Resposta: E — Errado

Por que: a afirmação usa um termo absoluto — "não teria a capacidade" — e isso é incorreto. Sistemas de IA/machine learning podem prever qual antibacteriano tem maior probabilidade de sucesso mesmo quando não há histórico prévio do paciente, desde que sejam fornecidos dados relevantes (por exemplo: identificação do microrganismo, perfil de resistência regional, dados clínicos iniciais, ou genoma do agente).

Resumo teórico e exemplos práticos

1) Modelos treinados em grandes bases populacionais podem sugerir terapias empíricas com base em idade, localização, sinais clínicos e padrões locais de resistência (antibiogramas).

2) Sequenciamento do microrganismo (WGS) + IA: permite predizer genes de resistência e, assim, a susceptibilidade a antibióticos mesmo sem histórico do paciente (ex.: predição de resistência a betalactâmicos, aminoglicosídeos etc.).

3) IA aplicada a dados de laboratório (hemograma, biomarcadores) e epidemiológicos melhora a escolha inicial do antibiótico; a predição é probabilística e auxilia decisão clínica, não a substitui.

Limitações importantes (para interpretar enunciados e provas)

- A precisão depende da qualidade/quantidade dos dados de entrada; sem dados essenciais a acurácia cai.

- IA fornece probabilidade, não certeza absoluta; decisão final é clínica.

Fontes e leituras recomendadas

WHO — Antimicrobial resistance (fact sheets). E. Topol, "Deep Medicine" (2019) sobre IA em saúde; revisões em Nature Reviews Microbiology sobre predição genômica de resistência.

Dica para provas: suspeite de alternativas absolutas ("não teria a capacidade", "sempre", "nunca"). Em ciência/tecnologia, raramente são verdadeiras.

Gostou do comentário? Deixe sua avaliação aqui embaixo!