IA med: Inteligência Artificial na Medicina

Fabiano Novaes Barcellos Filho
  • 0.0 (0)
  • Medicine
  • Updated Weekly

Toda sexta, em uns 20 minutos, as notícias e os estudos de inteligência artificial na medicina que importam para quem está na prática clínica: aprovações da FDA e da Anvisa, ensaios e revisões novos, ferramentas e regulação. É o resumo semanal do app IA.med (app.iamed.cc), com curadoria de Fabiano Novaes Barcellos Filho, médico e pesquisador de IA em saúde. Os episódios mais antigos trazem análises em vídeo. A narração semanal é gerada por inteligência artificial com a voz clonada do Fabiano. Resumos de publicações; não substituem a leitura do original nem o julgamento clínico.

  1. 3d ago

    IA.med da semana #2 · FDA libera IA que estima risco de recorrência do câncer de mama

    10 notícias e 15 artigos de IA na medicina que entraram no IA.med de 16 a 22 de outubro, em 20 min. Capítulos (toque no título para ler no app)00:00 Abertura00:31 IA conversacional da Caretech marcou01:13 FDA libera IA que estima risco01:48 AMA publica marco de governança02:23 Northwestern Medicine integra IA02:56 Rede D'Or amplia patologia digital03:33 Osteosarc: 125 mil imagens DICOM04:05 Aidoc First Read recebe Breakthrough04:40 LLM automatiza controle de qualidade05:24 TIME Best Inventions 2026: Aidoc CARE06:01 Entidade médica britânica reporta06:41 Velocidade vs. supervisão humana07:56 IA em medicina cardiovascular: revisão09:02 Aprendizado de máquina eficiente09:37 Chatbots de IA abandonam10:20 Modelo fundacional de ECG para detectar10:58 Triagem com IA de sumários de alta11:31 Transparência sozinha não calibra12:05 Uso de uma plataforma de informação12:43 Predição de doença inflamatória13:17 IA para fenotipagem clínica da gordura13:54 Epilepsia: plataforma de IA14:31 Triagem de retinopatia diabética com IA15:56 Physician Training for the AI Era17:05 MedDream: world model radiográfico18:25 The crystal ball problem Leia cada item completo no app: app.iamed.ccNewsletter (qua e sáb): iamedicina.substack.comInstagram: @ia.med Narração gerada por inteligência artificial com a voz clonada de Fabiano Novaes Barcellos Filho, médico e criador do IA.med. Resumos de publicações; não substituem o original nem o julgamento clínico.

  2. Oct 18

    IA.med da semana #1 · FDA aprova IA que gera modelo 3D de osso a partir de ressonância

    3 notícias e 10 artigos de IA na medicina que entraram no IA.med de 9 a 15 de outubro, em 15 min. Capítulos (toque no título para ler no app)00:00 Abertura00:31 IA em oftalmologia é tema central do congresso AAO 202600:54 FDA aprova IA que gera modelo 3D de osso a partir de ressonância magnética da coluna01:21 Pesquisadores defendem inclusão de IA nos cursos de medicina02:00 ResidencyRL: quando a rubric de treino também é o teto do agente03:21 NV-Reason-CT: VLM 3D aberto da NVIDIA para TC de tórax e abdome04:43 Agents Catching Agents: Shortcut Cascades e Benchmark Gaming em Sistemas Multiagente Clínicos06:03 MAGIC: rede internacional para avaliar IA generativa em saúde global06:52 Quando LLMs viram dispositivo médico? MDR e AI Act na saúde08:12 The Epidemiology of Artificial Intelligence09:41 Asclepius: harness adaptativo para agentes clínicos de longo horizonte10:49 Completude de reporte em ensaios clínicos de intervenções com LLM: revisão sistemática (BMJ)12:27 Repurposing adult AI radiograph models for neonatal care through continual learning (30 UTINs, 20 países)13:52 PAINT: representação multilíngue da dor, de provas de licenciamento a textos clínicos reais Leia cada item completo no app: app.iamed.ccNewsletter (qua e sáb): iamedicina.substack.comInstagram: @ia.med Narração gerada por inteligência artificial com a voz clonada de Fabiano Novaes Barcellos Filho, médico e criador do IA.med. Resumos de publicações; não substituem o original nem o julgamento clínico.

  3. Jan 12

    Manual de Implementação de Agentes de IA em Saúde

    Este artigo apresenta um manual de campo detalhado sobre a implementação de agentes de IA generativa em ambientes clínicos, utilizando como exemplo o sistema irAE-Agent. Os autores destacam que o sucesso da tecnologia depende mais de fatores sociotécnicos do que da sofisticação algorítmica, revelando que 80% do esforço é consumido por infraestrutura e governança. O guia identifica cinco grandes desafios, chamados de "heavy lifts": integração de dados, validação de modelos, valor econômico, gestão de desvios e conformidade regulatória. A pesquisa fundamenta-se em entrevistas estruturadas com especialistas e na experiência prática de detectar eventos adversos em prontuários eletrônicos. O objetivo central é fornecer um roteiro prático para que instituições de saúde superem obstáculos operacionais e integrem a IA de forma segura na rotina médica. Dessa forma, o texto propõe modelos de responsabilidade (RACI) e Blueprints de infraestrutura para facilitar a transição de projetos-piloto para o cuidado real ao paciente.

  4. 12/23/2025

    Novas competências clínicas com IA na medicina

    O artigo examina a necessidade urgente de novas competências clínicas diante da rápida integração da inteligência artificial generativa na medicina, que transforma a relação tradicional entre médico e paciente em uma dinâmica triádica. Os autores propõem três domínios essenciais de domínio: o letramento em IA, a integração crítica das ferramentas no fluxo de trabalho e o aprimoramento das habilidades de comunicação para garantir transparência. Argumenta-se que, sem o preparo adequado, o uso de tecnologias como escribas digitais e chatbots pode introduzir riscos como vieses algorítmicos, informações falsas e a erosão do raciocínio clínico independente. O artigo enfatiza que a educação médica sistemática e estruturas de governança são fundamentais para que a IA funcione como uma assistente segura em vez de uma substituta da perícia humana. Assim, o objetivo é garantir que a inovação tecnológica fortaleça a segurança do paciente e preserve a base humanística do cuidado à saúde. DOI: 10.1136/bmj-2025-085324

  5. 12/22/2025

    Modelos fundacionais multimodais em imagem médica

    Esta revisão sistemática analisa o desenvolvimento de Modelos de Fundação Multimodais aplicados à imagem médica entre os anos de 2012 e 2024. O estudo examina como o Aprendizado Supervisionado por Si Próprio (SSL) permite que inteligências artificiais integrem fotos de exames com relatórios textuais, dados genéticos e registros clínicos. Os autores detalham estratégias como o aprendizado contrastivo e modelos generativos, demonstrando que a união de múltiplas fontes de dados aumenta a precisão diagnóstica e a eficiência clínica. A análise de 48 pesquisas selecionadas destaca que essas tecnologias reduzem a dependência de dados rotulados manualmente por especialistas, facilitando a automação em radiologia e patologia. Por fim, o texto oferece diretrizes práticas para desenvolvedores, médicos e formuladores de políticas sobre a implementação ética e segura dessas ferramentas no sistema de saúde. DOI: 10.21203/rs.3.rs-5537908/

  6. 12/19/2025

    Raciocínio médico multimodal com OctopusMed

    O artigo "OctoMed: Data Recipes for State-of-the-Art Multimodal Medical Reasoning" descreve uma investigação aprofundada sobre estratégias de curadoria de dados e ajuste fino supervisionado (SFT) para aprimorar modelos de linguagem grandes (LLMs) no domínio médico multimodal. Os autores propõem o OctoMed, um modelo que alcança desempenho de ponta em benchmarks médicos, enfatizando que a qualidade e diversidade do conjunto de dados de treinamento, incluindo vestígios de raciocínio estruturado, é mais crucial do que a arquitetura do modelo. O trabalho detalha um "receituário de dados" que utiliza mais de 8 milhões de exemplos e demonstra que a inclusão de múltiplos rastros de raciocínio por questão aumenta a robustez e permite que o modelo calibre dinamicamente a profundidade do raciocínio com base na complexidade da tarefa. Além disso, a pesquisa compara diferentes fontes de perguntas e modelos professores para otimizar a destilação de conhecimento, concluindo que o SFT sozinho é eficaz para produzir raciocinadores médicos robustos. DOI: 10.48550/arXiv.2511.23269

  7. 12/18/2025

    Performance de ferramentas específicas para busca médica: Open Evidence e DeepConsult

    Este artigo apresenta um estudo piloto que avalia a precisão e a repetibilidade da IA de busca médico baseado em inteligência artificial, OpenEvidence (OE), e seu recurso aprofundado, Deep Consult (DC), em cenários médicos complexos de subespecialidades. Os pesquisadores utilizaram uma amostra do conjunto de dados MedXpertQA, composto por 100 cenários de múltipla escolha para testar o desempenho dos modelos. Os resultados indicam que o DC teve uma precisão ligeiramente superior (média de 39,5%) comparada ao OE (média de 31%), mas ambas as precisões foram consideradas baixas para questões de subespecialidade, apesar do OE ter alcançado 100% em exames de licenciamento padrão. Além disso, a repetibilidade entre avaliadores foi substancial (77% para OE e 72% para DC), mas a baixa precisão geral sugere a necessidade de supervisão especializada ao utilizar essas ferramentas para suporte à decisão clínica complexa. O estudo também observou que o DC leva significativamente mais tempo e usa muito mais referências do que o OE, mas essa diferença não resultou em uma melhoria estatisticamente significativa na precisão.

  8. 12/17/2025

    Bullshits da medicina à IA

    O artigo da BMJ, intitulado "Parallel pressures: the common roots of doctor b******t and large language model hallucinations" (Pressões paralelas: as raízes comuns da besteira médica e das alucinações de modelos de linguagem grande), estabelece um paralelo entre a tendência dos médicos de fornecerem informações infundadas (b******t) e a propensão dos modelos de linguagem grande (LLMs) gerarem informações falsas, conhecidas como alucinações. Os autores argumentam que ambos os fenômenos surgem de uma pressão compartilhada para produzir respostas, priorizando a aparência de competência em vez da precisão factual. O texto destaca que forças institucionais, como a cultura acadêmica de "publicar ou perecer" e as demandas comerciais por LLMs que soem autoritários, exacerbam essa falta de preocupação com a verdade. Por fim, o artigo alerta para um perigoso ciclo de feedback onde a desinformação humana contamina os dados de treinamento de IA, perpetuando e ampliando a disseminação de inexatidões no setor de saúde. Estratégias de solução focam em fomentar a humildade epistêmica na educação médica e a criação de mecanismos de abstenção em LLMs para sinalizar incerteza. DOI: 10.1136/bmj.r2570

See All (79)

About

Toda sexta, em uns 20 minutos, as notícias e os estudos de inteligência artificial na medicina que importam para quem está na prática clínica: aprovações da FDA e da Anvisa, ensaios e revisões novos, ferramentas e regulação. É o resumo semanal do app IA.med (app.iamed.cc), com curadoria de Fabiano Novaes Barcellos Filho, médico e pesquisador de IA em saúde. Os episódios mais antigos trazem análises em vídeo. A narração semanal é gerada por inteligência artificial com a voz clonada do Fabiano. Resumos de publicações; não substituem a leitura do original nem o julgamento clínico.

Information