Edição #149
8 de novembro de 2026, domingo
Recebeu de um colega?
O que aconteceu no mundo med tech ...
Antes de comprar IA para infecção na UTI, compare com o escore que já existe
imagem conceitual criada por IA no MidJourney
Selo MAP: ACOMPANHAR · Validação prospectiva honesta e bem feita, mas o modelo local discriminou pouco e não superou escores clínicos gratuitos; o subgrupo em que melhorou foi definido depois e é pequeno.
Key-points
Numa UTI de Istambul, modelos de aprendizado de máquina criados no próprio hospital para prever bacteremia por Gram-negativo foram testados de forma prospectiva. Discriminaram pouco e ficaram no nível dos escores clínicos de beira de leito (AUROC 0,61, em 289 hemoculturas).
A maior parte dos modelos de IA para UTI nunca é testada fora da base em que nasceu. A meta-análise que a MMT trouxe na #144 já mostrava que o desempenho no hospital pode ser bem diferente do artigo. Este estudo fez esse teste num cenário de resistência alta (74% dos isolados resistentes a carbapenêmicos).
Num subgrupo definido depois da coleta, com culturas do 4º ao 10º dia de UTI, os modelos melhoraram (AUROC 0,70). Mas os escores de Pitt, que já existem e não custam nada, foram melhores no mesmo subgrupo (AUROC 0,77 e 0,76).
Limite É um único centro, e o subgrupo tem só 16 culturas positivas. Em quem ainda não tinha recebido antibiótico, os modelos não discriminaram (AUROC de 0,49 a 0,53), e, na faixa de risco mais alta, um dos modelos errou a calibração. O resumo do artigo destaca a melhora dos modelos e não menciona que os escores foram superiores no subgrupo.
Por que importa
Este é o tipo de estudo que quase ninguém publica: o grupo que criou o modelo foi testá-lo de verdade e encontrou um desempenho modesto, empatado com escores que qualquer UTI já calcula de graça. É a continuação concreta do alerta da #144, em que a acurácia do artigo não viajava automaticamente para o hospital. Para o intensivista e o infectologista, o recado prático é que os escores de Pitt e o NEWS-2 continuam fazendo o trabalho, inclusive num cenário de resistência alta. Para o gestor que avalia um sistema de alerta de sepse ou de bacteremia, a pergunta ao fornecedor é direta: qual foi o desempenho prospectivo no hospital, e ele foi comparado com o escore que a equipe já usa? Sem essa comparação, não há como saber se a IA acrescenta alguma coisa.
Fonte: Bayrak, A. D. et al. · npj Digital Medicine · 2026 · nature.com
IA extrai das notas do prontuário dados que os campos codificados perdem
imagem conceitual criada por IA no MidJourney
Selo MAP: ACOMPANHAR · Método bem validado contra revisão médica cega e útil para pesquisa com dados reais, mas testado em 100 consultas, por um único fornecedor que assina o trabalho, e ainda fora da rotina dos serviços.
Key-points
Um estudo na Nature Medicine usou modelos de linguagem para transformar o texto livre do prontuário em dado analisável. Médicos que revisaram o resultado às cegas encontraram poucos erros (F1 de 97,6% a 99,4%, em 100 consultas de 4 sistemas de prontuário diferentes).
Sintomas, efeitos adversos, adesão e histórico familiar raramente viram campo codificado. Na aplicação com usuários de GLP-1 (semaglutida e tirzepatida), a maior parte das medidas de hemoglobina glicada e um terço dos usos do remédio só apareciam nas notas (70% e 33%).
Estudos de vida real que leem apenas os campos estruturados podem estar perdendo boa parte dos pacientes e das medidas. Somar as notas trouxe à análise mais de 6 mil pacientes que ficariam de fora e tornou analisáveis dados como intensidade da dor e gravidade da depressão.
Limite O método é de uma empresa, a RespondHealth, que emprega três dos autores e pagou parte do trabalho. A validação cobriu 100 consultas, e a análise do GLP-1 é observacional, com grande perda de seguimento (de cerca de 16 mil pacientes no início para 367 aos 18 meses).
Por que importa
Quase todo estudo com dados de vida real que chega ao consultório foi feito em cima dos campos codificados do prontuário. Este trabalho mostra o tamanho do que fica de fora: no exemplo do GLP-1, a maior parte das medidas de glicada morava só no texto. Isso não invalida os estudos anteriores, mas muda a pergunta que vale fazer a qualquer análise de vida real: de onde vieram os dados, e o que o texto livre teria acrescentado. Para gestores e pesquisadores, ler as notas com IA já é tecnicamente viável, com conferência de origem de cada dado. Mas a validação ainda é pequena e vem de quem vende o método. E extrair melhor o dado não transforma um estudo observacional em prova de efeito.
Fonte: Kim, E. et al. · Nature Medicine · 2026 · nature.com
Por que esta revisão sobre infusão inteligente recebe o selo ignorar
imagem conceitual criada por IA no MidJourney
Selo MAP: IGNORAR · Revisão com busca fora das bases médicas de referência e conclusão que promove um modelo conceitual dos próprios autores, sem teste: não sustenta decisão nenhuma, nem de compra nem de acompanhamento.
Key-points
Uma revisão na npj Digital Medicine reuniu estudos sobre IA e automação em bombas de infusão intravenosa, sensores vestíveis e monitoramento conectado. A conclusão é que a maior parte dos sistemas com IA para infusão ainda é protótipo (112 estudos incluídos, de cerca de 1.075 encontrados).
Os próprios autores apontam que o controle automático da vazão, em que a bomba ajusta a infusão sozinha a partir dos dados do paciente, é raro e restrito a laboratório. As bombas atuais trabalham com alarmes, e a integração com o prontuário e a proteção de dados quase não aparecem nos estudos revisados.
A revisão usa esse diagnóstico para propor um modelo conceitual dos próprios autores, chamado INFUSYNC, que integraria sensores, decisão e infusão. O modelo não foi testado em paciente nem em laboratório.
Limite A busca não usou as bases médicas de referência, como PubMed e Embase, e incluiu o ResearchGate. O texto declara seguir o padrão de revisão sistemática, mas fala em cinco termos de busca e lista seis, e em quatro grupos de estudos e descreve três. Na parte de sensores vestíveis, a maioria dos estudos incluídos são outras revisões, e não testes de produto.
Por que importa
O selo IGNORAR aqui não é sobre o tema, que é real e importante: erro de infusão está entre as falhas de medicação de maior risco no hospital. É sobre o que esta revisão pode sustentar. Publicar numa revista de prestígio não transforma uma busca frágil em evidência, e uma revisão que termina recomendando o próprio modelo dos autores merece leitura desconfiada. Para o gestor e para a farmácia hospitalar, o que vale guardar é só o diagnóstico: as bombas inteligentes atuais trabalham com alarmes, quase não conversam com o prontuário e raramente protegem dados. Essa é a lista de perguntas a fazer ao fornecedor na próxima compra, com ou sem IA no folheto.
Fonte: Ibrahim, I. M. et al. · npj Digital Medicine · 2026 · nature.com
O selo MAP (aplicar, testar, acompanhar, ignorar) é análise editorial e apoio à decisão; não constitui recomendação clínica, regulatória ou de investimento. A decisão é sempre do leitor e de sua instituição.
Quando um fornecedor apresenta uma IA para o seu serviço, o que você pede primeiro?
Fazer login ou Inscrever-se participar
As três notícias desta edição respondem à mesma pergunta com graus diferentes de cuidado. Uma revisão em revista de prestígio usa uma busca frágil para chegar ao modelo dos próprios autores. Um método de extração do prontuário é bem validado, mas por quem o vende. E um modelo de UTI, testado de verdade pelos criadores, empata com um escore gratuito. Saber qual dessas três provas está na sua frente é metade da decisão de compra.
Dr. Rogério Chinen · CRM-SP 87400
Quão relevante foi a edição de hoje pra você?
Fazer login ou Inscrever-se participar
Mundo Med Tech
Uma newsletter da Esphyrall
Todo domingo, às 11h, três notícias de inovação em saúde, filtradas pelo critério que você acabou de ler.
A edição grátis traz as três notícias com o selo e o racional. A Análise MAP completa de cada selo é da versão premium.
Abaixo, a leitura completa de cada selo: por que este balde e não o vizinho, o que mudaria o veredito e o que observar. É a camada de decisão exclusiva dos assinantes do Mundo Med Tech Premium.
A Análise MAP completa é da versão premium.
A leitura completa de cada selo: por que esta classificação e não outra, o que mudaria o veredito e o que observar. A primeira turma é de 33 fundadores, com preço de fundador. Quando as 33 vagas fecharem, o premium reabre mais adiante com preço ajustado.
Quero ser um dos 33 FundadoresAo assinar, você recebe::
- A Análise MAP completa de cada notícia, toda semana
- Comunidade exclusiva no WhatsApp para trocar com outros assinantes
- Conteúdos inéditos que não entram na edição gratuita
