Ferramenta de IA pode ajudar hospitais a identificar risco de violência por parceiro íntimo antes que o abuso seja reconhecido

Ferramenta de IA pode ajudar hospitais a identificar risco de violência por parceiro íntimo antes que o abuso seja reconhecido

Em saúde, alguns dos problemas mais graves não são necessariamente os mais raros — são os que passam despercebidos. A violência por parceiro íntimo é um desses casos. Muitas vítimas chegam a consultórios, prontos-socorros, ortopedia, atenção primária ou saúde mental com lesões, dores crônicas, ansiedade, depressão, distúrbios do sono ou queixas inespecíficas sem que a causa real seja sequer perguntada. Não porque os profissionais não se importem, mas porque a violência costuma ser fragmentada, silenciada e difícil de enxergar no ritmo da rotina clínica.

É justamente nesse ponto que uma nova geração de ferramentas de inteligência artificial começa a chamar atenção. A proposta não é “descobrir” abuso sozinha, nem substituir a conversa com o paciente. A ideia mais defensável é outra: usar padrões em dados clínicos para alertar equipes de saúde sobre pacientes que podem estar em risco, ajudando a reduzir oportunidades perdidas de triagem e apoio.

A literatura fornecida sustenta esse enquadramento com razoável cautela. O conjunto de estudos sugere que modelos de aprendizado de máquina conseguem detectar padrões associados à violência por parceiro íntimo e, em alguns casos, sinalizar risco anos antes de a vítima procurar ajuda de forma explícita. Mas a mesma evidência também deixa claro que prever risco não basta. Sem equipe treinada, abordagem sensível ao trauma e encaminhamento seguro, um alerta algorítmico pode ser inútil — ou até perigoso.

O problema central: a violência costuma ser perdida no atendimento comum

Uma das razões para esse tipo de ferramenta parecer promissora é simples: os serviços de saúde ainda falham com frequência em reconhecer violência por parceiro íntimo. Um dos estudos fornecidos, focado em ortopedia, reforça esse ponto ao mostrar que o problema é muitas vezes subdiagnosticado ou não identificado em contextos de cuidado rotineiro.

Isso faz sentido. Em muitos casos, a vítima não chega dizendo que sofre abuso. Ela chega com uma fratura, dor no pescoço, cefaleia, crise de ansiedade, insônia, dor pélvica, piora de depressão ou uso problemático de substâncias. Cada encontro clínico mostra apenas um fragmento. O padrão completo pode ficar invisível, especialmente quando os sistemas de saúde são apressados, compartimentalizados e nem sempre preparados para fazer perguntas delicadas com segurança.

É aí que a IA encontra a sua melhor justificativa: não como substituta de julgamento clínico, mas como forma de juntar sinais dispersos que um profissional isolado talvez não veja no momento da consulta.

O que os estudos sugerem que a IA consegue fazer

O estudo clínico multimodal mais diretamente relevante entre as referências relata boa capacidade discriminativa para identificar pacientes em risco de violência por parceiro íntimo. Também sugere que o risco poderia ser detectado com antecedência, potencialmente anos antes de algumas vítimas procurarem ajuda.

Esse ponto é importante porque muda o enquadramento do problema. Em vez de esperar que a violência seja finalmente revelada, um sistema de saúde poderia usar dados já existentes — históricos de atendimento, padrões clínicos, linguagem em prontuários, talvez combinações de variáveis médicas e comportamentais — para indicar quando vale a pena realizar uma triagem mais cuidadosa.

Outro componente da literatura reforça que o aprendizado de máquina pode classificar sinais relacionados à violência em texto não estruturado, algo relevante porque muito do que importa nos cuidados de saúde não está em caixas padronizadas, mas em anotações clínicas, descrições de sintomas e narrativas fragmentadas. Nem toda essa evidência vem de cenários clínicos diretos, e um dos estudos incluídos usa texto de redes sociais no Irã, o que reduz sua aplicabilidade imediata ao ambiente hospitalar. Ainda assim, ele ajuda a mostrar que a tecnologia consegue encontrar padrões linguísticos associados a violência e sofrimento.

Tomados em conjunto, os trabalhos não provam que a IA resolve o problema. Mas sustentam bem a ideia de que ela pode ajudar a identificar risco mais cedo do que a prática habitual, sobretudo onde a violência costuma passar despercebida.

O valor real está em detectar oportunidades perdidas

Em temas como violência doméstica, a pergunta mais útil talvez não seja “a IA consegue diagnosticar?”, mas sim “ela consegue ajudar o sistema a deixar passar menos casos?”. Essa é uma pergunta mais modesta — e provavelmente mais realista.

A violência por parceiro íntimo é muitas vezes reconhecida tarde, depois de repetidas visitas ao sistema de saúde. Se uma ferramenta algorítmica consegue sinalizar que determinada paciente tem um padrão de lesões, sintomas e utilização de serviços compatível com maior risco, isso pode criar uma oportunidade para uma abordagem mais cuidadosa. Em teoria, isso significa:

• fazer perguntas de forma privada e segura;
• usar linguagem sensível ao trauma;
• evitar confrontos ou acusações precipitadas;
• oferecer recursos e encaminhamentos;
• e respeitar o ritmo e a autonomia da paciente.

Esse é o melhor cenário para a tecnologia: criar uma segunda chance para o cuidado, não produzir um veredicto automático.

O que a IA não deve ser autorizada a fazer

É aqui que a cautela precisa ser forte. A evidência fornecida não apoia a ideia de que uma ferramenta de IA possa diagnosticar abuso. O que ela parece fazer, no máximo, é marcar risco e aumentar a atenção clínica.

Essa diferença importa muito. Violência por parceiro íntimo não é um achado laboratorial. É uma experiência humana, relacional, social e frequentemente perigosa, cercada por medo, dependência econômica, coerção e risco de retaliação. Um sistema automatizado pode errar para os dois lados:

• deixar de sinalizar alguém em risco;
• ou sinalizar falsamente uma pessoa que não está vivendo aquela situação.

Ambos os erros podem ter consequências sérias. Um falso negativo perde a chance de ajuda. Um falso positivo pode gerar desconforto, estigma, documentação sensível inadequada ou, em situações mal conduzidas, até aumento de risco se a informação não for tratada com extremo cuidado.

Privacidade, viés e dano potencial não são detalhes

Como quase toda aplicação sensível de IA em saúde, esta vem acompanhada de problemas éticos grandes. Os principais incluem:

• privacidade, porque dados sobre violência e vulnerabilidade são extremamente sensíveis;
• viés algorítmico, se o modelo funcionar melhor em alguns grupos do que em outros;
• falsos positivos e falsos negativos, com potenciais consequências clínicas e sociais;
• uso indevido da informação, especialmente se alertas forem visíveis em contextos inseguros;
• e o risco de pacientes vulneráveis serem tratados com suspeita, em vez de acolhimento.

Esses pontos não enfraquecem a relevância da tecnologia, mas mudam completamente a forma como ela deveria ser implementada. Um sistema desses só faz sentido se vier acompanhado de governança forte, protocolos de segurança, treinamento de equipes e desenho centrado na proteção da pessoa em risco.

Boa predição não garante melhor cuidado

Outro limite importante é que acurácia de modelo não é a mesma coisa que benefício clínico. Um algoritmo pode ter bom desempenho estatístico e ainda assim fracassar no mundo real se não houver uma resposta humana adequada depois do alerta.

Para que esse tipo de ferramenta realmente melhore cuidado, seriam necessárias várias camadas funcionando juntas:

1. triagem segura e privada;
2. profissionais treinados em cuidado sensível ao trauma;
3. opções reais de encaminhamento, incluindo suporte social, jurídico e psicológico;
4. documentação cuidadosa, que não aumente risco para a vítima;
5. monitoramento dos efeitos da ferramenta, incluindo possíveis danos.

Sem isso, o algoritmo vira apenas um detector sofisticado de vulnerabilidade sem capacidade real de proteção.

Por que esta história importa agora

A importância desta notícia vai além da tecnologia em si. Ela expõe uma verdade desconfortável sobre a medicina contemporânea: mesmo em sistemas cheios de dados, ainda falhamos em reconhecer sofrimento humano básico quando ele não aparece em linguagem direta.

Se a IA puder ajudar a encontrar padrões invisíveis demais para consultas rápidas e prontuários fragmentados, isso pode ter valor real. Mas esse valor não está em automatizar o cuidado. Está em tornar o sistema menos cego para sinais de violência que já estavam lá.

Isso também ajuda a reposicionar a discussão sobre inovação em saúde. Nem toda ferramenta útil precisa descobrir uma nova doença ou substituir um especialista. Às vezes, o ganho mais importante é mais humilde: ajudar profissionais a fazer melhor uma pergunta que precisava ter sido feita antes.

A leitura mais equilibrada

A evidência fornecida apoia uma conclusão moderadamente positiva, mas com limites claros: a IA para risco de violência por parceiro íntimo parece promissora como ferramenta de apoio para identificar padrões de risco mais cedo, especialmente em contextos onde o abuso costuma passar despercebido. Estudos de desenvolvimento e validação retrospectiva sugerem bom desempenho discriminativo e reforçam a possibilidade de detectar sinais antes de uma revelação formal ou procura explícita por ajuda.

Ao mesmo tempo, isso não equivale a diagnóstico nem a prova de benefício clínico em implementação real. As evidências mais fortes ainda parecem vir de modelos retrospectivos, não de ensaios prospectivos em sistemas de saúde. Além disso, privacidade, viés, falsos positivos e risco de dano continuam a ser preocupações centrais.

A conclusão mais responsável, portanto, é esta: a IA pode vir a ser uma aliada útil para triagem mais precoce e detecção de oportunidades perdidas em violência por parceiro íntimo, mas apenas se for usada como suporte a profissionais treinados, dentro de protocolos seguros e com encaminhamento sensível ao trauma. Como ferramenta isolada, ela é insuficiente. Como parte de um sistema de cuidado bem desenhado, pode ser relevante.