FLARE é lançado para avaliar o custo-benefício da IA médica além da precisão
Pesquisadores propõem o FLARE, uma estrutura sistemática para avaliar impactos econômicos e operacionais reais antes da adoção de IA nos sistemas de saúde
Enquanto o uso de inteligência artificial (AI) na saúde cresce rapidamente, a maioria das avaliações costuma priorizar a precisão dos modelos, em vez do custo-benefício econômico e da aplicação prática em instituições de saúde. Um estudo publicado no repositório acadêmico arXiv em 24 de agosto de 2026 apresentou o FLARE, um framework sistemático e sensível a incertezas (Uncertainty-Aware Framework) para avaliar os impactos financeiros e operacionais do uso de AI na medicina.
O principal mecanismo do FLARE combina três tecnologias e ferramentas econômicas: lógica fuzzy (Fuzzy logic), custeio baseado em atividades e tempo (Time-driven activity-based costing, ou TDABC) e análise de retorno sobre o investimento (ROI). O método permite estimar os custos da prestação de serviços clínicos, do desenvolvimento e da operação de AI, além dos possíveis resultados econômicos de sua integração aos fluxos de trabalho reais.
Para demonstrar sua viabilidade, a equipe de pesquisa aplicou o FLARE em um estudo de avaliação antecipada de tecnologias em saúde (Early health technology assessment), envolvendo o uso de AI para detectar oclusão de grandes vasos (Large Vessel Occlusion) no atendimento ao AVC isquêmico agudo. O caso permitiu visualizar com mais clareza o custo-benefício da tecnologia.
Ferramentas e frameworks como este são importantes para hospitais e formuladores de políticas públicas na Tailândia decidirem com mais segurança se devem comprar ou desenvolver soluções médicas de AI, reduzindo riscos financeiros e escolhendo fluxos de trabalho que gerem o maior benefício real aos pacientes.