Ciências da vida global IA · Published 16 Novembro 2026 · HERMS Consultoria DMCC
Explorar a abordagem HERMS e o nosso portfólio de soluções.
Evidências do mundo real podem apoiar decisões regulatórias e de acesso ao mercado quando a questão de pesquisa, dados, design e análise se encaixam na decisão tomada. Comece com a incerteza que importa, selecione dados com relevância e confiabilidade adequadas, enderece viés e confusão, e preservar um caminho rastreável dos registros de origem às conclusões. Os grandes conjuntos de dados, por si só, não estabelecem os efeitos do tratamento ou o valor do ordenante. Estudos credíveis tornam claros os seus pressupostos, limitações e incertezas para avaliação independente. Evidências do Mundo Real Considerações para o uso de dados do mundo real e evidências do mundo real para apoiar decisões regulatórias para medicamentos e produtos biológicos BEM-VINDO AO MUNDO REAL
O que é a evidência do mundo real – e como é diferente dos dados do mundo real?
Dados do mundo real, ou DRT, descrevem o estado de saúde ou a prestação de cuidados de saúde capturados em fontes rotineiras, como registros eletrônicos de saúde, reivindicações e registros. Evidências do mundo real, ou RWE, são evidências clínicas derivadas da análise desses dados. Uma base de dados é, portanto, um input, não uma conclusão de estudo. A ERP pode surgir de mais do que uma pesquisa observacional retrospectiva; estudos randomizados também podem utilizar dados coletados rotineiramente. Evidências do Mundo Real
A distinção é importante comercial e cientificamente. Um conjunto de dados pode descrever os padrões de tratamento bem, mas não a gravidade da doença necessária para a eficácia comparativa. As alegações podem medir a utilização facturada mais diretamente do que sintomas ou qualidade de vida. A adequação do estudo é específica para a questão, população e uso pretendido – não um crachá permanente anexado a um fornecedor de dados. BEM-VINDO AO MUNDO REAL
Comece com a decisão, não com a base de dados.
Escreva um resumo de primeira decisão antes de negociar o acesso ou executar análises. Identificar quem irá usar a evidência, que decisão está pendente, que incerteza poderia mudar essa decisão, e que alegação o estudo poderia legitimamente apoiar. Separar uma pergunta descritiva de uma alegação causal.
| Contexto da decisão | Pergunta de exemplo | Elementos de prova relevantes | Limitação chave a resolver |
|---|---|---|---|
| Eficácia regulamentar | O início de A em vez de B melhora um resultado definido? | Desenho comparativo com coortes alinhadas e seguimento | Confundindo, validando os objetivos e normas de prova aplicáveis |
| Segurança pós- comercialização | A exposição está associada a um resultado adverso especificado? | Estudo farmacoepidemiológico apropriado | Momento da exposição, detecção e confusão |
| Valor comparativo HTA | Como a tecnologia funciona contra os cuidados locais relevantes? | Efeitos comparativos mais avaliação da aplicabilidade | Comparador e relevância da população |
| Avaliação económica | Que uso de recursos, utilitários ou resultados de longo prazo informam o modelo? | Estimativas específicas de contexto com incerteza | Transferenciabilidade e extrapolação |
| Impacto orçamental | Quantos pacientes elegíveis podem receber tratamento e a que custo? | Inputs de população, captação e utilização | Vias locais, preços e pressupostos |
| Evolução dos elementos de prova | Que incerteza deve reduzir a recolha futura? | Avaliação da viabilidade e plano de evidência prospectivo | Acompanhamento, governação e resultados mensuráveis |
A aprovação e o reembolso regulatórios são decisões diferentes. Evidências relevantes para a segurança ou eficácia podem não responder à pergunta de um pagador sobre o comparador local, uso de recursos ou acessibilidade. O quadro da NICE apoia o uso de RWD para caracterizar cuidados e informar modelos econômicos, mas não estabelece padrões de aceitação mínimos universais. Considerações para o uso de dados do mundo real e evidências do mundo real para apoiar decisões regulatórias para medicamentos e produtos biológicos BEM-VINDO AO MUNDO REAL
Crie dados adequados em torno da relevância e confiabilidade
Avaliar a relevância: a população, exposições, resultados, confundidores, definição de cuidados e período de calendário são adequados? Avaliar a confiabilidade: como os registros foram capturados, curados, vinculados e verificados? Precisão documental, completude e rastreabilidade em relação às variáveis que conduzem inferência. Um único escore de completude global pode ocultar um confundidor essencial em falta. Considerações para o uso de dados do mundo real e evidências do mundo real para apoiar decisões regulatórias para medicamentos e produtos biológicos M14 Princípios Gerais de Planejamento, Desenho, Análise e Relato de Estudos Não Intervencionais que Utilizam Dados do Mundo Real para Avaliação da Segurança de Medicamentos BEM-VINDO AO MUNDO REAL
| Fonte de dados | Contribuição potencial | Pergunta a resolver antes da utilização |
|---|---|---|
| Registos de saúde electrónicos | Medidas clínicas, diagnósticos e contexto assistencial | A gravidade, o tempo e os resultados fora da rede são capturados? |
| Pedidos administrativos | Serviços de utilização, distribuição e reembolso | Os códigos representam os conceitos clínicos e a perspectiva do pagador? |
| Registos de doenças ou produtos | Detalhes específicos da doença e desfechos longitudinais | Como os participantes foram selecionados e seguidos? |
| Mortalidade ou outros registos ligados | Determinação dos resultados adicionais | Que erro de linkage, atraso e permissões se aplicam? |
| Informação referida pelo doente | Sintomas, função e qualidade de vida | As medidas são adequadas e as respostas em falta são informativas? |
| Fontes digitais de saúde | Medições repetidas nas visitas externas | São entendidos dispositivos, algoritmos e falta? |
Crie uma tabela de viabilidade de nível variável antes de se comprometer com um estudo completo. Inclua algoritmos de codificação, janelas de observação, evidência de validação, falta, sucesso de ligação e alterações conhecidas ao longo do tempo. Se um endpoint crítico estiver ausente, considere outra fonte ou coleção adicional; a sofisticação na análise não pode fabricar a medição em falta. BEM-VINDO AO MUNDO REAL Métodos para estudos de efeitos comparativos no mundo real
Desenhe o estudo antes de examinar resultados comparativos
Para questões causais, especifique o ensaio hipotético que o estudo observacional busca emular. Definir elegibilidade, estratégias de tratamento, atribuição, acompanhamento, resultados, efeito causal de interesse e análise. Esta abordagem de teste-alvo torna explícitas as escolhas de design e expõe lacunas entre a questão ideal e os dados disponíveis. Não transforma a atribuição do tratamento observacional em randomização. Métodos para estudos de efeitos comparativos no mundo real
Quando adequado, um comparador ativo, uma coorte de novos usuários pode melhorar a comparabilidade. Compare os doentes que iniciam alternativas clinicamente relevantes na mesma fase do tratamento, em vez de misturarem os doentes com incidentes e os utilizadores de longa duração. Alinhar a elegibilidade, o início do tratamento e o início do seguimento para evitar que um grupo desse um período artificial em que o resultado não pudesse ter ocorrido. Métodos para estudos de efeitos comparativos no mundo real
Defina o estimador: que população, contraste de tratamento, resultado, horizonte temporal e manipulação de eventos, como mudança ou descontinuação, se destinam? Um efeito de início de tratamento e um efeito de início de tratamento respondem a diferentes perguntas. Censurar as pessoas quando elas trocam pode criar viés se a mudança se relaciona com o prognóstico; indicar os pressupostos e métodos em vez de tratar censura como administração doméstica. Métodos para estudos de efeitos comparativos no mundo real
Controle confusão sem afirmar que desapareceu
A confusão surge quando fatores influenciam tanto a seleção do tratamento quanto o desfecho. Identificar fatores de confusão plausíveis do conhecimento clínico, da literatura e do raciocínio causal explícito.Evitar selecionar variáveis de ajuste somente por serem estatisticamente significativas.Um gráfico acíclico direcionado pode ajudar a distinguir fatores de confusão de mediadores e colididores. Métodos para estudos de efeitos comparativos no mundo real
Escolha métodos alinhados ao estimador e dados: as abordagens de restrição, pareamento, estratificação, regressão ou escore de propensão podem ser apropriadas. Avaliar o equilíbrio e o tratamento covariáveis sobrepõem-se, e relatar as consequências de exclusões ou pesos extremos. Um escore de propensão equilibra informações mensuradas sob pressupostos; não pode garantir equilíbrio em gravidade não mensurada ou julgamento clínico. Métodos para estudos de efeitos comparativos no mundo real
A confusão variável no tempo pode requerer métodos além do ajuste padrão basal. Obtenha dados estatísticos especializados onde o tratamento anterior afeta um confundidor que também influencia o tratamento e os resultados subsequentes. Não escolha um método complexo apenas porque produz um resultado mais favorável. Métodos para estudos de efeitos comparativos no mundo real
Endereço dados em falta, viés e validade do desfecho
| Ameaça | Como pode minar a inferência | Resposta proposta |
|---|---|---|
| Confundir por indicação | O tratamento reflete gravidade ou prognóstico da doença | Comparador clinicamente adequado; gravidade medida; análise de sensibilidade |
| Preconceito de tempo imortal | Definição da exposição requer sobrevivência a um período | Alinhar tempo zero e estratégias de tratamento |
| Desclassificação errônea do resultado | Os códigos não representam o evento previsto | Validar algoritmos; avaliar a medição diferencial |
| Censura informativa | Perda de seguimento está relacionada ao prognóstico | Definir razões; utilizar métodos adequados e análise de sensibilidade |
| Dados em falta | O registro depende do cuidado ou do estado de saúde | Descrever os padrões e mecanismos; justificar as suposições de tratamento |
| Diferenças de calendário/site | Mudanças de cuidados ao longo do tempo ou instituições | Avaliar a comparabilidade; restringir, ajustar ou estratificar, conforme adequado |
| Sobreposição fraca | Os grupos carecem de doentes comparáveis | Relatório de apoio, exclusões e mudança da população-alvo |
| Análise selectiva/relatório | Métodos seguem achados favoráveis | Protocolo/PAS pré-especificado; desvio de rótulo e trabalho exploratório |
Relatar falta por grupo de tratamento e ao longo do tempo, quando relevante. A imputação múltipla não é um reparo universal: sua validade depende de pressupostos e do modelo. Considere análises de sensibilidade ou viés quantitativo quando falta, confusão não medida ou classificação incorreta poderia alterar materialmente a interpretação. Métodos para estudos de efeitos comparativos no mundo real
Apresente estimativas de efeito com incerteza e quantidades absolutas clinicamente significativas, quando apropriado, não apenas valores de p. Se as análises de sensibilidade produzirem conclusões diferentes, explique quais pressupostos impulsionam a diferença. A precisão estatística não estabelece a liberdade de viés sistemático. BEM-VINDO AO MUNDO REAL Métodos para estudos de efeitos comparativos no mundo real
Use controles externos com cautela, especialmente em doenças raras e terapias avançadas
Os controles externos podem ajudar a resolver lacunas de evidência quando não há comparações randomizadas adequadas, mas a similaridade do diagnóstico por si só é insuficiente. Avaliar a elegibilidade, a fase da doença, o tratamento prévio, a data do índice, os cuidados de suporte, as definições do desfecho, a frequência de avaliação e o período de calendário. Diferenças entre participantes do estudo e pacientes de rotina podem gerar efeitos aparentes não relacionados à tecnologia. Métodos para estudos de efeitos comparativos no mundo real
Para terapias celulares e genéticas, populações esparsas e incertezas de longo prazo tornam importante a história natural e o planejamento de seguimento cuidadosos. Estado onde os dados não podem estabelecer uma comparação credível. Um estudo de braço único mais um grande conjunto de dados externos não demonstra automaticamente um benefício causal; viabilidade pode mostrar que a coleta adicional é necessária. BEM-VINDO AO MUNDO REAL Métodos para estudos de efeitos comparativos no mundo real
Translate RWE into market access evidence — não créditos de valor não suportados
Conectar cada proposta de reivindicação de pagador a um contexto específico de análise e decisão. Distinguir a eficácia clínica, utilização de recursos de saúde, custos, serviços públicos de saúde e impacto orçamentário. BEM-VINDO AO MUNDO REAL Métodos para estudos de efeitos comparativos no mundo real
Para modelos econômicos, documentar o papel de cada entrada de RWE: risco basal, taxas de eventos, duração do tratamento, utilização ou resultados a longo prazo. Explique como se relaciona com as evidências do julgamento, como a incerteza se propaga e por que se aplica ao sistema de saúde alvo. Os cenários de impacto orçamental devem expor as hipóteses de população elegível e de aceitação, em vez de apresentar uma única estimativa como inevitável. São propostas práticas de implementação fundamentadas na geração de evidências transparentes. BEM-VINDO AO MUNDO REAL
Um estudo de um país pode informar outro, mas não fornecer diretamente preços locais, vias de cuidados ou taxas de eventos de base. Separar a validade interna da aplicabilidade; reponderar não pode corrigir qualquer diferença não medida entre configurações. Métodos para estudos de efeitos comparativos no mundo real
Preservar uma análise rastreável da fonte para reivindicar
Um revisor independente deve ser capaz de entender como a fonte se tornou o conjunto de dados analíticos e como o conjunto de dados se tornou o resultado. Manter descrições de origem e datas de extração; dicionários de dados e listas de códigos; regras de ligação e curadoria; atrição de coorte; versões de plano de análise de protocolo e estatística; detalhes do código executável e do ambiente; verificações de qualidade; desvios; e mapeamentos de saída para reivindicação. BEM-VINDO AO MUNDO REAL Métodos para estudos de efeitos comparativos no mundo real
Planeje a governança para acesso legal, revisão ética, quando aplicável, privacidade, linkage permitido, retenção e análise segura. Transparência não significa publicar registros de pacientes identificáveis. Onde dados brutos não podem ser compartilhados, explique restrições e forneça métodos, metadados e especificações executáveis suficientes para escrutínio significativo. BEM-VINDO AO MUNDO REAL
A IA pode auxiliar na triagem de literatura, propostas de codificação ou documentação, mas citações geradas, mapeamentos e campos extraídos requerem verificação proporcional ao seu uso. Mantenha a autoridade de projeto de estudo, permissões de acesso e sinalização científica sob controle humano responsável. Esta é uma salvaguarda operacional recomendada, não uma reivindicação de um procedimento universal de revisão de IA mandatada.
Um estudo hipotético: um conjunto de dados, duas questões de decisão
Suponhamos que uma empresa queira comparar a hospitalização após o início da Terapia A versus Terapia B e também informar uma submissão de ATS. Uma fonte de alegações captura dispensação e internações, mas a gravidade da doença é incompleta.A equipe primeiro especifica o estágio de tratamento, a elegibilidade do novo usuário, a observação basal, o tempo zero, o desfecho e o seguimento.
A viabilidade mostra que uma fonte clínica ligada pode melhorar a mensuração da gravidade, sendo que o protocolo preespecifica o ajuste de confusão, a avaliação de sobreposição, o manuseio de dados ausentes e a análise de sensibilidade, e, se não for possível obter uma comparabilidade adequada, a equipe reduz a alegação ou altera o plano de evidência em vez de anunciar uma vantagem causal.
Para a questão do ordenante, avalia separadamente a relevância do comparador local, os custos unitários, a população elegível e a incerteza do modelo.A análise regulatória e a avaliação econômica compartilham evidências documentadas, mas nem é remarcada como prova do outro.Este cenário é ilustrativo; não relata nenhum resultado de tratamento ou implantação HERMS.
Regulamentação e paisagem HTA: o que as fontes realmente dizem
| Origem | Estado / contexto | Implicação prática |
|---|---|---|
| Considerações da FDA RWD/RWE | Agosto 2023 final não vinculante droga/orientação biológica | Avaliar a finalidade regulamentar, a viabilidade do estudo e os dados adequados |
| Estudos não intervencionistas FDA | Projecto de Março 2024; não para execução | Não remarcar as recomendações propostas como requisitos finais |
| ICH M14 na FDA | Março 2026 orientação final; foco de segurança | Plano, desenho, análise e relato de estudos não intervencionistas em ajuste para uso |
| EMA RWE / DARWIN EU | Infra-estruturas da UE de produção de provas e recursos explicativos | A descoberta de dados e estudos suportam questões regulatórias; não há aceitação automática do estudo |
| BEM-VINDOS A RWE | Quadro dos métodos de vida; publicado em Junho 2022 | Utilizar dados relevantes e métodos transparentes; a aceitabilidade permanece contextual |
A orientação da FDA em março 2026 M14 substitui seu rascunho de julho 2024 M14; isso é distinto do rascunho de março separado 2024 FDA não-intervencional. M14 foca na segurança, enquanto a FDA observa que suas recomendações também podem informar estudos de eficácia. Harmonização internacional não significa implementação nacional idêntica ou aprovação garantida. Considerações para o uso de dados do mundo real e evidências do mundo real para apoiar decisões regulatórias para medicamentos e produtos biológicos Evidências do mundo real: Considerações sobre estudos não-intervencionais para medicamentos e produtos biológicos M14 Princípios Gerais de Planejamento, Desenho, Análise e Relato de Estudos Não Intervencionais que Utilizam Dados do Mundo Real para Avaliação da Segurança de Medicamentos
Os catálogos HMA-EMA da EMA ajudam a identificar fontes de dados e estudos. A DARWIN EU gera provas que abordam questões de regulação de medicamentos através de parceiros de dados participantes. A inclusão de catálogos não é prova de que um conjunto de dados se adapte a um determinado protocolo ou que a conclusão de um patrocinador seja aceite. Provas do mundo real Análise de dados e Rede de Interrogações do Mundo Real (DARWIN EU)
Uma lista de verificação prática de preparação de provas
- Decisão e alegação: identificar o utilizador, a incerteza e a conclusão admissível.
- Desenho: definir a população, comparador, tempo zero, estimand e acompanhamento.
- Dados: confirmar variáveis essenciais, proveniência, permissões e viabilidade.
- Bias: confundidores de documentos, sobreposição, falta e limitações de medição.
- Análise: preespecifique métodos primários, análises de sensibilidade e regras de interpretação.
- Rastreabilidade: reter código, versões, atrito, desvios e verificações de qualidade.
- Aplicabilidade: avaliar as vias de assistência ao país-alvo e a relevância da decisão.
- Engajamento: procurar aconselhamento regulamentar ou HTA adequado antes de bloquear as escolhas de projeto consequenciais.
Use estes itens como portas de projeto propostos, não uma alegação de que cada autoridade requer a mesma lista de verificação. NICE incentiva o aconselhamento precoce para as empresas que planejam usar RWD em submissões. BEM-VINDO AO MUNDO REAL
Como HERMS conecta a geração de evidências com a prontidão de decisão
HERMS descreve VALTRIX como uma área de solução clínica e de prova de valor, VALTIRA como preços, HTA e inteligência de impacto orçamental, e VERIQIS como integridade e garantia de provas. São declarações de posicionamento da empresa, não declarações de desempenho validadas de forma independente. A questão de avaliação útil consiste em saber se uma proposta de implantação pode demonstrar a rastreabilidade da fonte para o pedido, os métodos adequados e a revisão responsável da sua utilização prevista. Software de Ciências da Vida AI 25 HERMS
Explorar HERMS soluções clínicas, de valor-evidência e de acesso ao mercado discutir uma demonstração em torno de sua lacuna de evidências, necessidades de preparação para estudo e requisitos de decisão.
Perguntas mais frequentes
Qual é a diferença entre a DRT e a RWE?
RWD são os dados de rotina subjacentes. RWE é a evidência clínica derivada da análise. Coletar registros ou comprar um conjunto de dados não cria, em si, evidências credíveis; a questão de pesquisa, desenho do estudo, pressupostos analíticos e adequação dos dados determinam o que pode ser concluído. Evidências do Mundo Real
A RWE pode apoiar a aprovação regulamentar?
Ele pode suportar usos regulatórios específicos quando as evidências satisfazem as normas aplicáveis e aborda a questão. A aceitação não é automática e depende do contexto de submissão. Engaje a autoridade relevante nas escolhas de design conseqüentes; não assuma que a RWE substitui evidências aleatórias em cada cenário. Evidências do Mundo Real Considerações para o uso de dados do mundo real e evidências do mundo real para apoiar decisões regulatórias para medicamentos e produtos biológicos
Como a RWE apoia o acesso ao mercado e a HTA?
Pode informar a carga da doença, as vias de tratamento, as evidências comparativas, os insumos do modelo econômico e a aplicabilidade aos cuidados de rotina.O pagador ainda necessita de comparadores relevantes, métodos credíveis e avaliação da incerteza.A aceitação regulatória de um estudo não garante o reembolso nem estabelece a acessibilidade. BEM-VINDO AO MUNDO REAL Métodos para estudos de efeitos comparativos no mundo real
O que torna os dados adequados para fins?
Os dados devem conter pacientes, tratamentos, desfechos e covariáveis adequados, com mensuração, acompanhamento e rastreabilidade adequados para a questão específica.Avaliar a relevância e a confiabilidade.Uma fonte adequada para a pesquisa de utilização pode ser inadequada para uma comparação de eficácia causal. M14 Princípios Gerais de Planejamento, Desenho, Análise e Relato de Estudos Não Intervencionais que Utilizam Dados do Mundo Real para Avaliação da Segurança de Medicamentos BEM-VINDO AO MUNDO REAL
Correspondência de propensidade-escore remove confusão?
Pode abordar confusão medida sob pressupostos, desde que existam covariáveis adequadas e sobreposições, não garantindo o controle de fatores não medidos ou corrigir definições de desfechos ruins. Relate equilíbrio, exclusões, limitações residuais e análises de sensibilidade em vez de tratar o pareamento como prova de causalidade. Métodos para estudos de efeitos comparativos no mundo real
O que é emulação de teste alvo?
É o desenho explícito de um estudo observacional em torno do ensaio randomizado que idealmente se realizaria. Especificar elegibilidade, estratégias, atribuição, seguimento, resultados, efeito causal e análise. A abordagem ajuda a evitar erros de desenho, mas não pode fornecer variáveis em falta ou tornar aleatória alocação de tratamento observacional. Métodos para estudos de efeitos comparativos no mundo real
Quando é que as armas de controlo externo são credíveis?
A credibilidade depende da comparabilidade das populações, cuidados, períodos de tempo, captura e resultados dos dados, além de um desenho e análise adequados. Avaliar o que não pode ser alinhado e se a incerteza remanescente prejudica a alegação. Um controle externo não é automaticamente adequado porque a doença é rara. Métodos para estudos de efeitos comparativos no mundo real
A IA pode gerar um estudo RWE pronto para a decisão?
A IA pode apoiar tarefas selecionadas, mas a prontidão para a decisão requer dados adequados, raciocínio causal sólido, análise reprodutível e revisão qualificada. Verifique referências geradas, extração e código. Nenhuma arquitetura ou rótulo de vendedor estabelece independentemente validade científica, aceitação do regulador ou relevância do pagador.
Um estudo RWE útil não começa com o maior conjunto de dados ou termina com a estimativa mais favorável. Começa com uma decisão e termina com uma conta transparente do que as evidências suportam, o que não faz, e que incerteza permanece.
Discuta sua próxima questão de geração de evidências ou acesso ao mercado através HERMS Soluções , ou explorar relacionados HERMS insights de ciências da vida .
Soluções relevantes HERMS
Explore HERMS soluções relevantes para os fluxos de trabalho discutidos neste artigo: VALTRIX — evidência clínica e de valor; VALTIRA — Preços, HTA e impacto orçamental; EXIRIX — concepção de experiências clínicas; VERIQIS — integridade e garantia dos elementos de prova. Avaliar cada solução contra os requisitos de uso, evidência e aprovação pretendidos.
Fontes e leituras posteriores
- Evidências do Mundo Real
- Considerações para o uso de dados do mundo real e evidências do mundo real para apoiar decisões regulatórias para medicamentos e produtos biológicos
- BEM-VINDO AO MUNDO REAL
- M14 Princípios Gerais de Planejamento, Desenho, Análise e Relato de Estudos Não Intervencionais que Utilizam Dados do Mundo Real para Avaliação da Segurança de Medicamentos
- Métodos para estudos de efeitos comparativos no mundo real
- Evidências do mundo real: Considerações sobre estudos não-intervencionais para medicamentos e produtos biológicos
- Provas do mundo real
- Análise de dados e Rede de Interrogações do Mundo Real (DARWIN EU)
Explore a série de IA farmacêutica
- Autoridade de decisão da IA e supervisão humana
- AI agente versus generativo em produtos farmacêuticos
- Governação da IA nas ciências da vida
- Controlos de aprovação humana para IA farmacêutica
- Validação e controlo de mudança de dispositivo médico de IA
- Acesso global ao mercado farmacêutico, HTA e evidência de preços
Explorar HERMS soluções de ciências da vida e Governação e rastreabilidade das IAou solicitar uma demonstração centrada no fluxo de trabalho.
