IA nas hospitais dos EUA eleva gastos em quase US$ 1 bilhão, alerta Blue Cross Blue Shield

A inteligência artificial (IA) tem sido celebrada como a próxima fronteira da medicina, prometendo diagnósticos mais precisos, redução de erros e otimização de fluxos hospitalares. No entanto, um relatório divulgado recentemente pela Blue Cross Blue Shield (BCBS), a maior seguradora de saúde dos Estados Unidos, coloca um ponto de interrogação sobre essa narrativa otimista. Segundo a análise, a implementação de ferramentas de IA em hospitais americanos gerou um aumento acumulado de US$ 942 milhões nos gastos com saúde ao longo de um período de dois anos. Esse número, equivalente a quase um bilhão de dólares, representa mais de 0,5% da despesa total de saúde do país nesse intervalo e evidencia que a tecnologia, quando mal alinhada com práticas de cobrança e gestão, pode se tornar um peso financeiro inesperado.

Para compreender a magnitude desse acréscimo, é preciso mergulhar nas diferentes formas como a IA está sendo empregada nos hospitais dos EUA. Entre as aplicações mais comuns estão os sistemas de apoio à decisão clínica (Clinical Decision Support Systems – CDSS), algoritmos de leitura de imagens radiológicas, plataformas de triagem baseada em aprendizado de máquina e softwares de otimização de leitos e agendamento cirúrgico. Cada uma dessas soluções requer investimentos iniciais em licenças, infraestrutura de computação em nuvem e treinamento de equipe. Contudo, o estudo da BCBS aponta que o maior fator de custo não está nos investimentos de capital, mas nas despesas operacionais recorrentes geradas por cobranças de uso por paciente, tarifação baseada em volume de imagens analisadas e contratos de manutenção que incluem cláusulas de aumento automático.

Um exemplo emblemático citado no relatório é o de um grande centro médico de Nova York que adotou um algoritmo de IA para analisar tomografias de tórax. Embora a ferramenta tenha reduzido o tempo médio de interpretação de 15 para 5 minutos, o contrato estabelecia que cada análise geraria um custo adicional de US$ 12 ao plano de saúde. Em um cenário de alta demanda – com cerca de 30 mil exames ao ano – o acréscimo direto para a seguradora ultrapassou US$ 350 mil apenas naquele hospital. Quando multiplicado por centenas de instituições que firmaram acordos semelhantes, o efeito cumulativo rapidamente alcança cifras da ordem de centenas de milhões de dólares.

Além das questões de tarifação, a BCBS destaca que a falta de padrões claros para validar a eficácia econômica dos algoritmos cria um ambiente propício ao "overbilling" – prática de cobrar por serviços que não geram benefício clínico mensurável. Em alguns casos, algoritmos foram ativados automaticamente para analisar imagens que, segundo protocolos tradicionais, não exigiriam revisão adicional. Essa redundância tecnológica, embora possa ser defendida como camada extra de segurança, acaba inflando o volume de transações facturáveis e, consequentemente, o custo final para o sistema de saúde.

O impacto econômico desse fenômeno não se limita ao bolso das seguradoras. Hospitais que dependem de reembolsos de seguros para equilibrar seu orçamento podem ser forçados a repassar parte desses custos aos pacientes, elevando as coparticipações e, em última instância, comprometendo o acesso a cuidados de qualidade. Estudos de economia da saúde apontam que aumentos modestos nas despesas hospitalares podem desencadear um efeito cascata, resultando em reajustes de prêmios de seguros de saúde em até 5% ao ano, de acordo com a consultoria McKinsey. Esse cenário contraria a promessa original da IA de reduzir desperdícios e melhorar a relação custo-benefício.

No contexto brasileiro, a discussão ganha contornos ainda mais críticos. O Ministério da Saúde tem incentivado a adoção de tecnologias digitais nas unidades públicas, e grandes hospitais privados já firmam parcerias com empresas de IA como IBM Watson Health, Google Health e startups nacionais focadas em diagnóstico por imagem. Contudo, a regulação ainda carece de mecanismos que exigam demonstrações de valor econômico antes da homologação de novos softwares. Sem diretrizes claras, há risco de que o Brasil siga o mesmo caminho dos EUA, absorvendo custos ocultos que podem comprometer a sustentabilidade do Sistema Único de Saúde (SUS) e dos planos de saúde privados. Especialistas como a economista da saúde Fernanda Ramos, da Fundação Getúlio Vargas, alertam que a adoção indiscriminada de IA pode ampliar as desigualdades, pois hospitais bem financiados poderão arcar com as taxas adicionais, enquanto unidades de menor porte ficarão excluídas de tecnologias avançadas.

Diante desse panorama, o debate sobre a governança da IA na saúde se intensifica. A BCBS recomenda que seguradoras exijam métricas de desempenho que incluam não só indicadores clínicos, como taxa de acurácia diagnóstica, mas também parâmetros de custo incremental por caso. Propostas de políticas públicas nos EUA, como a iniciativa "Value-Based AI" da Office of the National Coordinator for Health Information Technology (ONC), buscam criar frameworks de avaliação de custo-efetividade antes da implantação em larga escala. No Brasil, a Agência Nacional de Saúde Suplementar (ANS) já começou a analisar a possibilidade de inserir cláusulas de eficiência em contratos de tecnologia médica, mas ainda não há regulamentação definitiva.

A perspectiva de futuro, porém, não é inteiramente pessimista. A própria BCBS reconhece que a IA tem potencial de gerar economias substanciais quando bem alinhada a processos de reembolso baseados em resultados. Estudos piloto em hospitais de Massachusetts mostraram que, ao combinar IA de triagem com protocolos de revisão humana somente quando o algoritmo sinaliza risco alto, foi possível reduzir o número de exames desnecessários em 18%, gerando economia de US$ 12 milhões em dois anos. Esse modelo híbrido demonstra que a solução não está em abandonar a tecnologia, mas em redefinir contratos, métricas e fluxos de trabalho para que a IA seja um facilitador de valor, e não apenas um gerador de linhas de cobrança.

Em síntese, o alerta da Blue Cross Blue Shield revela que a corrida pela inovação tecnológica na saúde pode ter um custo oculto significativo, sobretudo quando os modelos de negócio não evoluem em paralelo com as ferramentas digitais. Para o Brasil, a lição é clara: investir em IA requer não só recursos financeiros, mas também um arcabouço regulatório robusto, transparência nos contratos e um foco constante na relação custo-benefício para pacientes e operadoras. Somente assim será possível transformar a promessa de inteligência artificial em melhoria real de eficiência e acesso à saúde.