IA identifica violência de parceiro íntimo anos antes da divulgação, é seguro?

Pesquisadores do MIT e do Mass General Brigham desenvolveram um modelo de IA (AIRS) para identificar risco de violência de parceiros íntimos a partir de prontuários médicos.
O modelo combina dados estruturados dos históricos médicos com notas clínicas não estruturadas, usando uma abordagem de IA em duas etapas (classificadores separados) e fusão HAIM para manter as fontes independentes.
Na primeira coorte de teste, o modelo atingiu AUC de 0,88; em todas as validações, o AUC ficou acima de 0,8, com detecção de IPV em 80,6% dos casos antes da autorrelato, com média de atraso de 3,68 anos.
O objetivo é apoiar, não diagnosticar, oferecendo um score de risco aos clínicos e incentivando conversas sensíveis com os pacientes, sem intervenção automática.
Questões éticas e de segurança permanecem, incluindo consentimento, privacidade e limitações, como a dificuldade de detectar abusos por coerção e abuso financeiro que podem não deixar traços em prontuários médicos.

Pesquisadores do MIT, Mass General Brigham e Harvard desenvolveram um modelo de IA capaz de indicar risco de violência por parceiro íntimo a partir de prontuários médicos. O objetivo é identificar vítimas com antecedência, antes de a pessoa relatar o abuso. O estudo, apresentado em 2026, usa dados já existentes para sinalizar riscos.

A ferramenta, chamada AIRS, combina dados estruturados dos prontuários com notas clínicas não estruturadas. Duas linhas de análise são processadas separadamente e, ao final, seus resultados são fundidos em uma abordagem que preserva a independência de cada fonte. O objetivo é manter a confiabilidade mesmo com dados incompletos.

AIRS passou por testes em três cohorts de pacientes e mostrou desempenho estável, com AUC acima de 0,8 e uma taxa de detecção de IPV de 80,6% antes da autodeclaração, em média 3,68 anos antes. Alguns casos foram identificados com registros com mais de cinco anos de antecedência.

A pesquisa destaca que o sistema não diagnostica IPV, apenas sinaliza risco para que o clínico conduza uma conversa de apoio. Além disso, foram criados guias estruturados para orientar profissionais e materiais voltados ao paciente, com foco em abordagens sensíveis ao trauma.

Sobre AIRS

Os dados usados combinam diagnósticos, medicações, visitas de pronto atendimento, sinais vitais e um índice socioeconômico de área. As notas clínicas são convertidas em formato numérico por um modelo de linguagem treinado em texto médico. Essa fusão visa superar limitações de registros ausentes.

O estudo ressalta que a leitura de sinais de violência física pode deixar de capturar formas de abuso como controle coercitivo ou abuso financeiro. Pesquisadores defendem governança rigorosa antes de uso clínico amplo. O objetivo é equilibrar proteção de pacientes e privacidade.

Desafios éticos e implantação

Especialistas reconhecem riscos de uso indevido, consentimento e impacto em populações vulneráveis. Um ponto central é que o score não deve substituir a avaliação clínica nem a decisão do profissional. A implementação envolve governança, transparência e envolvimento da comunidade.

A equipe já trabalha para ampliar o escopo de gênero, incluindo pacientes trans, não binários e homens, além de estudar padrões de lesões em diferentes grupos. Outros projetos integram riscos a longo prazo, como impactos psicológicos e de saúde física.

Caminhos futuros

Desdobramentos incluem ampliar a base de dados, aprimorar a detecção de sinais indiretos de abuso e revisar padrões de privacidade. Pesquisas com instituições parceiras ajudam a mapear como a IA pode apoiar respostas mais rápidas e seguras a casos de IPV.