Tag: IA

Inteligência artificial começa a redesenhar diagnóstico, eficiência e cuidado personalizado

Posted on by abradmin

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.

Entre o entusiasmo tecnológico e a aplicação clínica

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.

Prever, melhorar o desempenho e personalizar

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!

IA na saúde começa pelo problema e pelos dados, não pela ferramenta, mostra debate no FILIS 2026

Posted on by abradmin

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!

A transformação da saúde será tão sólida quanto suas instituições 

Posted on by abradmin

Quando o futuro da saúde entra em debate, as atenções se voltam rapidamente para novas tecnologias, Inteligência Artificial, uso de dados e modelos assistenciais. São mudanças relevantes, mas a transformação do setor depende das organizações responsáveis por incorporá-las à prática e convertê-las em benefícios para pacientes e para o sistema de saúde. 

Essa capacidade está relacionada à qualidade da gestão, à clareza das decisões e à forma como cada instituição se prepara para responder a riscos, pressões e mudanças. Uma organização pode apresentar bons resultados em determinado período e, ainda assim, não estar preparada para atravessar transformações regulatórias, econômicas, tecnológicas ou sociais. 

Na saúde, a sustentabilidade institucional envolve uma responsabilidade adicional. As decisões tomadas pelas organizações repercutem no cuidado das pessoas, na proteção de dados sensíveis, nas condições de trabalho, na relação com profissionais, fornecedores, fontes pagadoras, órgãos reguladores e toda a sociedade. Por isso, a perenidade dos negócios não pode ser separada da ética, da integridade e da confiança. 

É nesse campo que governança, compliance e liderança se encontram. A governança estabelece como as decisões serão tomadas, quais informações deverão fundamentá-las, quem acompanhará seus resultados e quem responderá por suas consequências. O compliance ajuda a identificar riscos, cumprir obrigações e prevenir condutas capazes de comprometer a organização. A ética orienta escolhas diante de interesses distintos e de situações para as quais a norma nem sempre oferece uma resposta completa. 

Esses elementos precisam estar presentes nas decisões reais da organização. Eles influenciam a definição de metas, a aprovação de investimentos, a contratação de parceiros, a condução das relações institucionais, o tratamento de conflitos de interesses e a resposta a falhas ou desvios. 

A gestão de riscos também ganha relevância nesse processo. Identificar ameaças com antecedência permite que a organização se prepare para mudanças regulatórias, incidentes de segurança, crises reputacionais, descontinuidades operacionais e outros acontecimentos que podem afetar sua capacidade de prestar serviços. O risco precisa fazer parte das discussões estratégicas e das decisões de investimento, expansão e inovação. 

A liderança tem uma responsabilidade direta na construção desse ambiente. A cultura de uma organização é formada pelos comportamentos que suas lideranças estimulam, reconhecem, toleram ou corrigem. Códigos de conduta, políticas internas, treinamentos e canais de denúncia são indispensáveis, mas sua credibilidade depende da coerência entre as orientações formais e as atitudes observadas no cotidiano. 

Quando profissionais encontram segurança para comunicar dúvidas e inadequações, os problemas podem ser identificados antes de ganhar proporções maiores. Quando as respostas são consistentes e os critérios são conhecidos, a integridade deixa de ficar restrita aos documentos e passa a orientar a rotina. 

Essa coerência também influencia a reputação. Na medicina diagnóstica, a confiança é construída na qualidade dos resultados, na confidencialidade das informações, na segurança dos processos e na transparência das relações. Ela pode levar anos para se consolidar e ser comprometida por uma única decisão conduzida sem os cuidados necessários. 

A reputação, portanto, deve ser compreendida como um ativo estratégico. Ela interfere na relação com pacientes, profissionais, parceiros, órgãos públicos e reguladores. Também influencia a capacidade de atrair talentos, estabelecer parcerias, incorporar inovações e manter relações duradouras. 

No debate sobre o Diagnóstico 5.0, essas dimensões estão conectadas. A regulação estabelece limites e responsabilidades para a atuação do setor. A sustentabilidade econômica oferece condições para que as organizações continuem investindo, gerando empregos e prestando serviços. A governança orienta como os recursos serão utilizados e como as decisões serão conduzidas. Ética e compliance preservam a integridade desse percurso. 

Nenhuma organização consegue antecipar todas as mudanças que alcançarão a saúde nos próximos anos. É possível, contudo, preparar estruturas de decisão, formar lideranças, fortalecer a cultura interna e desenvolver capacidade para identificar riscos e responder a eles. 

Essa reflexão fará parte do 10º FILIS – Fórum Internacional de Lideranças da Saúde, promovido pela Abramed no dia 26 de agosto, em São Paulo, sob o tema “Diagnóstico 5.0: impactos e estratégias que transformam a saúde”. Ao discutir os caminhos do setor, o fórum propõe uma questão necessária: que organizações estamos construindo para conduzir essa transformação? 

O futuro da medicina diagnóstica não será definido somente pelos avanços que o setor conseguir incorporar. Também dependerá da solidez, da integridade e da confiança das instituições responsáveis por transformá-los em cuidado. 

Milva Pagano 

Diretora-executiva da Associação Brasileira de Medicina Diagnóstica (Abramed)

O desafio de regular uma saúde em transformação sem perder segurança

Posted on by abradmin

Enquanto novas tecnologias transformam a medicina diagnóstica,  reguladores, empresas e profissionais de saúde trabalham para  construir regras que garantam qualidade, segurança e previsibilidade. 

Nunca a inovação avançou tão rapidamente na saúde. Ferramentas de inteligência artificial apoiam médicos na interpretação de exames, identificam padrões associados a doenças, ampliam o uso da medicina personalizada e, juntamente com a integração de dados, tornam a jornada do paciente mais conectada.

Ao mesmo tempo em que essas transformações ampliam a capacidade diagnóstica e tornam o cuidado mais preciso, elas desafiam um modelo regulatório historicamente construído para um ritmo muito mais lento.

Tecnologias digitais evoluem em meses, enquanto processos regulatórios, modelos de incorporação e adaptações normativas costumam demandar anos. Esse descompasso reforça a necessidade de um diálogo permanente entre os diferentes atores do ecossistema da saúde.

Em áreas como a medicina diagnóstica, na qual aproximadamente 70% das decisões clínicas são apoiadas por exames, esse equilíbrio torna-se ainda mais necessário. Mais do que impor exigências, a regulação tem papel essencial para garantir que novas tecnologias cheguem à população com qualidade, segurança, previsibilidade e responsabilidade.

Como o Brasil começa a responder

Em fevereiro deste ano, o Conselho Federal de Medicina publicou a Resolução nº 2.454/2026, estabelecendo regras para o uso de inteligência artificial na prática médica. A norma formaliza que a IA atua como ferramenta de apoio, mas a responsabilidade final pelas decisões clínicas permanece com o médico. Transparência, rastreabilidade e supervisão humana passam a ser requisitos inegociáveis.

Apesar de importante, esse marco também revela o tamanho do desafio que ainda está pela frente. A Anvisa trabalha na revisão de sua regulamentação para softwares médicos, buscando incluir conceitos como o de algoritmo adaptativo — sistemas que continuam aprendendo e evoluindo após a aprovação.

Esse é um dos pontos mais críticos, visto que a lógica regulatória tradicional foi construída para produtos estáticos. Para tecnologias que se modificam continuamente com o uso, esse modelo ainda precisa ser reinventado.

“Diante do ritmo acelerado da inovação em saúde, não considero suficiente escolher entre velocidade e segurança, mas construir uma regulação adaptativa, baseada em risco e em evidências, capaz de evoluir junto com a inovação”, avalia Wilson Shcolnik, membro do Conselho de Administração da Abramed.

Para ele, nem toda inovação representa o mesmo potencial de dano. Tecnologias de maior impacto sobre decisões clínicas, como sistemas de inteligência artificial para diagnóstico, devem ser submetidas a exigências mais rigorosas do que soluções administrativas ou de apoio.

“Uma regulação adaptativa, em vez de normas de longa duração, que permitam revisões periódicas, atualização contínua e incorporação rápida de novas evidências científicas e sandboxes regulatórios, onde existam ambientes controlados para empresas e instituições testarem novas tecnologias sob supervisão do regulador, também seriam bem-vindos”, completa.

Interoperabilidade e dados: o próximo desafio regulatório

A integração de dados clínicos apresenta dilema semelhante. A interoperabilidade entre sistemas reduz repetições desnecessárias, acelera decisões médicas e melhora a utilização dos recursos disponíveis. Contudo, essa circulação de informações exige critérios bem definidos de governança, proteção de dados e padronização, algo que o ambiente regulatório ainda está construindo.

O PL 2.338/2023, que cria o marco legal de inteligência artificial no Brasil, ainda tramita no Congresso. Enquanto isso, empresas que precisam decidir sobre investimentos em sistemas de IA operam sem clareza sobre as obrigações que serão impostas, o prazo de adequação e a autoridade responsável pela fiscalização. Para o setor diagnóstico, essa incerteza tem custo.

Wilson Shcolnik reforça que o setor privado de medicina diagnóstica não deve ser apenas destinatário da regulação; ele tem uma responsabilidade ativa na sua construção. Em áreas de rápida evolução tecnológica, uma regulação eficaz depende do diálogo permanente entre reguladores, prestadores de serviços, indústria, academia, sociedades científicas e representantes dos pacientes.

Nesse sentido, o membro do Conselho de Administração da Abramed destaca que a atuação da entidade nas discussões regulatórias ocorre de forma técnica, transparente e orientada pelo interesse público, contribuindo para a construção de normas que conciliem inovação, segurança e qualidade assistencial.

Regulação como o motor da inovação

A experiência internacional mostra que marcos regulatórios claros aceleram a inovação ao reduzir a insegurança jurídica, aumentar a confiança de médicos e pacientes e criar condições para que boas tecnologias cheguem ao mercado.

Esses temas estarão na agenda do FILIS 2026 — Fórum Internacional de Lideranças da Saúde. Na sua 10ª edição, o fórum reúne o macrotema “Diagnóstico 5.0: impactos e estratégias que transformam a saúde” e organiza os debates em quatro eixos complementares ao longo do dia.

O Eixo Regulatório abre a programação discutindo como construir um ambiente capaz de acompanhar a velocidade das transformações na saúde sem abrir mão da inovação, da segurança e da sustentabilidade. Na sequência, o Eixo Valor da Medicina Diagnóstica mostrará como dados e precisão diagnóstica contribuem para modelos assistenciais mais eficientes e orientados a desfechos.

Para adquirir o seu ingresso e participar, acesse www.abramed.org.br/filis.

O novo profissional de saúde: entre a prática clínica, os dados e a Inteligência Artificial 

Posted on by abradmin

A incorporação da Inteligência Artificial amplia as competências que são exigidas dos profissionais de saúde e reforça a importância de uma cultura orientada por inovação e integração. 

Por muito tempo, a régua que media a excelência de um profissional de saúde foi quase inteiramente clínica: raciocínio diagnóstico apurado, precisão técnica e boa relação com o paciente. Essa base permanece essencial, mas passou a ser complementada por novas competências.

Médicos, gestores e equipes multiprofissionais também precisam compreender dados, interpretar sistemas e incorporar ferramentas de inteligência artificial à rotina assistencial, integrando esses recursos ao cuidado, e não como uma atividade paralela.

“O profissional de saúde não precisa se tornar um cientista de dados, mas precisa compreender como essas informações são produzidas, quais são seus limites e de que forma podem apoiar a decisão clínica. A inteligência artificial amplia a capacidade de análise, mas não substitui o raciocínio clínico, o olhar sobre o paciente nem a responsabilidade pela conduta”, afirma Marcos Queiroz, membro do Conselho de Administração da Abramed e líder do Comitê Técnico de Radiologia e Diagnóstico por Imagem da entidade.

Quando bem integrada aos processos, a inteligência artificial pode assumir tarefas repetitivas e de organização da informação, liberando tempo para atividades que dependem do julgamento humano, como a interpretação dos casos, a comunicação com os pacientes e a tomada de decisões fundamentadas no contexto clínico de cada pessoa.

Esse avanço, porém, não depende apenas da adoção de novas ferramentas. Exige revisão de processos, integração entre equipes e qualificação contínua dos profissionais

Da adoção pontual à estratégia institucional

Um dos principais desafios do setor é transformar iniciativas pontuais de inteligência artificial em uma estratégia institucional. Muitas organizações incorporam ferramentas capazes de ampliar a produtividade sem revisar processos, integrar sistemas ou preparar as equipes. Esse descompasso limita os resultados e transfere novos problemas para a rotina assistencial.

Na prática, os profissionais convivem com processos em mudança e com um número crescente de sistemas, ferramentas e soluções de inteligência artificial que nem sempre fazem parte de uma estratégia comum. Sem integração, recursos criados para simplificar o trabalho podem aumentar a carga operacional e fragmentar a assistência.

Integração é condição para gerar valor

Essa fragmentação torna-se evidente quando múltiplas iniciativas de inteligência artificial são implementadas simultaneamente no diagnóstico, na triagem ou na automação de laudos. Os profissionais passam a consultar sistemas paralelos, confrontar resultados de diferentes fontes e identificar quando a falta de integração compromete o fluxo de cuidado.

Para o gestor, o desafio é articular essas iniciativas em uma estratégia única, garantir que diferentes sistemas e soluções adotados pela instituição conversem entre si e assumir a responsabilidade de formar equipes capazes de operar nesse ambiente.

Por isso, o investimento em tecnologia precisa ser acompanhado pela qualificação de médicos, gestores e equipes multiprofissionais. A inteligência artificial pode ampliar a capacidade de análise e apoiar decisões, mas a responsabilidade pelas decisões clínicas continua sendo dos profissionais.

Sem coordenação institucional, iniciativas isoladas geram retrabalho, dificultam a interoperabilidade e reduzem os benefícios para profissionais, instituições e pacientes.

“A adoção da inteligência artificial precisa ser uma decisão institucional, com governança, integração e acompanhamento de resultados. Não faz sentido ganhar eficiência em uma etapa e criar retrabalho em outra. O valor aparece quando tecnologia, processos e equipes avançam na mesma direção”, acrescenta Marcos Queiroz.

O tema integra a agenda do FILIS 2026

Os impactos da inteligência artificial sobre a atuação dos profissionais e a organização dos serviços estarão no eixo de Inteligência Artificial do FILIS 2026, promovido pela Abramed no dia 26 de agosto, no Teatro Santander, em São Paulo.

Marcos Queiroz irá moderar o debate “IA como vetor estratégico para a transformação da saúde, com foco em qualidade, inovação e novos modelos de cuidado”. Participam Priscila Cruzatti, especialista em Inovação e Saúde Digital para o Brasil no Google Cloud; Giovanni Guido Cerri, presidente do Conselho Diretor do InRad-HCFMUSP e coordenador da Comissão de Inovação do HCFMUSP (InovaHC); e Moritz Hartmann, diretor global da Roche Information Solutions.

Mais do que apresentar tendências, o FILIS reunirá diferentes perspectivas para transformar desafios já presentes na rotina assistencial em pautas propositivas para o setor.

Mais informações e inscrições em www.abramed.org.br/filis.

IA multimodal: interoperabilidade e governança serão determinantes para transformar a saúde 

Posted on by abradmin

A medicina diagnóstica, produtora de informações essenciais, tem a oportunidade e a responsabilidade de assumir um papel integrador. Avançar para um modelo de inteligência diagnóstica compartilhada deixou de ser uma escolha e tornou-se uma necessidade. 

Temos hoje mais dados do que qualquer geração de profissionais de saúde jamais teve acesso e, ainda assim, tomamos decisões olhando para informações fragmentadas. Muitas vezes, a imagem da tomografia chega separada da patologia; o prontuário fica em um sistema, os exames laboratoriais em outro; a genômica, quando disponível, frequentemente é incompreendida por quem precisaria integrá-la à conduta. Esse modelo reflete a forma como os sistemas foram historicamente estruturados, de maneira segmentada por especialidade. 

O que muda não é a quantidade de dados disponível, mas a capacidade de integrá-los em tempo real e identificar relações clínicas que antes permaneciam invisíveis. 

Imagine um paciente oncológico cujo exame de imagem mostra uma lesão pulmonar suspeita. A tomografia, sozinha, diz pouco. Mas quando a IA correlaciona aquela lesão com o padrão histológico da biópsia, os marcadores inflamatórios dos exames laboratoriais e uma mutação identificada na análise genômica, o quadro muda completamente. Deixa de ser apenas uma lesão a ser investigada e se torna uma hipótese diagnóstica com grau de confiança, risco de progressão estimado e, potencialmente, caminhos terapêuticos mais precisos. Esse é o poder da integração multimodal.

É justamente essa capacidade de integrar múltiplas fontes de informação — característica da IA multimodal — que viabiliza o avanço para uma inteligência diagnóstica compartilhada. 

Mas essa integração não acontece espontaneamente. Ela exige que informações produzidas por diferentes sistemas, especialidades e instituições consigam dialogar entre si de forma segura, padronizada e interoperável.

Um ponto importante é que a IA multimodal não precisa ter todos os dados disponíveis ao mesmo tempo para gerar valor clínico. Ela pode trabalhar com achados parciais — imagem e história clínica, ou imagem e laboratório — desde que seja treinada e validada para lidar com a ausência de evidências. O que não pode faltar é transparência: o modelo precisa indicar seu grau de confiança e deixar claro o que está faltando para um diagnóstico correto. Sem isso, o risco de decisões baseadas em certezas falsas é real.

A medicina diagnóstica, que sempre foi produtora de informações essenciais, tem agora a oportunidade — e a responsabilidade — de se tornar a integradora desses dados. Sair do modelo de laudos paralelos para um modelo de inteligência diagnóstica compartilhada não é uma escolha, é uma necessidade. Mais do que isso: vejo o setor ocupando um papel cada vez mais estratégico na jornada completa do paciente, conectando prevenção, diagnóstico, prognóstico, tratamento e monitoramento.

As áreas com maior potencial de impacto imediato são exatamente aquelas que já geram volumes expressivos de evidências clínicas: radiologia, patologia digital, oncologia, cardiologia, neurologia, oftalmologia e medicina de precisão.

Entre o entusiasmo e a responsabilidade, quais os riscos da IA multimodal?

Mesmo diante de tantos benefícios, em todas as transformações, há riscos. Nesse caso, em minha opinião, o maior deles não é a regulação lenta, mas, sim, a adoção desorganizada. Um sistema de IA que gera laudos longos, com correlações estatísticas sem relevância clínica, que o médico aceita sem questionar, se torna uma nova forma de erro sistêmico em vez de evolução. Tecnologia avançando sem governança é perigosa em qualquer setor e na saúde, os efeitos podem ser irreversíveis.

Por isso defendo que a IA multimodal precisa ser explicável, rastreável, validada clinicamente e usada como apoio à decisão médica, jamais como substituta. A regulação brasileira caminha nessa direção, com princípios de autonomia médica, segurança do paciente e primazia do julgamento humano. A Agência Nacional de Vigilância Sanitária (Anvisa) terá papel central nesse processo, especialmente quando esses sistemas passarem a influenciar diretamente o diagnóstico, o prognóstico ou a definição de condutas terapêuticas. 

O que precisamos construir agora

Aproveitar todos esses benefícios não depende do algoritmo mais sofisticado. Quanto mais a IA evolui, mais evidente fica que seu valor depende da qualidade da informação que consegue acessar e integrar. A tecnologia avançará de qualquer forma, porém, hospitais e laboratórios que não investirem hoje em interoperabilidade, padronização e governança de dados verão a IA multimodal ficar restrita a pilotos e apresentações em congressos.

É preciso também enfrentar os desafios que tornam essa construção difícil no Brasil: a fragmentação dos sistemas, a baixa padronização entre instituições, as exigências legítimas da LGPD relacionadas à privacidade e à segurança dos dados dos pacientes e, talvez o mais subestimado, a desigualdade de maturidade digital entre os centros.

Temos hospitais e laboratórios altamente avançados convivendo com instituições que ainda operam com dados não estruturados e sem integração. Qualquer estratégia nacional que ignore essa assimetria está destinada a ampliar as desigualdades que já existem.

Para os profissionais da saúde, o desafio também será grande. É preciso compreender as informações geradas pelos exames, reconhecer os vieses que podem afetar sua interpretação e conhecer as limitações dos modelos de IA utilizados nesse processo. Competências em dados, validação de IA, pensamento crítico e comunicação integrada entre especialidades são pré-requisitos, e não mais diferenciais, para atuar com responsabilidade num ambiente diagnóstico cada vez mais orientado por inteligência artificial.

Acompanho esse processo com a convicção de que a medicina diagnóstica brasileira tem capacidade técnica e institucional para liderar essa transformação. Contudo, isso exigirá o enfrentamento dos desafios de interoperabilidade, avanços na governança de dados, validação clínica rigorosa das ferramentas adotadas e o desenvolvimento dos profissionais que atuarão nesse novo ambiente. Esse é o trabalho que começa hoje.

Daniel Tornielli — Membro do Comitê de Interoperabilidade da Abramed
Coordenador de Desenvolvimento no Hospital Israelita Albert Einstein há 24 anos, Daniel é pioneiro na implantação do primeiro VNA do Brasil. Atualmente coordena as equipes de desenvolvimento, infraestrutura, segurança e datalake do Banco de Imagens — projeto PROADI-SUS nacional de validação de algoritmos de IA em imagem médica. Também é cofundador e CTO da SmartCare AI, startup do InovaHC/HC-USP.

Participe da 10ª edição do FILIS
Temas como interoperabilidade, governança de dados e inteligência artificial estarão em destaque no FILIS 2026 – Fórum Internacional de Lideranças da Saúde, que será realizado em 26 de agosto, no Teatro Santander, em São Paulo. As inscrições estão abertas em https://www.abramed.org.br/filis/.

Nova resolução do CFM define limites e responsabilidades para uso de IA na medicina

Posted on by abradmin

Diretrizes atualizam o uso da Inteligência Artificial na Saúde, com foco em segurança, transparência e autonomia profissional.

O avanço acelerado da inteligência artificial na saúde começa a deslocar o debate do potencial tecnológico para os limites de uso. Com cerca de US$ 36 bilhões investidos globalmente em 2025 e crescimento projetado de quase 40% ao ano, a consolidação dessas ferramentas torna inevitável a definição de responsabilidades clínicas, éticas e regulatórias. Nesse contexto, o Conselho Federal de Medicina publicou a Resolução nº 2.454/2026, estabelecendo diretrizes para a aplicação da IA na prática médica no Brasil.

O texto define parâmetros para uso seguro da tecnologia, delimita responsabilidades e estabelece critérios para sua incorporação no cuidado em saúde. A seguir, os principais pontos da norma.

Objetivos da norma e autonomia médica

A resolução estabelece que a inteligência artificial deve atuar exclusivamente como ferramenta de apoio à decisão clínica, sem autonomia para definir diagnósticos ou prognósticos. A responsabilidade final permanece com o médico, que mantém plena autonomia para aceitar, interpretar ou rejeitar recomendações geradas por sistemas automatizados.

Esse direcionamento também impede que sistemas de IA substituam o julgamento clínico ou realizem, de forma independente, a comunicação de diagnósticos ao paciente. A tecnologia passa a ser compreendida como suporte qualificado, e não como agente decisório.

Outro ponto relevante é a proteção ao profissional: o médico pode optar por não utilizar sistemas que não apresentem validação científica ou respaldo regulatório, desde que sua decisão esteja fundamentada em critérios técnicos e éticos.

Transparência e direitos do paciente

A norma reforça que o uso da IA não pode comprometer a relação médico-paciente nem reduzir a dimensão humana do cuidado. Sempre que houver utilização dessas ferramentas, o paciente deve ser informado de forma clara, com registro no prontuário.

Além disso, são consolidados direitos específicos, como o consentimento informado para uso de IA, a possibilidade de recusa da tecnologia no atendimento, o acesso a informações compreensíveis sobre sua condição de saúde e a garantia de proteção de dados pessoais, em conformidade com a LGPD.

Ao estruturar esses princípios, a resolução aproxima o Brasil de modelos internacionais que colocam o paciente no centro das decisões envolvendo tecnologias emergentes.

Governança e classificação de risco

No âmbito institucional, a resolução estabelece obrigações mais estruturadas para hospitais e clínicas. Instituições que utilizam sistemas próprios de IA devem implementar mecanismos de governança, incluindo a criação de comissões internas responsáveis por monitoramento, auditoria e avaliação contínua dessas ferramentas.

A norma também introduz uma classificação dos sistemas conforme o nível de risco:

  • Baixo risco: aplicações administrativas e operacionais, sem impacto clínico direto;
  • Médio risco: sistemas de apoio à decisão com supervisão humana;
  • Alto risco: tecnologias que influenciam decisões clínicas relevantes;
  • Risco inaceitável: usos proibidos.

Esse enquadramento orienta o nível de controle e supervisão exigido, de acordo com o potencial impacto sobre o cuidado.

Outro ponto central é a exigência de conformidade regulatória: softwares com função clínica devem atender às normas da Anvisa aplicáveis a dispositivos médicos. A fiscalização do uso da IA caberá aos Conselhos Regionais de Medicina (CRMs), que poderão realizar auditorias e aplicar medidas disciplinares quando necessário.

Deveres do médico e proteção profissional

A norma também explicita responsabilidades do médico no uso dessas ferramentas, incluindo a necessidade de avaliação crítica das recomendações geradas, atualização contínua sobre capacidades e limitações dos sistemas e registro do uso (ou não uso) da IA no prontuário.

Ao mesmo tempo, estabelece uma salvaguarda importante: o profissional não será penalizado por optar por não seguir recomendações da IA, desde que sua decisão esteja tecnicamente fundamentada.

Impactos na formação médica

A resolução reconhece que a incorporação da inteligência artificial exige mudanças estruturais na formação dos profissionais. Entre os temas que passam a ganhar relevância nos currículos estão ética aplicada à IA, segurança da informação, cibersegurança e letramento em inteligência artificial.

A diretriz aponta para a necessidade de preparar médicos capazes de interpretar criticamente essas ferramentas e utilizá-las de forma responsável na prática clínica.

Proteção de dados e LGPD

A norma determina que todo o ciclo de uso da IA — desde o desenvolvimento até a aplicação clínica — deve observar rigorosamente a Lei Geral de Proteção de Dados. Isso inclui a adoção de princípios como privacidade desde a concepção, além de garantir confidencialidade, integridade e segurança das informações de saúde.

Letramento digital: a base da inovação responsável na Medicina Diagnóstica

Posted on by abradmin

Aumento dos investimentos em tecnologia e dados deve vir acompanhado da capacidade crítica para extrair valor de novas soluções na saúde 

O ecossistema de saúde global atravessa uma era de investimentos sem precedentes em inovação. Só o mercado de inteligência artificial em healthcare foi estimado em mais de US$ 36 bi em 2025 e deve crescer próximo da casa de 40% ao ano até 2033. Nesse mesmo sentido, espera-se que os investimentos em dados na saúde superem US$ 193 bi nos próximos 5 anos, também acelerados pelo direcionamento de recursos para sistemas de análise de informações clínicas.   

Segundo levantamento da Associação Brasileira de Medicina Diagnóstica (Abramed) junto aos seus associados — que representam mais de 85% do volume de exames realizados na saúde suplementar no país —, as empresas do setor destinam até 30% do orçamento anual a iniciativas de inovação tecnológica.

No entanto, há um gargalo desafiador no segmento entre a velocidade da corrida tecnológica e o déficit de maturidade digital de profissionais e organizações.Sem o devido letramento digital, corremos o risco de automatizar a desinformação em escala, pondo em risco a segurança dos pacientes e deixando de usufruir dos benefícios de uma saúde informatizada.

O que é letramento digital e os desafios para seu avanço no Brasil

Antes de aprofundarmos o debate sobre letramento digital na saúde, é importante definirmos esse conceito, que não se resume a treinamentos técnicos para operar sistemas ou navegar em dashboards. Hoje, isso é o básico para qualquer organização.

O verdadeiro letramento é a capacidade crítica de compreender o que os dados dizem, o que não dizem e o que jamais poderão dizer sozinhos. Envolve entender vieses algorítmicos, limitações de base informacional e também avaliar implicações éticas e assistenciais das decisões orientadas pela tecnologia. Pressupõe reconhecer que algoritmo não é neutro, que dados não são verdade absoluta e que decisões baseadas em sistemas cuja lógica não é compreendida representam risco institucional.

Sem essa maturidade, delega-se decisões clínicas complexas a sistemas que muitas vezes não são plenamente explicáveis, criando um ambiente em que a tecnologia é tratada como verdade incontestável — quando deveria ser instrumento de apoio crítico.

No Brasil, esse desafio é especialmente agudo quando consideramos que, segundo pronunciamento recente do Ministério das Comunicações, falta letramento digital para cerca de 70% dos brasileiros, índice que se reflete também na capacidade de operadores do ambiente de saúde em se integrar a uma cultura de base tecnológica e orientada por dados.

É nesse cenário que o gap de letramento se torna uma das principais barreiras para que a inovação entregue ovalor prometido. Isso vale, por exemplo, para a IA: sem maturidade crítica, a inteligência artificial torna-se apenas uma “vitrine tecnológica” que impressiona no piloto, mas enfrenta dificuldades na rotina assistencial, especialmente quando cobrada por impacto clínico mensurável, eficiência sustentável ou melhoria concreta de desfechos. Sem perguntas bem formuladas e critérios claros de validação, soluções sofisticadas podem se tornar tecnicamente avançadas e, ainda assim, clinicamente irrelevantes.

Profissionais híbridos e uma agenda de transformação

Para superar esse cenário, especialidades como a Medicina Diagnóstica precisam trabalhar na formação de profissionais híbridos. O fato é que hoje já contamos tanto com excelentes cientistas de dados quanto com clínicos brilhantes, mas poucos conseguem transitar com fluidez entre esses dois universos. 

E a realidade atual da saúde demanda profissionais que, além do conhecimento médico, saibam trabalhar com estatística, arquitetura de dados e machine learning – e entendam como esses pilares, integrados, influenciam na jornada do paciente, sendo ainda capazes de avaliar riscos clínicos, fatores regulatórios e ambientes informatizados. Mais do que novos cargos, é necessário reconhecer que dados deixaram de ser um tema exclusivo da TI e passaram a ocupar papelcentral nas decisões clínicas, estratégicas e institucionais.

Afinal de contas, a falta de letramento digital tem consequências diretas no cuidado. Quando a tecnologia avança mais rápido que a compreensão humana, o resultado é o aumento de algoritmos mal interpretados e decisões automatizadas sem contexto clínico. Isso pode se traduzir em atrasos diagnósticos ou intervenções desnecessárias, comprometendo a segurança do paciente e a própria sustentabilidade dos sistemas de saúde. Amplificam-se vieses, consolidam-se decisões opacas e eleva-se a exposição regulatória e reputacional das organizações.

Nesse novo panorama, os dados não são mais apenas um tema de TI, mas um instrumento clínico, estratégico e institucional que devolve ao médico o controle sobre a tecnologia, inclusive sobre quando utilizá-la ou não. 

Diante de tudo isso, a agenda do letramento digital deve unir os atores da saúde e da Medicina Diagnóstica. As organizações – com o apoio de entidades e do próprio poder público –, devem investir em capacitação contínua e criar ambientes onde a maturidade crítica é incentivada, de modo que o uso de tecnologias complexas venha acompanhado de formação, tempo e contexto para sua aplicação adequada.

Pois, em última análise, o letramento é o que diferencia a inovação responsável de uma automação sem governança e controle, colocando-se como uma base decisiva para que os dados se transformem, de fato, em ativos de valor capazes de melhorar a jornada de pacientes e o dia a dia dos profissionais.

Pedro Vieira é Líder do Comitê de Interoperabilidade da Abramed

27 de fevereiro de 2026.

Comitê de Radiologia da Abramed reuniu representantes da indústria e associados para debater inovação e sustentabilidade

Posted on by abradmin

Mesa-redonda realizada na sede da GE HealthCare explorou a necessidade de ações estruturadas e métricas claras para o avanço sustentável do diagnóstico por imagem no país.

A busca pelo equilíbrio entre inovação tecnológica, sustentabilidade e eficiência assistencial em exames radiológicos pautou a mesa-redonda realizada pelo Comitê Técnico de Radiologia e Diagnóstico por Imagem da Abramed na sede da GE HealthCare, em São Paulo.

Juntos, representantes da indústria e associados exploraram a necessidade de ações estruturadas e métricas claras para o avanço sustentável do diagnóstico por imagem no país.

O encontro foi conduzido por Milva Pagano, diretora-executiva da Abramed, e pelos líderes do Comitê Técnico de Radiologia e Diagnóstico por Imagem: Alexandre Marconi, coordenador de Radiologia Abdominal do Hospital Sírio-Libanês, e Marcos Queiroz, diretor de Medicina Diagnóstica do Einstein Hospital Israelita.

Sustentabilidade além do discurso

A sustentabilidade foi tratada como eixo estratégico do diagnóstico por imagem, com a importância de indicadores mensuráveis sendo colocada no centro da discussão. Para João Paulo Souza, CEO da GE HealthCare Brasil, a sustentabilidade já é um pilar de mercado.

“O debate já está na sociedade. O desafio é transformar o discurso em ações tangíveis, com números efetivos. Para fazê-lo avançar, nós olhamos para o conceito de economia circular e para o lançamento contínuo de novas tecnologias de foco sustentável. Mais do que uma boa intenção, essa é uma exigência do mercado diagnóstico: qualidade técnica e sustentabilidade são pilares de sobrevivência”.

Cesar Nomura, presidente do Conselho de Administração da Abramed e diretor de Medicina Diagnóstica do Hospital Sírio-Libanês, reforçou a necessidade de atuação conjunta para o avanço da sustentabilidade. “Na Abramed, pensamos no setor como um todo, indústria, prestadores, academia, governo e associações. Esse olhar conjunto é fundamental: entre nossos associados, por exemplo, já temos relatórios indicando redução no consumo de água em exames laboratoriais na casa de 20%”.

Inteligência artificial como vetor de práticas sustentáveis

Dentro do contexto de integração entre tecnologia e sustentabilidade, a IA apareceu como uma das principais alavancas para ganhos simultâneos de eficiência, melhores práticas e experiência do paciente. Os participantes compartilharam casos de redução de tempo de exames, otimização de fluxos e melhor aproveitamento da capacidade instalada com o apoio da inteligência artificial

Alexandre Valim, diretor de Operações Médicas da Dasa, ressaltou os ganhos operacionais. “Cada vez mais, médicos e profissionais veem a IA como aliadas da produção radiológica, ela ajuda o radiologista nos relatórios, na identificação de lesões, no suporte diagnóstico e no ganho de eficiência diária”, afirmou, indicando que ainda há muito espaço para avanço da tecnologia no Brasil.

Angela Caiado, head de Radiologia e Diagnóstico por Imagem do Grupo Fleury, destacou iniciativas práticas da integração entre tecnologia e sustentabilidade. “Com apoio da inovação e da IA, já conseguimos reduzir em quase 50% o tempo dos exames. Há ganhos em redução de energia elétrica, de água e de emissões: mas é preciso demonstrá-los em métricas que sustentem essa jornada.”

Eficiência operacional e consumo energético

Outro ponto central foi a incorporação do consumo energético e do custo total de propriedade (TCO) como fatores centrais na aquisição de equipamentos. Alexandre Marconi, líder do Comitê, chamou atenção para a ausência de métricas padronizadas. “Ainda há um espaço importante para avançar em critérios objetivos de eficiência energética no setor, o que pode orientar melhores decisões de investimento”, afirmou.

Marcos Queiroz, também líder do Comitê , reforçou a importância de decisões baseadas em dados. “Quando olhamos para o ciclo dos equipamentos, eficiência operacional e sustentabilidade devem caminhar juntas e os dados precisam demonstrar isso”.

Boas práticas assistenciais, educação e próximos passos

A discussão também abordou estratégias para reduzir no-show, evitar exames desnecessários e melhorar a gestão da demanda. Algoritmos preditivos, confirmação ativa de agendamentos e maior integração entre sistemas foram apontados como caminhos para ganhos assistenciais e operacionais. Nesse contexto, a interoperabilidade dos sistemas de informação em saúde foi destacada como elemento-chave para evitar repetições de exames e promover integração.

O papel do radiologista como protagonista foi outro ponto de consenso. Mais do que emitir laudos, o profissional é um agente ativo na definição de protocolos, uso racional da tecnologia e na orientação de equipes multiprofissionais. Assim, a educação continuada apareceu como condição essencial para que os avanços tecnológicos se traduzam em benefícios clínicos, operacionais e de sustentabilidade.

Ao final, o Comitê definiu como próximos passos o mapeamento de boas práticas de sustentabilidade, a avaliação de indicadores mensuráveis, a integração dos debates à agenda ESG da Abramed e o aprofundamento das discussões sobre capacitação e uso efetivo da tecnologia. E a Abramed reforçou seu compromisso pelo diálogo estruturado com todo o ecossistema de Medicina Diagnóstica, avançando na construção de soluções alinhadas à realidade do país.

29 de janeiro de 2026

Inteligência Artificial no Brasil: como o setor da Saúde contribui para a construção do novo marco regulatório

Posted on by abradmin

Propostas da Abramed orientam a construção de um marco regulatório que concilie proteção ao paciente, segurança jurídica e desenvolvimento tecnológico.

O Projeto de Lei nº 2.338/2023, que estabelecerá as diretrizes para o desenvolvimento, o fomento e o uso ético e responsável da Inteligência Artificial no país, tem avançado no Congresso Nacional. Em um momento decisivo para a definição de parâmetros de inovação, segurança e responsabilidade, a Associação Brasileira de Medicina Diagnóstica (Abramed) tem atuado de forma estratégica para assegurar que a futura legislação considere as especificidades da saúde e garanta equilíbrio regulatório.

Ao lado da Associação Nacional de Hospitais Privados (ANAHP), Confederação Nacional de Saúde (CNSaúde), Saúde Digital Brasil e outras entidades, a Abramed enviou contribuições que foram apresentadas pela Frente Parlamentar Mista de Saúde ao relator do PL, Aguinaldo Ribeiro (PP-PB), um documento técnico estruturado: o Decálogo de Regulação de IA para o Setor da Saúde, que consolida entendimentos e propõe ajustes fundamentais para que o Brasil avance com segurança e sem criar barreiras desnecessárias à inovação.

De acordo com o advogado Lucas Bonafé, do escritório Machado Nunes, a atuação institucional concentrou-se em qualificar o debate e mitigar generalizações que poderiam dificultar a adoção de novas tecnologias no setor, apresentando propostas concretas de alteração legislativa baseadas em 10 pilares estratégicos. Destacamos abaixo algumas das contribuições apresentadas.

O primeiro trata da definição precisa de alto risco, com a proposta de que o enquadramento de sistemas seja competência do Sistema Nacional de Regulação e Governança de Inteligência Artificial (SIA), considerando probabilidade e gravidade dos impactos adversos. Outro ponto-chave aborda a responsabilidade proporcional e não duplicada, especialmente relevante em saúde, onde uma mesma instituição pode ser desenvolvedora e usuária: defendemos que a responsabilização recaia sobre quem efetivamente exerce controle sobre o sistema.

Também reforçamos a necessidade de proteger a Pesquisa e Desenvolvimento (P&D), recomendando que aplicações exclusivamente dedicadas à pesquisa fiquem fora do escopo da lei até sua entrada no mercado, garantindo liberdade para etapas iniciais de experimentação. Por fim, enfatizamos a harmonização regulatória entre o Plano Brasileiro de Inteligência Artificial (PBIA), que estrutura a visão estratégica, e o PL 2.338/2023, que deve oferecer segurança jurídica para a aplicação da IA em saúde.

As propostas foram apresentadas diretamente à liderança parlamentar, em nome de entidades representativas da Saúde Suplementar, e seguimos monitorando sua incorporação à versão final do relatório.

A aprovação do Marco Legal trará novos requisitos para empresas e prestadores de serviços de Saúde, entre eles a obrigatoriedade de avaliações de impacto algorítmico que contenham informações técnicas e operacionais sobre riscos potenciais aos direitos fundamentais, medidas adotadas para mitigá-los, etapas de supervisão humana e métricas utilizadas para aferir acurácia e desempenho. A Abramed entende que a regulação é necessária para fortalecer a segurança jurídica, proteger pacientes e promover boas práticas no ciclo de vida dos modelos, sem impor barreiras que inviabilizem a inovação responsável.

Para apoiar o setor nesse processo de transição, recomendamos que os associados iniciem a adoção de boas práticas em três frentes essenciais:

  • Governança de Dados: garantia de qualidade, completude e proteção dos dados utilizados no treinamento de algoritmos;
  • Interoperabilidade: adoção de padrões internacionais que permitam integração com prontuários, sistemas clínicos e repositórios nacionais;
  • Gestão do ciclo de vida da IA: monitoramento contínuo para evitar degradação de desempenho, vieses discriminatórios e perda de acurácia ao longo do tempo.

Nos próximos meses, nossas prioridades incluem a participação ativa em Grupos de Trabalho, contribuindo tecnicamente para a implementação da lei; a capacitação de equipes em temas como transparência, explicabilidade e mitigação de vieses; e o diálogo permanente com legisladores e reguladores para garantir que a regulamentação setorial da saúde seja convergente com o Marco Legal da IA.

A Abramed reafirma seu compromisso em representar o setor com responsabilidade, antecipar tendências regulatórias e contribuir para um ambiente que combine segurança, inovação e qualidade assistencial.