Guilherme Marques
Diretor Executivo da Comissão Especial de Médicos Jovens da APM (CRM-SP: 198.679)
A inteligência artificial deixou de ser apenas uma promessa de futuro na Saúde. Em diferentes áreas, ela já começa a participar de processos diagnósticos, fluxos assistenciais, organização de serviços e apoio à decisão clínica. Esse movimento esteve no centro das discussões do Fórum Internacional de Lideranças da Saúde (Filis 2026), promovido pela Associação Brasileira de Medicina Diagnóstica (Abramed) na última quarta-feira (26), em São Paulo.
Na edição que marcou os dez anos do evento, o conceito de Diagnóstico 5.0 reuniu debates sobre regulação, sustentabilidade, Medicina diagnóstica, governança, interoperabilidade e inteligência artificial. Mais do que discutir novas ferramentas, o encontro trouxe uma questão que interessa diretamente ao exercício da Medicina: como incorporar tecnologias capazes de processar volumes crescentes de informação sem reduzir a complexidade da decisão clínica a uma resposta algorítmica?
De uma Medicina reativa para uma Medicina capaz de antecipar
Uma das principais tendências discutidas foi a transição de uma Saúde predominantemente reativa para um modelo progressivamente mais preditivo. Na prática, significa utilizar dados para reconhecer riscos antes do agravamento de doenças, identificar padrões clínicos precocemente e direcionar investigações de forma mais precisa.
Entre os exemplos apresentados esteve o uso de algoritmos para estratificação de risco em câncer colorretal. A combinação de diferentes informações clínicas pode ajudar a identificar indivíduos com maior probabilidade de doença mesmo antes de alguns critérios tradicionais de rastreamento.
A proposta não é substituir a avaliação médica nem automatizar a indicação de exames, mas oferecer novas camadas de informação capazes de qualificar a decisão.
Esse ponto é central. Quanto mais a tecnologia conseguir antecipar riscos e produzir probabilidades, maior será a importância da interpretação médica sobre esses dados. O diagnóstico, nesse cenário, deixa de ser apenas uma fotografia do estado atual do paciente e passa a integrar uma visão mais longitudinal de sua trajetória clínica.
A inteligência artificial também está fora do consultório
Boa parte das aplicações mais maduras de inteligência artificial ainda está concentrada em processos operacionais e diagnósticos. Durante o Filis, foi apresentado o uso de IA para organizar a escala de técnicos e biomédicos responsáveis por 16 equipamentos de ressonância magnética no Hospital das Clínicas da Faculdade de Medicina da USP. Um processo que antes demandava cerca de dois dias passou a ser realizado em aproximadamente 15 minutos.
Nos laboratórios, algoritmos também podem auxiliar na priorização de exames, identificação de resultados que precisam ser liberados com maior urgência e organização de fluxos complementares de investigação.
Outro exemplo discutido envolveu os chamados testes reflexos. A partir de determinados resultados, exames adicionais podem ser desencadeados dentro do próprio fluxo diagnóstico, reduzindo etapas e evitando novas coletas.
Essas aplicações mostram que a transformação tecnológica na Saúde não depende necessariamente de sistemas autônomos tomando decisões complexas. Em muitos casos, o ganho mais concreto está na redução de ineficiências, na organização de processos e na criação de melhores condições para que médicos e demais profissionais de Saúde concentrem seu tempo naquilo que exige julgamento clínico.
Sem dados de qualidade, não há inteligência artificial confiável
Outro ponto recorrente nos debates foi a infraestrutura necessária para sustentar essas tecnologias. Modelos de inteligência artificial dependem diretamente da qualidade dos dados utilizados em seu desenvolvimento e aplicação. Isso envolve integração entre informações clínicas, laboratoriais, administrativas e de imagem, além de interoperabilidade, segurança, consentimento e governança.
Um algoritmo tecnicamente sofisticado pode produzir resultados inadequados se for aplicado sobre dados incompletos, descontextualizados ou pouco representativos da população em que será utilizado. Para o médico, essa discussão não é apenas tecnológica. Ela influencia diretamente a confiabilidade da informação que chega ao consultório.
Por isso, transparência sobre origem dos dados, população de validação, desempenho do sistema e limitações conhecidas tende a se tornar cada vez mais importante na incorporação de ferramentas de apoio à decisão.
O médico não precisa programar, mas precisa compreender
A velocidade com que essas tecnologias chegam à Saúde também expõe um desafio de formação profissional. Os currículos médicos tradicionalmente não foram estruturados para ensinar interpretação de modelos algorítmicos, avaliação de desempenho de sistemas de IA ou análise crítica de ferramentas digitais.
Essa lacuna tende a se tornar cada vez mais relevante. O médico não precisa se transformar em programador. Mas precisará compreender para qual população determinada ferramenta foi desenvolvida, reconhecer limitações, interpretar probabilidades, avaliar falsos positivos e falsos negativos e identificar situações em que uma recomendação automatizada não corresponde ao contexto clínico do paciente.
Quanto mais informação a tecnologia for capaz de oferecer, maior será a necessidade de profissionais capazes de atribuir significado clínico a essa informação. Essa é também uma questão de autonomia profissional. Sistemas de apoio à decisão podem ampliar a capacidade de análise do médico. Não devem, entretanto, transformar recomendações algorítmicas em comandos automáticos de conduta.
Responsabilidade médica continua sendo humana
A incorporação da inteligência artificial na Medicina traz ainda uma discussão inevitável sobre responsabilidade. Se um algoritmo sugere determinada interpretação e o médico decide segui-la, quem responde por um eventual dano? E quando o profissional discorda da recomendação? Qual grau de transparência deve existir sobre o funcionamento do sistema? Como saber se determinada ferramenta foi adequadamente validada para a população atendida?
Essas perguntas deixam de ser hipotéticas à medida que soluções de inteligência artificial passam a participar de decisões reais. Por isso, adoção tecnológica precisa estar acompanhada de critérios claros de validação, governança institucional, segurança da informação e definição de responsabilidades. A tecnologia pode apoiar a decisão. A responsabilidade clínica, porém, não pode ser simplesmente transferida para um algoritmo.
A Medicina que emerge dessa transformação
A discussão sobre inteligência artificial na Saúde muitas vezes é apresentada como uma disputa entre tecnologia e profissionais. Esse talvez seja o enquadramento menos produtivo. O desafio real é entender como utilizar novas ferramentas para ampliar capacidade diagnóstica, antecipar riscos, reduzir tarefas repetitivas e melhorar a organização do cuidado sem perder aquilo que caracteriza a prática médica: contexto, julgamento, responsabilidade e relação com o paciente.
Também não é necessário escolher entre eficiência e humanização. Um sistema capaz de identificar riscos precocemente, reduzir desperdícios e organizar melhor seus processos pode justamente devolver ao médico algo cada vez mais escasso na assistência: tempo para ouvir, interpretar e decidir.
A Medicina certamente será cada vez mais tecnológica. Mas a discussão central continuará sendo profundamente médica. Não se trata apenas de perguntar o que a inteligência artificial consegue fazer. Trata-se de definir como ela deve ser incorporada à prática clínica, quais limites precisam ser estabelecidos e como garantir que a inovação fortaleça, em vez de enfraquecer, a qualidade e a responsabilidade do cuidado médico.
Foto: Arquivo pessoal
