A IA na saúde já deixou de ser uma promessa periférica para se tornar parte concreta da assistência à saúde. Algoritmos analisam imagens, apoiam diagnósticos, produzem resumos clínicos, organizam prontuários, estimam riscos e respondem diretamente às dúvidas dos pacientes. Nos Estados Unidos, mais de 1.000 dispositivos médicos habilitados por inteligência artificial já haviam sido autorizados até janeiro de 2025, evidenciando que essa transformação ultrapassou a fase experimental.
Essa incorporação ocorre simultaneamente em duas direções. De um lado, hospitais, centros acadêmicos e profissionais desenvolvem soluções integradas aos processos assistenciais. De outro, pacientes utilizam ferramentas comerciais, relógios inteligentes e chatbots generalistas para interpretar sintomas, exames e métricas de saúde. O problema é que essas duas trajetórias avançam com níveis muito diferentes de validação, supervisão e governança, criando uma distância crescente entre aquilo que a população acredita estar usando e aquilo que os sistemas de saúde efetivamente conseguem controlar.
A questão central não é decidir se a inteligência artificial será utilizada na medicina. Ela já está sendo utilizada. A discussão relevante é determinar em quais condições, com quais responsabilidades e sob qual forma de supervisão humana seu uso pode gerar benefícios sem fragilizar a segurança, a autonomia e a confiança dos pacientes. Tecnologias aplicadas à saúde devem preservar o bem-estar humano, a segurança, a autonomia e o interesse público.
A adoção profissional cresce com velocidade incomum. A proporção de médicos norte-americanos que utilizavam inteligência artificial passou de 38% em 2023 para 66% em 2024. Em 2026, mais de 80% dos médicos pesquisados declararam utilizar alguma aplicação profissional de IA, principalmente para resumir literatura médica, consultar padrões de cuidado e produzir documentação clínica.
Esse crescimento, porém, não significa que exista um modelo institucional consolidado. A adoção costuma ocorrer de maneira localizada, dependente da especialidade, da instituição, da maturidade digital e da iniciativa de profissionais específicos. Em uma mesma rede hospitalar, diferentes áreas podem usar ferramentas distintas, aplicar critérios próprios e estabelecer níveis desiguais de controle. Sem uma governança corporativa comum, a inteligência artificial tende a se transformar em um conjunto fragmentado de experiências tecnológicas, e não em uma capacidade clínica segura e escalável.
Os médicos, em geral, não esperam que a tecnologia substitua o julgamento clínico. Eles enxergam valor principalmente na redução da carga administrativa, na recuperação de informações e no apoio à decisão. Em pesquisa realizada em 2024, 57% dos médicos apontaram a automação de tarefas administrativas como a principal oportunidade de aplicação da IA na saúde. O dado mostra que o benefício mais imediato talvez não seja automatizar o diagnóstico, mas devolver tempo ao profissional para ouvir, examinar e orientar o paciente.
Essa distinção sustenta o conceito de inteligência aumentada. A expressão enfatiza que o papel da tecnologia é ampliar a capacidade dos profissionais, não eliminá-los do processo. Um sistema pode identificar padrões em milhões de registros, mas não compreende integralmente o contexto social, emocional e ético de uma pessoa. A responsabilidade pelo cuidado continua exigindo interpretação clínica, diálogo, conhecimento tácito e avaliação das consequências de cada decisão.
Nesse contexto, o princípio human in the loop, ou humano no circuito decisório, torna-se essencial. Ele determina que decisões clínicas relevantes não sejam executadas automaticamente apenas porque um algoritmo produziu uma recomendação. O profissional deve analisar a saída do sistema, confrontá-la com os dados do paciente, reconhecer possíveis limitações e assumir responsabilidade pela conduta escolhida. A supervisão não pode ser simbólica. Precisa permitir questionamento, correção e rejeição efetiva da recomendação tecnológica.
Manter uma pessoa no processo, contudo, não elimina automaticamente o risco. Um profissional pode aceitar uma recomendação sem examiná-la, especialmente quando o sistema é apresentado como altamente preciso ou quando a rotina de trabalho está sobrecarregada. Esse fenômeno, conhecido como viés de automação, transforma a supervisão humana em mera validação formal. A implantação segura exige profissionais capazes de entender quando confiar, quando investigar e quando discordar da ferramenta.
Os algoritmos aprendem com registros históricos, e esses registros carregam desigualdades, lacunas e distorções. Grupos pouco representados nos dados podem receber previsões menos precisas. Variáveis aparentemente neutras podem funcionar como substitutas de renda, raça, território ou acesso aos serviços de saúde. Por isso, um sistema pode apresentar bom desempenho médio e, ainda assim, produzir resultados inadequados para parcelas específicas da população. A equidade precisa ser avaliada por subgrupos, contextos clínicos e condições reais de uso.
Outro risco aparece quando o ambiente muda. Um modelo treinado em determinado hospital, equipamento ou perfil de paciente pode perder desempenho ao ser transferido para outra realidade. Alterações nos protocolos, nos exames, na prevalência das doenças ou no comportamento da população podem modificar a relação entre os dados e os resultados. Esse deslocamento exige monitoramento permanente, pois a validação realizada antes da implantação não garante que o modelo continuará confiável ao longo do tempo.
A natureza evolutiva desses sistemas também desafia a regulação tradicional. Diferentemente de um equipamento estático, alguns modelos podem ser atualizados, recalibrados ou modificados após sua entrada em operação. A unidade de análise regulatória deixa de ser apenas o produto lançado e passa a incluir todo o processo de desenvolvimento, atualização, validação e monitoramento.
A transparência é outro componente indispensável. Médicos e pacientes precisam saber quando a inteligência artificial participa da análise, quais dados utiliza, para qual finalidade foi validada e quais são suas limitações conhecidas. Transparência não significa expor códigos incompreensíveis, mas fornecer informação suficiente para que as pessoas reconheçam o papel da ferramenta e tomem decisões conscientes.
Para o paciente, essa transparência deve ser convertida em direito à compreensão. Uma pessoa não precisa dominar ciência de dados para perguntar se um algoritmo participou do diagnóstico, se suas informações serão reutilizadas, quem revisou a recomendação e como uma possível falha poderá ser contestada. A autonomia não é preservada por meio de um consentimento genérico escondido em termos de uso. Ela depende de comunicação clara, proporcional ao risco e integrada à relação assistencial.
Os chatbots comerciais tornam esse problema mais delicado porque podem produzir respostas fluentes, personalizadas e aparentemente seguras, mesmo quando o conteúdo está incorreto. A qualidade da linguagem cria uma percepção de autoridade que não corresponde necessariamente à qualidade clínica da orientação. Os principais riscos envolvem informações falsas, vieses, exposição de dados sensíveis e recomendações inadequadas ao contexto do paciente.
O risco aumenta quando o usuário trata uma ferramenta generalista como se fosse um profissional de saúde. Um chatbot pode auxiliar na organização de perguntas, na compreensão inicial de termos ou na preparação para uma consulta, mas não possui acesso garantido ao histórico completo, ao exame físico e às circunstâncias clínicas do paciente. Respostas automatizadas não devem substituir avaliação profissional em situações que envolvam diagnóstico, alteração de tratamento, sintomas graves ou decisões de urgência.
A responsabilidade institucional também precisa ser explícita. Quando uma recomendação algorítmica contribui para um dano, não é suficiente atribuir o erro abstratamente à tecnologia. Hospitais, fornecedores, gestores e profissionais participam de diferentes etapas, como seleção, validação, implantação, utilização e monitoramento. Uma governança madura define previamente quem responde por cada decisão, quais ocorrências devem ser notificadas, como os incidentes serão investigados e em quais condições a solução será suspensa.
Essa governança deve reunir competências clínicas, tecnológicas, jurídicas, éticas, operacionais e de segurança da informação. Antes de aprovar uma solução, a instituição precisa identificar o problema assistencial, comparar alternativas, avaliar evidências, testar o desempenho local e analisar riscos. Depois da implantação, deve acompanhar precisão, falsos positivos, falsos negativos, diferenças entre grupos, reclamações, alterações de comportamento e consequências não previstas.
A participação dos pacientes não pode ocorrer apenas depois que o sistema está pronto. Pessoas atendidas, familiares e representantes da sociedade precisam contribuir para a definição dos objetivos, dos limites e dos mecanismos de comunicação. Essa participação ajuda a revelar preocupações que equipes técnicas podem ignorar, como medo de desumanização, dificuldade de contestar decisões e utilização secundária de informações pessoais.
O futuro da saúde não será construído pela escolha entre inteligência humana e inteligência artificial. Ele dependerá da qualidade da interação entre ambas. A máquina deve ampliar a capacidade de perceber padrões e processar informações, enquanto o ser humano preserva julgamento, responsabilidade, empatia e sentido ético. Quando essa divisão é respeitada, a IA se torna instrumento de cuidado. Quando é ignorada, a tecnologia pode acelerar decisões sem necessariamente melhorar a medicina. Nenhuma inteligência aplicada à saúde pode ser considerada avançada quando retira o ser humano do centro do cuidado.
Referências principais:
Organização Mundial da Saúde, Food and Drug Administration, American Medical Association, The New England Journal of Medicine e NEJM AI. Esses organismos e publicações sustentam os principais pontos sobre ética, segurança, governança, adoção médica, dispositivos habilitados por IA, viés de automação e supervisão humana.
