Em palestra internacional no FILIS 2026, Moritz Hartmann, da Roche Information Solutions, mostrou aplicações concretas da IA na saúde e defendeu equilíbrio entre inovação, segurança e geração de valor
A inteligência artificial já é utilizada em diferentes frentes e começa a ser incorporada aos processos diagnósticos, à organização dos laboratórios e à identificação mais precoce de riscos clínicos. Essa foi a perspectiva apresentada por Moritz Hartmann, Global Head da Roche Information Solutions, durante palestra internacional no FILIS 2026.
Hartmann chamou atenção para o fato de a saúde produzir volumes crescentes de dados, mas ainda utilizar apenas uma parte desse potencial para apoiar decisões clínicas e melhorar desfechos. A evolução das ferramentas digitais e dos algoritmos abre justamente a possibilidade de conectar informações antes dispersas e transformá-las em conhecimento aplicável ao cuidado.
Para o executivo, o diagnóstico in vitro começa a percorrer um caminho semelhante ao vivido anteriormente pela radiologia. Com a digitalização das imagens e a evolução dos sistemas de armazenamento e análise, a especialidade passou a trabalhar com um volume e uma qualidade de informação cada vez maiores. No laboratório, a combinação entre dados produzidos por diferentes tecnologias, interoperabilidade e IA pode permitir uma visão mais integrada do paciente.
Segundo ele, novas abordagens diagnósticas, incluindo testes multimodais e multiômicos, dependerão da capacidade de reunir informações de diferentes fontes e analisá-las em conjunto. Dados longitudinais acompanhando o mesmo paciente ao longo do tempo também tendem a ganhar importância para compreender doenças complexas e apoiar o desenvolvimento de novas terapias.
Um dos pontos destacados na palestra foi a necessidade de separar o avanço mensurável da tecnologia do hype que frequentemente acompanha a inteligência artificial. Nem toda novidade apresentada pelo mercado chegará imediatamente à prática assistencial e, na saúde, esse intervalo também está relacionado à necessidade de validar segurança, desempenho e efetividade.
Hartmann observou que algoritmos de machine learning já são utilizados clinicamente em aplicações reguladas, enquanto tecnologias mais recentes, como a IA agêntica, inicialmente devem encontrar espaço em processos operacionais. A questão, segundo ele, é identificar em quais situações a tecnologia efetivamente melhora a assistência ou a eficiência do sistema.
Essa abordagem também passa pela preparação das equipes. O executivo relatou que a Roche estruturou sua estratégia interna de IA a partir de três bases: tecnologia e parcerias estratégicas; princípios regulatórios e éticos; e capacitação das pessoas. A companhia adotou programas de formação para ampliar a alfabetização em IA entre os profissionais e estimular seu uso cotidiano, paralelamente à identificação de processos que podem ser redesenhados com apoio da tecnologia.
Ao afirmar que não existe uma única fórmula para incorporar IA à saúde, ele comparou dois movimentos internacionais: um modelo mais orientado à construção de grandes infraestruturas tecnológicas e outro que parte primeiro de casos de uso com retorno previamente definido. O desafio estaria em encontrar um equilíbrio, criando estrutura suficiente sem perder de vista a aplicação concreta e a geração de valor.
Para organizar os impactos da inteligência artificial na saúde, Hartmann apresentou três frentes: Predict, Perform e Personalize — prever, melhorar o desempenho e personalizar.
Na primeira, a IA pode ajudar o sistema a avançar de uma lógica predominantemente reativa para uma abordagem mais preventiva, identificando riscos antes do aparecimento de manifestações clínicas mais evidentes. Entre os exemplos apresentados estão algoritmos utilizados para apoiar estratégias de vigilância do carcinoma hepatocelular e para identificar pessoas com maior risco de câncer colorretal que poderiam se beneficiar de investigação adicional.
A segunda frente é a eficiência operacional. Nos laboratórios, a combinação de dados e algoritmos pode contribuir para organizar fluxos, estabelecer prioridades e reduzir etapas desnecessárias. Hartmann citou experiências nas quais ferramentas analíticas foram empregadas para acompanhar o tempo de liberação dos exames, a validação de resultados e o desempenho das operações.
Um dos casos apresentados ocorreu em um laboratório hospitalar de alta complexidade em São Paulo. Segundo os dados mostrados na palestra, o uso de ferramentas analíticas esteve associado à redução de 16% no volume de tubos coletados, aumento de 22% na proporção de resultados críticos comunicados dentro do prazo definido e redução de 3 horas e 12 minutos no tempo médio de liberação de resultados no pronto atendimento.
Para Hartmann, essa lógica poderá avançar ainda mais. Em vez de trabalhar apenas com prazos fixos para liberação de exames, sistemas baseados em IA poderão considerar a necessidade clínica relacionada a cada resultado e ajustar dinamicamente a prioridade das análises. Assim, amostras mais urgentes poderiam ser processadas mais rapidamente, enquanto outras seriam distribuídas de forma mais eficiente ao longo da capacidade do laboratório.
A terceira dimensão é a personalização do cuidado. Nesse campo, Hartmann destacou a patologia digital e o uso de algoritmos para apoiar a avaliação de biomarcadores e características de tecidos. Em um exemplo brasileiro apresentado no FILIS, uma tecnologia que combina plataforma de patologia digital e algoritmo para avaliação de biomarcadores de câncer de mama reduziu de aproximadamente uma hora para segundos o tempo de uma etapa de interpretação que antes era realizada manualmente.
A proposta é direcionar o trabalho humano para atividades de maior complexidade. Em um cenário de escassez de profissionais em algumas especialidades, ferramentas automatizadas podem assumir tarefas repetitivas, apoiar a análise e reduzir filas, mantendo a decisão clínica sob responsabilidade dos profissionais.
Ao encerrar a apresentação, Hartmann procurou afastar a ideia de que essas transformações pertencem a um futuro distante. Os exemplos apresentados mostram que parte delas já começa a fazer parte da rotina de hospitais, laboratórios e programas de pesquisa.
Seus impactos, entretanto, dependerão da combinação entre infraestrutura, interoperabilidade, qualificação profissional, governança e aplicações que respondam às reais necessidades do sistema de saúde.
Clique aqui e confira todas as publicações sobre a 10ª edição do FILIS!
Postado em: 09/09/2026
