No dia em que a Resolução CFM nº 2.454/2026 entrou em vigor, painel com Google Cloud, Roche e InovaHC discutiu como incorporar algoritmos com segurança, regulação e resultados.
A Inteligência Artificial já ocupa espaço crescente na saúde, mas sua incorporação exige decisões que começam antes da escolha do algoritmo. Que problema precisa ser resolvido? A instituição tem dados e infraestrutura para sustentar a solução? Qual o risco envolvido? Como acompanhar o desempenho depois da implantação?
Essas questões conduziram o debate “Caminhos para a adoção segura e estratégica da IA na saúde”, realizado durante o FILIS 2026. Moderado por Marcos Queiroz, membro do Conselho de Administração da Abramed e diretor de Medicina Diagnóstica do Einstein Hospital Israelita, o painel reuniu Moritz Hartmann, diretor global da Roche Information Solutions (RIS); Priscila Cruzatti, especialista em Inovação e Saúde Digital para o Brasil no Google Cloud; e Giovanni Guido Cerri, presidente do Conselho Diretor do InRad-HCFMUSP, do InovaHC e do Conselho de Administração do ICOS.
A discussão aconteceu justamente no dia em que entrou em vigor a Resolução CFM nº 2.454/2026, que regulamenta o uso da inteligência artificial na prática médica. Na abertura, Marcos lembrou que a norma estabelece responsabilidades no uso da tecnologia, classifica as aplicações conforme o grau de risco, prevê transparência ao paciente e mantém sob responsabilidade do médico as decisões tomadas com o apoio da IA.
A 8ª edição do Painel Abramed — O DNA do Diagnóstico mostra que 52,9% das associadas investiram em novos modelos de negócio e 35,3% estabeleceram parcerias ou realizaram investimentos em startups, inclusive em soluções de inteligência artificial. Diante de um setor que já experimenta diferentes caminhos de inovação, Marcos perguntou o que as lideranças precisam responder antes de aprovar uma iniciativa de IA.
Priscila Cruzatti defendeu que a prioridade deve ser dada aos problemas de maior impacto e alinhados à estratégia da instituição. A IA deve entrar como uma ferramenta a ser comparada às demais alternativas, e não como um fim em si mesma. Muitas vezes, já existem soluções possíveis, mas o problema ainda não recebeu prioridade dentro da instituição.
Ela sugeriu uma matriz de impacto, risco e viabilidade para ordenar projetos e lembrou que há um trabalho estruturante de bastidores, envolvendo arquitetura e governança, que já não cabe apenas à área de TI. Priscila também recomendou a realização de protótipos antes de investimentos mais amplos.
“Não adianta eu falar de IA sem falar de dados. Eu posso ter um modelo muito interessante, mas, se ele não souber quem é o paciente, não vai dar uma resposta sobre aquela pessoa especificamente; será uma resposta genérica. Então, o ponto de qualquer arquitetura para a saúde é entender a qualidade, a disponibilidade desse dado ou desse conjunto de dados para poder, de fato, funcionar e ter contexto. Tudo começa pelos dados”, ponderou.
Já Giovanni Guido Cerri compartilhou a experiência do InovaHC, cujo laboratório de Inteligência Artificial, criado em 2020, reúne cerca de 30 pesquisadores e desenvolve projetos com Philips, GE, AWS e outras empresas, sempre em codesenvolvimento. O exemplo da AWS partiu de uma insatisfação com laudos radiológicos que ainda seguem o modelo do século passado. O projeto tem três etapas: entregar ao radiologista um resumo clínico do paciente, estruturar o laudo com o apoio da IA e separar a linguagem dirigida ao médico da dirigida ao paciente. Outra solução, de caráter administrativo, automatizou a elaboração da escala de técnicos e biomédicos que atuam nos 16 equipamentos de ressonância do HC, uma tarefa que antes mobilizava vários profissionais durante dois dias.
“Todo pensamento de introdução de algoritmos de Inteligência Artificial tem que seguir esse modelo. Tem que resolver um problema que nós temos e não só incorporar por incorporar. Eu acho que esse é o grande risco da tecnologia”, comentou.
Para ele, o codesenvolvimento também tem a vantagem de evitar importar algoritmos treinados em outras populações, que chegam com viés e sem validação local. Parcerias com empresas de tecnologia permitem o acesso a equipes e recursos que as instituições de saúde dificilmente conseguiriam manter na mesma escala: há empresas com 200 ou mil desenvolvedores, sendo que 30 já é muito para a realidade de um hospital.
A condição é que a solução seja adaptada à realidade local e tenha seus resultados monitorados. Sobre o estágio atual, Giovanni foi enfático ao afirmar que a IA já está consolidada no back office e começa a aparecer em soluções clínicas pontuais. As aplicações mais disruptivas, como a radiômica, que extrai das imagens informações quantitativas imperceptíveis ao olho humano, ainda estão por vir.
Outro aspecto a ser considerado foi a manutenção das soluções depois da implementação. Marcos Queiroz observou que o desafio é tornar a inovação um ativo permanente da instituição, com manutenção e validação contínuas, pois o desempenho do algoritmo pode diminuir ao longo do tempo.
Moritz Hartmann concordou que o ponto de partida deve ser o problema, mas propôs que os casos de uso sejam ordenados conforme o risco. Aplicações operacionais que economizam tempo apresentam menor risco e podem avançar mais rapidamente. Já os algoritmos capazes de interferir na assistência exigem mais cautela. Segundo Moritz, a avaliação deve considerar se o modelo foi treinado com um conjunto fechado de dados ou se continua aprendendo durante a operação. Ele contou que a própria Roche já engavetou projetos porque, dos 28 pontos de dados necessários, apenas cinco ou seis estavam disponíveis.
Sobre interoperabilidade, explicou que esse não é um problema exclusivo do Brasil, mas um desafio global, presente no âmbito das instituições, dos países e das empresas. A Roche só passou a ter uma estratégia harmonizada de dados no diagnóstico in vitro há dois ou três anos. Ele acrescentou que a IA inverte a lógica dos sistemas transacionais, que guardam pouco dado para não travar: agora o interesse é reter o máximo de informação para alimentar os modelos.
Moritz também apontou uma tensão que o setor terá de administrar: um analisador leva três anos para ser desenvolvido e permanece 15 anos em uso sem mudanças significativas, enquanto a IA evolui continuamente. As duas lógicas terão de coexistir. Ao ser questionado sobre equidade, Moritz citou a ausência de modelos de remuneração como uma barreira à adoção e defendeu que a inovação se pague pela eficiência, o que amplia o acesso. “É aceitável deixar de incorporar um algoritmo que detecta câncer melhor quando há um paciente esperando pelo resultado?”, indagou.
Giovanni também defendeu que os médicos sejam preparados para compreender o funcionamento dos algoritmos. A tecnologia se desenvolve em meses, entra nos hospitais em anos e na academia demora ainda mais. O currículo de medicina reúne dezenas de especialidades e a maioria dos docentes não viveu a transformação digital. Enquanto isso, o perfil dos alunos mudou. Segundo ele, cerca de 30% dos estudantes que ingressam na faculdade não pretendem seguir uma carreira médica tradicional, mas pretendem empreender.
Ao encerrar o debate, Marcos pediu a cada um a decisão sobre IA que tomaria hoje para prestar contas em 2030. Priscila escolheu priorizar a estruturação e o uso transparente dos dados, para que eles possam ser transformados em informação e ação. Moritz escolheu o parceiro certo, porque ninguém faz essa jornada sozinho.
Cerri respondeu que, em um país que investe pouco per capita e mantém um sistema universal, a transformação digital é um caminho para ampliar o acesso e reduzir desigualdades e custos. Segundo ele, a interoperabilidade poderia reduzir em até 15% os gastos em saúde e aumentar a segurança do paciente ao favorecer diagnósticos mais precoces. Haverá erros de decisão, admitiu, mas o caminho é necessário e precisa ser acelerado.
Clique aqui e confira todas as publicações sobre a 10ª edição do FILIS!
Postado em: 09/09/2026
