseriram essas previsões em um modelo computacional detalhado que acompanha cada paciente pelo resto da vida, contabilizando duas coisas: os custos do cuidado e a quantidade de tempo passado em boa saúde, medida como "anos de vida ajustados pela qualidade" (QALYs), uma maneira padrão de combinar duração e qualidade de vida em um único número.

Testando diferentes formas de os médicos usarem a IA

Usando prontuários de 25.942 pacientes reais, os autores reproduziram a história em um palco virtual. Para cada pessoa, o modelo simulou o que teria acontecido sob os três tratamentos, guiado pelas previsões de risco do Revaz AI. Em seguida, compararam esses futuros simulados com o que realmente ocorreu, sob três regras hipotéticas de como os médicos poderiam usar a ferramenta de IA. Na primeira regra, os médicos escolhiam a opção que oferecia a melhor combinação de custo e saúde, assumindo que o sistema de saúde estaria disposto a pagar um valor padrão por cada ano extra de vida em boa qualidade. Na segunda, os médicos ignoravam o custo e escolhiam a opção que produzisse o maior número de anos de vida saudável. Na terceira, mais cautelosa, os médicos mantinham seu plano original a menos que a IA sugerisse um tratamento diferente que claramente melhorasse a qualidade de vida esperada do paciente.

Grandes mudanças em direção à cirurgia e melhor valor

Ao longo desses cenários, as escolhas guiadas pela IA frequentemente diferiram das decisões originais, mudando mais comumente os pacientes em direção à cirurgia de revascularização em vez de procedimentos por cateter ou apenas medicação. Sob a regra consciente de custos, quase três quartos dos pacientes na análise principal teriam recebido um tratamento diferente, resultando em média tanto em menores custos ao longo da vida quanto em mais tempo em boa saúde. Mesmo sob a regra cautelosa, em que os médicos mudavam de curso apenas quando a IA mostrava benefício claro, mais da metade dos pacientes teria sido tratada de forma diferente, novamente com modestos cortes de custo e ganhos de saúde significativos. Quando o modelo se concentrou puramente em maximizar anos de vida saudável, algumas estratégias tornaram-se mais caras no total, mas ainda ofereceram bom custo‑benefício segundo padrões comuns de política de saúde.

Por que esses resultados importam — e seus limites

O estudo sugere que o apoio à decisão baseado em IA poderia ajudar os sistemas de saúde a obter mais benefício de cada dólar gasto em cuidados cardíacos complexos. Ao adaptar escolhas ao futuro previsto de cada paciente — não apenas à anatomia de hoje — a ferramenta frequentemente favorece tratamentos que custam mais inicialmente, mas previnem procedimentos repetidos e hospitalizações posteriores, especialmente a cirurgia de ponte. No entanto, os achados representam uma estimativa de melhor cenário. O modelo assume que as previsões de risco da IA são precisas, que os médicos podem sempre seguir suas recomendações, e que pacientes futuros se assemelham aos dos dados de Alberta e aos antigos ensaios clínicos. Na vida real, capacidade cirúrgica, fragilidade dos pacientes, preferências pessoais e técnicas médicas em evolução vão limitar o quão próximo da simulação ideal a prática pode chegar.

O que isso significa para pacientes e sistemas de saúde

Para os pacientes, a mensagem não é que um computador deva decidir seu tratamento, mas que o uso melhor dos dados pode afinar a conversa com seus médicos. Para os sistemas de saúde, o trabalho mostra que a IA não é apenas um gadget de alta tecnologia, mas uma ferramenta que poderia melhorar de forma significativa tanto os desfechos quanto os orçamentos quando integrada ao cuidado de forma cuidadosa. Antes que tais sistemas possam ser amplamente adotados, ensaios clínicos randomizados precisarão confirmar que usar IA em clínicas reais realmente muda decisões do modo previsto por esta simulação — e que essas mudanças se traduzem em vidas mais longas e mais saudáveis a custos aceitáveis.

Citação: Mullie, T., Puri, A., Bogner, E. et al. Health economic simulation modeling of an AI-enabled clinical decision support system for coronary revascularization. npj Digit. Med. 9, 249 (2026). https://doi.org/10.1038/s41746-026-02430-x

Palavras-chave: doença arterial coronariana, inteligência artificial, apoio à decisão clínica, economia da saúde, cirurgia de ponte de safena