Introdução
A Avaliação de Tecnologias em Saúde (ATS) é um recente campo do conhecimento que tem como um de seus objetivos otimizar a alocação de recursos em saúde. Os processos envolvidos na ATS abrangem múltiplos atores e áreas do conhecimento, tratando-se de uma atividade de alta complexidade que demanda tempo e recursos humanos especializados. A pressão de demanda por incorporações de tecnologias pelos sistemas de saúde e pela aceleração dos processos leva à sobrecarga de pesquisadores e é identificada como um desafio global. Neste sentido a automação de processos por meio de ferramentas de IA tem se apresentado como potencial solução para a crescente demanda por avaliações. No entanto, por características inerentes à sua natureza, como falta de transparência e baixa interpretabilidade, a IA pode ser vista como uma “Caixa Preta”.
Objetivo
Esta pesquisa tem como objetivo mapear a literatura sobre a aplicação de ferramentas baseadas em IA utilizadas na automação ou semi-automação de processos na ATS.
Método
Foi realizada uma revisão de escopo. As bases das buscas foram revistas especializadas em ciências da saúde, computação e ATS. Foi utilizada uma estratégia de busca da literatura que continha como eixo dois termos, um relacionado ao conceito “IA” e outro relacionado ao contexto “ATS”, a partir dos quais foram obtidos outros termos relacionados. As datas limite da busca foram janeiro de 2000 a dezembro de 2023. As fontes de dados que compõe esta revisão foram publicações em que processos da ATS foram realizadas com o auxílio de ferramentas baseadas em IA. A partir desses estudos foram coletadas informações sobre aspectos da publicação, aspectos dos estudos e aspectos técnicos das ferramentas utilizadas e dos processos em que foram utilizadas.
Resultados
A partir da seleção de 2423 publicações, foram incluídos nesta revisão de escopo 146 estudos. A partir de 2005 - ano da primeira publicação acadêmica encontrada em que se utiliza a inteligência artificial para seleção de artigos - ocorre uma tendência crescente no número de estudos na área, além de uma expansão nos processos envolvidos, por exemplo na avaliação de risco de viés e certeza na evidência, avaliações econômicas, monitoramento de horizonte tecnológico. O modelo mais utilizado foi o de “Machine Learning”, e o algoritmo mais utilizado tem sido o “Support Vector Machine”. Nos anos mais recentes pôde-se observar um aumento no uso de modelos mais complexos como Neural Networks, que se estrutura em número maior de camadas neuras e arquiteturas algorítmicas mais complexas.
Discussão
O aumento de estudos envolvendo IA em ATS vem acompanhado do aumento de complexidade desses modelos, possivelmente devido a evoluções do campo das ciências da computação, que viabilizam sua aplicação em processos mais complexos. No entanto, apesar de os modelos empregados apresentarem performance por vezes superior ao padrão de referência, aumentos em complexidade são acompanhados inerentemente de aumentos em opacidade. Essa falta de transparência diminui a interpretabilidade e robustez dos resultados, que por fim afeta a confiança nos achados. Este pode ser o ‘Gargalo da Caixa Preta’ para o uso abrangente da IA em ATS.
