A IA descartou uma paciente elegível porque não soube distinguir um cateterismo cardíaco de uma linha intravenosa

O primeiro paciente que perdemos, perdemos por causa de uma palavra.

Um ensaio clínico de Fase III com um anticoagulante que estávamos pilotando excluía qualquer pessoa que tivesse sido submetida a um "cateterismo cardíaco". Razoável — é um procedimento cardíaco com risco de sangramento, exatamente o tipo de histórico que desqualifica alguém de um estudo com anticoagulante. Nosso sistema de correspondência sinalizou uma candidata como inelegível e seguiu em frente. Limpo. Confiante. Errado.

A paciente nunca havia feito um cateterismo cardíaco. Seu prontuário continha uma anotação sobre uma "colocação de cateter venoso central" — uma linha intravenosa inserida em uma veia na UTI para que ela pudesse receber medicação. Procedimento diferente. Parte diferente do corpo. Perfil de risco totalmente diferente. Para um enfermeiro, esses não são nem remotamente confundíveis. Para a IA que havíamos construído, "cateter" mais "venoso" mais um contexto de sonoridade cardiovascular pontuou como uma quase correspondência, e uma mulher elegível saiu silenciosamente do funil.

Quero contar como acabei passando a maior parte de um ano obcecado por aquela única paciente descartada, porque isso me ensinou aquilo que ninguém que vende IA para recrutamento de ensaios clínicos quer dizer em voz alta: o problema na correspondência de pacientes nunca foi encontrar pessoas suficientes. É que as máquinas que fazem a correspondência leem palavras, e a elegibilidade para um ensaio é sobre conceitos médicos — e essas não são a mesma coisa.

80% dos ensaios não cumprem seus prazos de recrutamento. O setor insiste em tratar isso como um problema de oferta. É um problema de precisão.

O erro que cometi primeiro

Vou assumir isso logo de cara, porque é onde toda a história vira. Quando começamos, eu estava no grupo que acreditava que isso estava basicamente resolvido.

O raciocínio era o seguinte. Durante anos, a correspondência de ensaios funcionava com busca por palavras-chave — grosseira, frágil, miserável. Então chegaram os grandes modelos de linguagem e, de repente, o software conseguia ler uma anotação médica não estruturada da forma como uma pessoa faz. Olhei para aquilo e concluí que a parte difícil estava para trás. Pegaríamos um modelo robusto, alimentá-lo-íamos com critérios de elegibilidade e registros de pacientes, ajustaríamos os prompts, e a correspondência simplesmente funcionaria. Defendi isso. Disse à minha equipe que a lacuna a ser fechada era pequena, uma questão de melhor recuperação e prompts mais cuidadosos.

Construímos esse sistema. A demonstração foi linda. Nos casos fáceis — a paciente que claramente tem câncer de mama em estágio II, o critério que claramente diz "sem quimioterapia prévia" — ele era genuinamente bom. Os números que você vê nos slides de fornecedores vêm exatamente desses casos. A Tempus, depois de adquirir a Deep 6 AI no início de 2025 e expandir para mais de 750 sites de provedores, relata que seu agente Patient Query atinge 94,39% de acurácia em um conjunto de consultas avaliadas. Esse número é real. Eu acredito nele. Ele também está medindo os casos que nunca foram o problema.

A paciente do cateterismo foi o momento em que a minha versão do sistema morreu. Fiquei ali rastreando por que ela havia sido descartada, esperando um bug. Não havia bug. O sistema havia feito exatamente o que a similaridade vetorial faz — pontuar duas strings pela proximidade que ocupam no espaço semântico — e dois procedimentos que compartilham a palavra "cateter" ficam de fato muito próximos. Nenhuma quantidade de engenharia de prompt iria ensiná-lo que um mora sob "procedimento no coração" e o outro sob "cateterismo de uma veia". Ele não tinha um conceito do coração. Ele só tinha palavras sobre o coração.

Por que os modelos de linguagem confundem termos médicos?

Aqui está a distinção que reorganizou como penso sobre todo esse campo.

Quando um clínico lê "colocação de cateter venoso central", ele não processa cinco tokens. Ele recupera um conceito — um nó específico em uma vasta e estruturada hierarquia de conhecimento médico, com pais, filhos e irmãos, com um lugar preciso que diz este é um procedimento de acesso vascular, não cardíaco. Essa hierarquia de fato existe, formalmente, como uma ontologia clínica chamada SNOMED-CT. Nela, o cateterismo cardíaco é o conceito de ID 41976001, arquivado sob procedimentos no coração. O cateterismo venoso central é o 392230005, arquivado sob cateterismo de uma veia. Dois ramos diferentes da árvore. Um sistema que raciocina sobre a árvore não consegue confundi-los. Um sistema que raciocina sobre a proximidade de palavras os confunde constantemente.

Isto não é uma peculiaridade que descobri por conta própria. Avaliações publicadas documentaram modelos de IA cometendo exatamente esse erro de "cateterismo cardíaco igual a punção venosa central" (Fierce Biotech, 2025). Ele representa toda uma classe de falhas — em qualquer lugar em que procedimentos, condições ou medicamentos compartilhem vocabulário mas divirjam do ponto de vista médico. Angiografia coronária e angiografia periférica. Elas compartilham "angiografia". Uma é um procedimento cardíaco; a outra é acesso vascular. Um modelo de linguagem as pontua como primas. A ontologia sabe que são estranhas.

Agora multiplique isso pela quantidade de critérios de um protocolo, em um portfólio de ensaios, e você não tem um caso isolado. Você tem um vazamento sistemático de elegibilidade rodando silenciosamente em segundo plano em cada matcher probabilístico do setor.

Um modelo de linguagem sabe que "cateter" aparece perto de "cardíaco". Ele não faz ideia de que um é um procedimento cardíaco e o outro é uma linha intravenosa. Essa lacuna é onde pacientes elegíveis desaparecem.

As cláusulas de exceção que quebraram tudo duas vezes

Assim que comecei a olhar, a lacuna entre palavra e conceito acabou sendo apenas a primeira rachadura.

Outra mora na própria gramática da elegibilidade. Protocolos reais não dizem "excluir hipertensão". Eles dizem "excluir pacientes com hipertensão a menos que bem controlada com medicação estável por três ou mais meses". Essa frase não é uma palavra-chave — é uma condição com uma janela de tempo enterrada dentro dela. Vi nosso sistema inicial lidar com essa cláusula de duas maneiras, ambas erradas. Às vezes ele via "hipertensão" e excluía o paciente, perdendo alguém que de fato se qualificava. Às vezes ele o liberava e pulava totalmente a verificação dos três meses. Ele nunca fez de forma confiável aquilo que um coordenador faz sem pensar: reter a exceção e depois verificar a duração.

Isso importa mais a cada ano, porque os protocolos estão ficando barrocos. A mediana de critérios de elegibilidade em protocolos de oncologia cresceu aproximadamente de 17, uma geração atrás, para 27 na coorte mais recente, e o número de procedimentos por protocolo subiu 139% desde 2005 (IQVIA). Cada "a menos que", cada "exceto" e cada "dentro de seis meses" é um lugar onde um matcher de palavras silenciosamente adivinha. E quando as emendas chegam — a emenda média agora leva 260 dias para ser implementada (Applied Clinical Trials, 2025) — cada palpite precisa ser refeito.

A falha que genuinamente me assustou, porém, era diferente — ela atingia o cerne de se eu poderia defender este trabalho diante de um regulador. Passe o mesmo paciente por um matcher baseado em modelo de linguagem duas vezes, com um contexto circundante ligeiramente diferente, e você pode obter duas respostas diferentes. Para a maioria dos softwares, um pouco de não determinismo é tolerável. Para um ensaio clínico, é desqualificante. Um regulador não quer uma probabilidade de que um paciente fosse elegível. Ele quer a razão exata e reproduzível pela qual cada pessoa foi incluída ou excluída — um rastro que ele possa ler linha por linha. Um sistema que poderia decidir de forma diferente em uma terça-feira não consegue produzir esse rastro.

O que eu deveria ter construído da primeira vez

A reconstrução não foi sutil. Paramos de tentar fazer um sistema probabilístico se comportar de forma determinística e construímos um sistema que era determinístico por construção.

A espinha dorsal disso é a ontologia. Mapeamos cada termo no registro de um paciente e cada termo nos critérios de elegibilidade para seu conceito SNOMED-CT — para que o matcher esteja comparando nós em uma hierarquia médica, e não strings. O cateterismo cardíaco e o cateterismo venoso central deixam de ser vizinhos e se tornam o que são: parentes distantes em ramos separados. A paciente do cateterismo, passada por isso, volta como elegível. Corretamente. Todas as vezes.

Em cima da ontologia colocamos lógica explícita para as partes com que os modelos de linguagem se atrapalham — o "a menos que", o "exceto", o "dentro de três meses". Esse tipo de raciocínio é na verdade duas disciplinas costuradas juntas: a lógica deôntica para modelar a estrutura de obrigação-e-exceção de uma cláusula "a menos que", e o raciocínio sobre intervalos temporais para avaliar "dentro de três meses" em relação às datas reais no registro. Nenhum dos dois é passível de correspondência por padrões; ambos precisam ser modelados explicitamente. E como cada decisão é uma cadeia de passos explícitos sobre conceitos nomeados, o sistema emite exatamente o artefato que os reguladores querem: um rastro de auditoria reproduzível mostrando precisamente qual conceito correspondeu a qual critério e por que um paciente acabou onde acabou.

Faço questão de dizer neuro-symbolic, e não "jogamos fora os modelos de linguagem". Não jogamos. Eles são excelentes no primeiro passo bagunçado — ler uma anotação clínica desconexa e extrair significado estruturado da prosa. Deixamos que eles façam isso. Só não deixamos que sejam o juiz da elegibilidade. A leitura é probabilística; o raciocínio é determinístico. Essa divisão de trabalho é todo o projeto.

Este é o sistema que agora construímos para patrocinadores farmacêuticos, CROs e centros médicos acadêmicos, e é em torno dele que nosso trabalho de IA para recrutamento de ensaios clínicos está organizado — correspondência personalizada que raciocina sobre grafos da ontologia SNOMED-CT com lógica determinística, em vez de mais um pontuador probabilístico.

Por que as grandes plataformas simplesmente não construíram isso?

Esta é a pergunta que recebo de todo patrocinador, e é justa. Tempus, IQVIA, Medidata, ConcertAI, TriNetX — são empresas sérias com enormes volumes de dados. Por que nenhuma delas simplesmente construiu a versão ancorada em ontologia?

Parte da resposta é que elas estão otimizando para uma coisa diferente, e é uma coisa razoável. A IQVIA lançou a IQVIA.ai, uma plataforma agêntica unificada construída com a NVIDIA, em março de 2026, apoiada em mais de 250 milhões de registros de pacientes. A TriNetX opera uma rede federada de escala similar para trabalho de viabilidade e coortes. A ConcertAI lançou sua plataforma agêntica Accelerated Clinical Trials em fevereiro de 2026, alegando reduções de prazo de 10 a 20 meses. A AI Study Build da Medidata conecta a correspondência ao seu sistema de captura eletrônica de dados Rave em centenas de estudos. Cada uma delas é real e boa naquilo que visa — abrangência, escala, fluxo de trabalho de ponta a ponta.

Há também uma lacuna mais silenciosa por baixo de todas elas. Mesmo quando uma plataforma faz uma boa correspondência, o resultado geralmente chega como uma lista que um coordenador então redigita no sistema de registro de gestão do ensaio — Rave, Veeva Vault, Oracle Clinical One. A correspondência e o sistema que conduz o estudo não conversam de fato, então uma transferência manual persiste exatamente onde você gostaria que a automação fosse mais estreita.

Mas abrangência e profundidade ontológica puxam em direções opostas. Uma plataforma que atende a todas as áreas terapêuticas na escala de 250 milhões de registros é construída para ser genericamente boa, e genericamente boa é precisamente onde mora a classe de erro do cateterismo. O raciocínio profundo e ciente de ramos que um protocolo complexo de oncologia, de doença rara ou de SNC exige é caro de construir e caro de manter — o SNOMED atualiza duas vezes por ano, o dicionário de eventos adversos MedDRA atualiza trimestralmente, e manter uma ontologia atualizada é quadro de pessoal permanente, não um projeto pontual. É o tipo de engenharia pouco glamourosa e nunca terminada que uma plataforma correndo rumo à abrangência tende a adiar.

As plataformas não estão erradas. Elas estão resolvendo para escala. A precisão ontológica é um problema diferente, e é aquele que decide se os seus pacientes elegíveis de fato são encontrados.

A outra resposta honesta é a gravidade dos dados. Várias dessas plataformas fazem a melhor correspondência dentro da sua própria rede — seus dados, seus sites. Se os seus pacientes vivem no seu próprio prontuário eletrônico, atrás do seu próprio firewall, essa é uma implantação totalmente diferente. E muitos patrocinadores e hospitais, por razões de HIPAA muito boas, não enviarão registros de pacientes para a nuvem de outra pessoa para serem correspondidos.

O custo que ninguém coloca no slide

Deixe-me concretizar o que está em jogo, porque os lados humano e financeiro disso são fáceis de abstrair.

Financeiramente: um dia de atraso em um ensaio custa, segundo estimativas, US$ 800.000 em vendas de prescrição perdidas (Tufts CSDD), e para algumas áreas terapêuticas é muito pior — atrasos cardiovasculares chegam a cerca de US$ 1,4 milhão por dia. Cada falha de triagem custa, em média, cerca de US$ 1.200, e as taxas de falha de triagem variam de 20% a 80% dependendo da indicação, chegando a até 88% em ensaios de Alzheimer. A paciente do cateterismo — a elegível que descartamos — é puro desperdício nessa conta: uma pessoa que deveria ter avançado, não avançou, e alguém foi pago para triá-la para um "não".

Mas o custo que eu não valorizava até me sentar com a equipe dos sites é humano, e se acumula. Os coordenadores estão fazendo malabarismo com cinco ou seis estudos ao mesmo tempo e gastando de 40 a 60% do seu tempo em pré-triagem. Quando uma ferramenta de correspondência gera falsos positivos acima de cerca de 30%, eles param de confiar nela — e a abandonam, muitas vezes em até três meses. Vi isso acontecer conosco antes da reconstrução. Uma coordenadora em um site piloto havia simplesmente parado de abrir nossas sinalizações. Não por rancor — por triagem. A ferramenta havia gritado "lobo!" vezes suficientes para que verificá-la fosse mais lento que a própria revisão de prontuário dela. Um matcher que corrói a confiança da única pessoa que precisa agir com base nele não é uma ferramenta de produtividade. É mais uma aba de navegador que ela aprendeu a ignorar.

Essa é a verdadeira razão pela qual a precisão vence o alcance. Não são apenas os pacientes elegíveis que você perde para falsos negativos. É que cada falso positivo consome o recurso mais escasso de toda a empresa — a atenção de um coordenador esgotado — e, uma vez que isso se esgota, a melhor rede de dados do mundo ainda dá em um beco sem saída em um coordenador que parou de olhar.

"Isso não é para o que servem o FHIR e a integração com o Epic?"

As pessoas me perguntam muito isso, então deixe-me encarar as objeções de frente.

Comece com a objeção dos padrões de dados: certamente o FHIR e o Epic resolvem o problema da correspondência? Eles resolvem o problema do encanamento, que é necessário e não suficiente. A integração com o FHIR e o Epic faz com que os dados limpos e estruturados fluam — mas obter os dados é a parte que vem antes da parte difícil. Você ainda tem que raciocinar sobre o que os dados significam, e é exatamente aí que a ontologia faz o seu trabalho. E o encanamento também não é trivial: a certificação App Orchard do Epic é uma revisão de segurança de seis a doze meses antes de você tocar em um único prontuário. Qualquer um que prometa correspondência de EHR rápida e profunda ou já pagou esse custo ou ainda não o enfrentou.

Depois há a preocupação regulatória: um sistema determinístico e cheio de regras não conta como um dispositivo médico regulado, com todo o ônus que isso implica? É aqui que a orientação recente de fato ajuda. A orientação atualizada de suporte à decisão clínica da FDA, emitida em janeiro de 2026, esclareceu quais funções de CDS ficam fora da definição de dispositivo — e a correspondência de registros de pacientes com critérios de elegibilidade de ensaios pode se qualificar como CDS de não dispositivo. A estrutura de janeiro de 2025 do mesmo órgão estabeleceu uma avaliação de credibilidade em sete passos para a IA no desenvolvimento de medicamentos. Um sistema cujo raciocínio é transparente e reproduzível é muito mais fácil de conduzir por essa estrutura do que um cuja lógica é uma distribuição de probabilidade.

E a versão mais direta: alguma coisa disso é mais rápida do que simplesmente contratar mais pessoas? Os dados de desempenho dizem enfaticamente que sim — quando a correspondência é confiável. A triagem por IA relatada reduziu as taxas de falha de triagem em 73% em uma implantação, de 54% para 14% (Trially), e reduziu as horas de revisão manual de prontuários em cerca de 90%. O detalhe é que esses ganhos só se materializam se os coordenadores acreditarem no resultado o suficiente para agir com base nele. Velocidade construída sobre falsos positivos não é velocidade. É uma forma mais rápida de perder a plateia.

O que a paciente descartada de fato me ensinou

Eu continuo voltando a ela, a mulher com a linha intravenosa que um algoritmo confundiu com um procedimento cardíaco. Ela esteve elegível o tempo todo. O ensaio precisava dela. Ela estava bem ali nos dados. E a perdemos não porque a tecnologia era fraca, mas porque estava apontada para o problema errado — lendo a superfície da linguagem quando o trabalho era raciocinar sobre a medicina por baixo dela.

Todo o campo passou cinco anos substituindo a busca por palavras-chave por modelos de linguagem e declarou o problema da correspondência resolvido. Não estava. Foi reposicionado. Trocamos a correspondência grosseira de palavras por uma correspondência sofisticada de palavras, e os casos que decidem se um ensaio recruta no prazo — as cláusulas de exceção, os procedimentos de vocabulário compartilhado, os critérios que precisam que um regulador consiga ler por quê — nunca foram sobre palavras.

Se você conduz ensaios e está avaliando uma IA de recrutamento, a pergunta que eu faria a um fornecedor não é o número de acurácia de destaque dele, porque esse número é medido nos casos que nunca seriam perdidos. Peça a ele que passe um cateterismo cardíaco e uma linha venosa central pelo seu matcher e mostre a você, por conceito, por que um exclui e o outro não. A resposta a essa única pergunta diz a você se comprou um sistema que lê, ou um que de fato entende. Escolhemos construir o segundo tipo — a IA para recrutamento de ensaios clínicos que raciocina sobre a ontologia — porque o primeiro tipo já nos custou uma paciente que não podíamos nos dar ao luxo de perder.