Na última edição fizemos um exercício. Imagine que encontramos cem pessoas que, alguns anos atrás, eram muito semelhantes ao nosso paciente: mesma faixa etária, fenótipo parecido, alterações laboratoriais semelhantes, variantes genéticas relacionadas e, principalmente, uma evolução clínica parecida.

Cinco anos depois: 60 desenvolveram a doença que tememos. Quarenta não.

Até aqui utilizamos nosso sistema para perguntar: quem ficou doente? Mas existe uma pergunta muito mais interessante: o que aconteceu com aqueles que não ficaram?

Podem ter perdido peso. Podem ter iniciado determinado medicamento, controlado melhor a pressão ou carregado uma variante genética protetora. Ou pode não existir nenhuma relação causal entre essas diferenças e o desfecho.

É aqui que A Medicina das Trajetórias chega à sua pergunta mais importante. Não apenas "para onde este paciente está indo?", mas: podemos mudar o caminho?

A medicina sempre tentou prever o futuro. Calculamos risco cardiovascular, estimamos progressão de doença renal, predizemos recorrência de câncer, calculamos risco de rejeição, tentamos estimar sobrevida.

A inteligência artificial pode tornar essas previsões progressivamente mais sofisticadas. Em vez de algumas variáveis, centenas ou milhares. Em vez de uma fotografia, anos de evolução. Em vez de comparar o indivíduo apenas com médias populacionais, compará-lo com pacientes e trajetórias semelhantes.

Mas imagine que um sistema me diga: "Este paciente apresenta 73% de probabilidade de desenvolver determinada condição nos próximos cinco anos."

Impressionante. Mas, como médico, minha próxima pergunta será inevitavelmente: e o que eu faço com essa informação?

Previsão sem possibilidade de ação tem valor limitado. Em algumas situações, pode até causar dano.

Voltemos aos nossos cem pacientes. Sessenta desenvolveram a doença e quarenta não. Podemos comparar os grupos. Os quarenta receberam medicamentos diferentes? Tinham níveis pressóricos menores? Praticavam mais atividade física? Possuíam alguma característica genética protetora? Foram diagnosticados e tratados mais cedo?

A inteligência artificial pode encontrar padrões que dificilmente perceberíamos manualmente. Mas aqui existe uma armadilha enorme.

Suponha que os pacientes que tomavam determinado medicamento apresentaram menos doença. Seria tentador concluir: "Então devemos prescrever esse medicamento."

Não tão rápido. Aqueles pacientes podiam ser acompanhados em centros melhores, ter maior adesão, ser mais jovens ou ter melhor acesso ao sistema de saúde. Podem existir dezenas de diferenças que não medimos.

Encontramos uma associação. Ainda não sabemos se encontramos uma causa.

Nós, médicos, conhecemos esse problema muito bem. Um estudo observacional mostra que pessoas que fazem determinada coisa vivem mais. Isso não significa necessariamente que aquela coisa faça as pessoas viverem mais. Quem a pratica pode ser diferente em inúmeras outras características.

Em epidemiologia chamamos isso de confundimento.

Pense em duas enfermarias aparentemente semelhantes. Em uma, os pacientes recebem um novo tratamento. Na outra, não. Se os pacientes da primeira forem mais jovens e menos graves, simplesmente comparar os desfechos pode nos enganar. Precisamos separar o efeito do tratamento de tudo aquilo que também diferencia os grupos.

É aqui que entra um campo chamado inferência causal. Apesar do nome técnico, a pergunta é profundamente médica: o que aconteceria com este mesmo paciente se eu fizesse algo diferente?

Imagine uma paciente com determinada doença e duas opções: tratamento A ou tratamento B. Escolhemos A. A paciente melhora. Ótimo.

Mas existe uma informação que jamais observaremos diretamente: o que teria acontecido com aquela mesma paciente, naquele mesmo momento, se tivéssemos escolhido B? Ela não pode viver simultaneamente os dois futuros.

Esse futuro que não aconteceu recebe um nome técnico: contrafactual. A ideia é simples: é o "e se?" da medicina. E praticamente toda decisão terapêutica contém um contrafactual escondido.

Como não podemos fazer o mesmo paciente viver dois futuros, fazemos algo engenhoso: pegamos muitas pessoas semelhantes e randomizamos. Um grupo recebe A e outro recebe B. Se fizermos isso adequadamente, as diferenças entre os grupos tendem a se equilibrar, e conseguimos estimar qual foi o efeito causado pela intervenção.

É uma das invenções mais importantes da medicina moderna. Mas tem uma limitação. O ensaio responde muito bem "em média, o que aconteceu com pessoas como estas?". Nós gostaríamos de responder: "O que provavelmente acontecerá com este paciente específico?"

É aqui que trajetórias, inferência causal e inteligência artificial começam a se encontrar.