A inteligência artificial identifica as melhores estratégias para combater o cancro.

Um novo instrumento orientado por dados está a mudar discretamente as regras do jogo.

Usando inteligência artificial, investigadores analisaram dados de saúde de quase todos os cantos do planeta para perceber que investimentos contra o cancro salvam efetivamente mais vidas - país a país.

A IA passa da previsão à prescrição nas políticas de cancro

Durante anos, a IA em oncologia significou sobretudo análise de imagens, pontuações de risco e diagnóstico precoce. Desta vez, o foco é diferente. O objetivo não é ajudar um médico com um doente, mas orientar estratégias nacionais contra o cancro.

A equipa de investigação alimentou um modelo de aprendizagem automática com dados de 185 países. Combinaram números de incidência e mortalidade por cancro com indicadores como despesa pública em saúde, cobertura por seguro, acesso à radioterapia e densidade de profissionais de saúde.

Ao ligar quantas pessoas desenvolvem cancro com quantas morrem devido a ele, o modelo de IA identifica que políticas de saúde fazem a maior diferença na sobrevivência.

Em vez de depender de opinião de especialistas ou de prioridades políticas, o sistema hierarquiza quais as alavancas que trazem os maiores ganhos em cada contexto específico. Num país, expandir a cobertura universal de saúde pode ser a medida mais poderosa. Noutro, construir mais unidades de radioterapia pode importar muito mais do que adicionar novos medicamentos.

O que dizem os dados globais sobre a sobrevivência ao cancro

Para comparar sistemas de saúde muito diferentes, os investigadores concentraram-se num indicador-chave: o rácio mortalidade/incidência. Mede quantas pessoas morrem de cancro em comparação com quantas são diagnosticadas.

Um rácio baixo sugere que as pessoas com cancro têm melhor acesso a cuidados eficazes, desde a deteção precoce ao tratamento e ao seguimento. Um rácio alto aponta para diagnósticos tardios, serviços de saúde frágeis, ou ambos.

O modelo de IA explica por que razão este rácio é melhor nuns países do que noutros e destaca as políticas que mais fortemente o fazem descer.

Os três pesos-pesados globais: dinheiro, cobertura e radioterapia

Em todo o planeta, três fatores surgem repetidamente como particularmente influentes:

• Riqueza nacional por pessoa (PIB per capita): países mais ricos tendem a ter sistemas de saúde mais robustos e melhor sobrevivência.
• Cobertura universal de saúde: quando mais pessoas estão seguradas ou protegidas de pagamentos diretos, menos doentes abandonam os cuidados.
• Acesso à radioterapia: uma maior densidade de centros de radioterapia está associada a melhores resultados em muitos cancros comuns.

Isto não significa que o dinheiro, por si só, resolva o cancro. Os resultados da IA sugerem que a forma como os fundos são usados, e quem consegue chegar aos serviços, importa tanto quanto o montante. Dois países com rendimentos semelhantes podem ainda assim ter taxas de mortalidade muito diferentes se um tiver cobertura ampla e percursos oncológicos eficientes, e o outro não.

País a país: diferentes alavancas, diferentes ganhos

O quadro fica mais nítido ao observar países individuais:

• Brasil: o modelo mostra que alargar a cobertura de saúde geraria melhorias particularmente grandes na sobrevivência, sinalizando que muitos doentes ainda ficam sem resposta.
• Polónia: o acesso à radioterapia destaca-se como prioridade, sugerindo que falhas de equipamento ou distribuição desigual de centros limitam as opções de tratamento.
• Japão: novamente, a capacidade de radioterapia pesa muito, mesmo num sistema de saúde relativamente rico.
• Estados Unidos: a riqueza nacional mantém-se uma influência importante, mas os resultados da IA apontam para desigualdades persistentes em quem beneficia dessa riqueza.

Estas conclusões alimentam uma ferramenta online que permite aos decisores testar cenários: o que acontece à sobrevivência se um país aumentar a radioterapia em 20% ou se a cobertura se expandir primeiro para zonas rurais?

País	Principal alavanca identificada pela IA	Foco provável da política
Brasil	Cobertura de saúde	Expandir o seguro público e reduzir despesas diretas
Polónia	Acesso à radioterapia	Aumentar máquinas e pessoal qualificado, reduzir tempos de espera
Japão	Densidade de radioterapia	Modernizar e redistribuir unidades de tratamento
Estados Unidos	Uso da riqueza nacional	Enfrentar desigualdades no acesso a cuidados de alta qualidade

A IA como volante das estratégias contra o cancro

A verdadeira novidade reside em como estes resultados podem ser usados. Em vez de relatórios estáticos que descrevem desigualdades, a IA funciona como uma ferramenta de decisão dinâmica. Ministros, seguradoras e planeadores hospitalares podem perguntar: onde é que cada milhão adicional de libras ou dólares evita mais mortes?

A tecnologia oferece algo que os políticos raramente têm: uma lista hierarquizada, baseada em evidência, de prioridades ajustadas à sua própria população e orçamento.

Em países de baixo e médio rendimento, onde os recursos são escassos, este tipo de orientação é ainda mais importante. O modelo pode indicar se se deve começar por laboratórios básicos de anatomia patológica, acesso a quimioterapia ou máquinas de radioterapia, dependendo dos cancros mais comuns e dos serviços já existentes.

Para países mais ricos, a ferramenta pode sinalizar estrangulamentos ocultos. Longas listas de espera para radioterapia, cobertura irregular em áreas rurais ou falta de enfermeiros de oncologia podem surgir como alavancas com impacto surpreendentemente elevado no rácio mortalidade/incidência.

Riscos desiguais, respostas à medida

O cancro não é uma única doença. Cancro da mama, do pulmão, colorretal e da próstata, entre outros, têm fatores de risco e percursos de tratamento próprios. Ainda assim, a nível populacional, o modelo de IA consegue identificar padrões na forma como os sistemas respondem.

Alguns países têm bom desempenho em cancros facilmente tratáveis quando detetados cedo, mas mau desempenho naqueles que exigem cuidados complexos e de longo prazo. Outros mostram o inverso, sugerindo que programas de rastreio ou sistemas de seguimento estão desalinhados com a carga real da doença.

Ao ligar resultados a características do sistema, a IA ajuda os governos a decidir se devem investir primeiro em rastreio, em infraestruturas de tratamento ou em formação de recursos humanos.

Termos-chave em que o estudo se apoia

Alguns conceitos técnicos sustentam os resultados do modelo:

• Rácio mortalidade/incidência (MIR): uma medida aproximada de sobrevivência a nível populacional. Um MIR mais baixo significa que mais pessoas sobrevivem após um diagnóstico de cancro.
• Cobertura universal de saúde: não apenas seguro, mas a ideia de que as pessoas conseguem aceder a cuidados oncológicos sem serem empurradas para a pobreza.
• Aprendizagem automática: algoritmos que identificam padrões em grandes conjuntos de dados, desorganizados, sem receber instruções passo a passo.

Estas medidas estão longe de ser perfeitas. Escondem desigualdades dentro de cada país e não captam todas as nuances dos cuidados oncológicos. Ainda assim, oferecem um retrato mais nítido do que a despesa, por si só.

O que isto pode significar em cenários da vida real

Imagine um país de rendimento médio a enfrentar um aumento rápido de cancro da mama e do colo do útero. O conselho tradicional poderia ser “gastar mais em oncologia”. Uma análise orientada por IA poderia mostrar que o maior ganho em sobrevivência viria de uma combinação diferente: vacinação contra o HPV, anatomia patológica básica em hospitais distritais e unidades móveis de rastreio ligadas a uma rede de referenciação.

Num país de alto rendimento com bons hospitais mas longos atrasos, o modelo pode sugerir que investir em pessoal para reduzir tempos de espera para biópsia e radioterapia evitaria mais mortes do que comprar o mais recente medicamento oncológico de custo muito elevado.

Ao simular estas compensações antes de gastar dinheiro, os governos podem evitar pontos cegos dispendiosos e projetos politicamente apelativos, mas de baixo impacto.

Há riscos. Modelos de IA dependem da qualidade dos dados, e os registos oncológicos continuam incompletos em muitas regiões. Se países de baixo rendimento tiverem casos subnotificados, o modelo pode subestimar as suas necessidades. Há também o perigo de decisores tratarem os resultados da IA como verdade absoluta, sem questionar enviesamentos ou variáveis em falta, como barreiras culturais ao acesso aos cuidados.

Ainda assim, usada de forma transparente e em conjunto com conhecimento local, este tipo de IA pode atuar como um poderoso amplificador do planeamento em saúde pública. Combinada com epidemiologia de fatores de risco como tabaco ou poluição, pode apoiar uma estratégia dupla: prevenir cancros em primeiro lugar e garantir que quem adoece recebe tratamento atempado e eficaz.