Triagem de retinopatia diabética com inteligência artificial reduz custos e amplia acesso a pacientes

A implementação de sistemas de inteligência artificial (IA) para a triagem da retinopatia diabética não apenas melhora a eficiência clínica e a adesão ao acompanhamento, mas também gera uma redução significativa de custos para os pacientes. É o que aponta um estudo apresentado no Women in Ophthalmology Summer Symposium. A pesquisa, conduzida por Sophia Guccione e colegas da UMass Chan Medical School, avaliou o impacto econômico e o desempenho clínico dessa tecnologia com foco na padronização do custo-efetividade.

Precisão diagnóstica e impacto econômico

Os pesquisadores realizaram uma revisão de literatura em bases de dados como PubMed, Google Scholar e Scopus, compilando estudos publicados entre 2016 e 2025. A análise focou na economia anual padronizada por paciente em sistemas de saúde da Austrália, China, Cingapura, Tailândia e Reino Unido.

De acordo com os dados apresentados, a triagem baseada em IA para a retinopatia diabética demonstrou níveis de sensibilidade e especificidade superiores a 90% em vários estudos, atingindo ou superando o desempenho de avaliadores humanos em diversos cenários clínicos. Além disso, o diagnóstico no mesmo dia e a análise em tempo real na atenção primária resultaram em maior adesão ao acompanhamento e na conclusão das triagens.

As economias nacionais modeladas decorrentes do uso da IA ultrapassaram 10 milhões de dólares por ano. Na perspectiva do paciente, a economia média anual variou de 2,70 a 155,90 dólares. A pesquisa atribuiu essa redução financeira à menor necessidade de transporte, menos dias de trabalho perdidos e redução de despesas diretas.

"Isso sugere que as análises focadas apenas nos sistemas de saúde podem subestimar o verdadeiro valor da triagem baseada em IA."

Sophia Guccione e pesquisadores da UMass Chan Medical School

Barreiras e escalabilidade do modelo

Embora existam barreiras para a implementação da inteligência artificial — incluindo estruturas de reembolso inconsistentes e lacunas de conhecimento entre pacientes e profissionais de saúde —, o estudo concluiu que a ferramenta é uma solução escalável para melhorar o acesso e os resultados no cuidado da doença.

"Cenários de alta renda com custos trabalhistas mais elevados geralmente mostraram maiores economias por paciente, enquanto cenários de custo mais baixo apresentaram ganhos menores, mas ainda assim positivos."

Autores do estudo

Ponto de atenção clínica: os dados apresentados referem-se a uma análise agregada de literatura exibida em formato de pôster durante simpósio e baseiam-se em modelagens econômicas de diferentes sistemas de saúde internacionais.