DA TRANSPARÊNCIA À CONFIABILIDADE: UMA PERSPECTIVA DA ENGENHARIA DE SISTEMAS PARA A INTELIGÊNCIA ARTIFICIAL EXPLICÁVEL (XAI) NA PRÁTICA CLÍNICA

Resumen

A incorporação de modelos de Inteligência Artificial (IA) na saúde promete revolucionar o diagnóstico e o tratamento, mas sua natureza como "caixa-preta" representa uma barreira crítica para a adoção clínica e a responsabilidade médica. A Inteligência Artificial Explicável (XAI) surge como uma resposta a essa barreira, buscando prover transparência às decisões algorítmicas. No entanto, a literatura corrente, embora rica em descrever métodos de XAI, ainda carece de uma abordagem estruturada sob a ótica da engenharia de sistemas. Este artigo avança na discussão ao propor um framework para o ciclo de vida de sistemas de XAI, argumentando que a meta não deve ser apenas a "explicabilidade", mas a construção de "sistemas de IA confiáveis" (Trustworthy AI). Analisamos a taxonomia dos métodos de XAI (intrínsecos e pós-hoc) sob a perspectiva de suas implicações de engenharia e propomos um ciclo de vida em quatro fases: (1) Governança de Dados e Mitigação de Viés; (2) Verificação e Validação das Explicações; (3) Integração Clínica e Fatores Humanos; e (4) Monitoramento Pós-Implementação e Deriva da Explicação. Discutimos os desafios e as fronteiras da pesquisa, com ênfase na causalidade, escalabilidade e nos marcos regulatórios pertinentes ao contexto brasileiro, como a Lei Geral de Proteção de Dados (LGPD). Concluímos que a transição da XAI do campo acadêmico para a prática clínica sustentável depende de um paradigma rigoroso de engenharia, focado na robustez, validação e confiabilidade do sistema como um todo.