A inteligência artificial atua hoje como catalisadora de uma mudança de paradigma na saúde: a transição de uma medicina reativa, que apenas combate a doença instalada, para uma medicina preditiva e personalizada. Essa evolução não apenas otimiza os desfechos clínicos e a qualidade de vida do paciente, mas também redefine o papel do médico, que deixa de ser acionado apenas em momentos de crises, para se tornar um construtor do cuidado preventivo e do bem-estar.
Esse novo cenário consolida a visão da chamada Medicina P4, um modelo que se apoia em quatro pilares fundamentais de cuidado: uma medicina Preditiva, Preventiva, Personalizada e Participativa.
Na prática, a emergência e a viabilidade desse novo modelo resultam da convergência de três grandes fatores: (1) a revolução digital e o uso de ferramentas de Inteligência Artificial para análise de Big Data; (2) o engajamento e a participação ativa dos pacientes no gerenciamento de sua própria saúde, incluindo através da coleta de seus dados de saúde por dispositivos tecnológicos; e (3) o avanço da biologia de sistemas e da medicina de sistemas, que permitem compreender o corpo de forma holística (Flores et. al, 2013).
Conforme evidenciado no Podcast Diálogos Reglab (Garrote; Ramos, 2026), a maior mudança é cultural, a migração de um modelo reativo, centrado na doença, para um proativo, focado na saúde e bem-estar.
O marco regulatório: a Resolução CFM 2.454/2026
No Brasil, foi editada recentemente a Resolução CFM 2.454, de 11 de fevereiro de 2026, que regulamenta o uso, o desenvolvimento, a governança e a auditoria da IA na medicina no Brasil.
A resolução estabelece que a IA deve atuar estritamente como ferramenta de apoio à decisão, preservando a autonomia e a autoridade final do médico sobre a máquina. No que tange à relação médico-paciente, a norma proíbe a delegação de diagnósticos ou notícias graves à tecnologia, garantindo ao paciente o direito à informação e à mediação humana.
A responsabilidade ética permanece integralmente sobre o profissional, que responde pelos atos praticados com o auxílio da IA, enquanto a governança exige a classificação de riscos e a criação de comissões internas para auditar sistemas e mitigar vieses. Por fim, a segurança de dados impõe o cumprimento rigoroso da LGPD e do sigilo médico, vedando o uso de plataformas que não garantam a proteção total das informações sensíveis.
O que isso beneficia na prática médica
O uso da IA na medicina no Brasil já é uma realidade. Segundo a pesquisa TIC Saúde 2024, 17% dos médicos brasileiros já utilizam IA generativa em sua rotina. O uso varia conforme a esfera administrativa, tendo sido mais frequente no setor privado.
O emprego de técnicas de Aprendizado de Máquina (Machine Learning) e Aprendizado Profundo (Deep Learning) tem demonstrado um impacto disruptivo na precisão diagnóstica. Como destacado no Podcast Diálogos Reglab, a IA é uma realidade consolidada na radiologia e na medicina diagnóstica, onde o reconhecimento de padrões em imagens permite identificar patologias respiratórias e neurológicas com precisão superior à média humana.
Uma área de grande potencial e que ainda pode ter significativos avanços (Garrote; Ramos, 2026) é a implementação dos Gêmeos Digitais (Digital Twins). Um Gêmeo Digital (DT) é uma representação virtual de um objeto ou sistema do mundo real que o espelha de forma precisa e é atualizado continuamente ao longo do tempo (Emmert-Streib et al. 2025).
Enquanto a simulação tradicional computadorizada utiliza cenários teóricos, o Gêmeo Digital é “vivo”, alimentado por dados constantes de sua contraparte física. Um exemplo clínico pioneiro é o pâncreas artificial para o tratamento de diabetes tipo I: um modelo matemático simula o metabolismo de glicose do paciente, e é alimentado com dados de glicose em tempo real, para então predizer e administrar a dose exata de insulina via bomba infusora.
Essa capacidade de realizar intervenções virtuais personalizadas antes da aplicação clínica direta oferece um horizonte promissor para o tratamento de patologias complexas, como o câncer e a esclerose múltipla, unindo a precisão algorítmica à segurança do paciente (Emmert-Streib et al., 2025).
Desafios éticos
Apesar do otimismo tecnológico, a integração da IA enfrenta gargalos éticos fundamentais que a nova Resolução da CFM busca mitigar em dois eixos centrais: 1. a mediação humana e o risco de “alucinações”; 2. a qualidade dos dados e o perigo do viés algorítmico.
Sobre o primeiro ponto, um dos maiores riscos apontados pela literatura acadêmica é a “automação da empatia” e a dependência acrítica de sistemas que podem apresentar falhas imprevisíveis. Conforme reportado na Nature (Kraemer et. al, 2025) e no The Lancet (2023), modelos generativos podem “alucinar” inventando fontes ou diagnósticos sem lastro na realidade, o que exige vigilância constante.
A Resolução do CFM responde a esse desafio ao proibir a delegação de diagnósticos definitivos exclusivamente à tecnologia. O normativo estabelece que a IA deve atuar estritamente como ferramenta de apoio (Nível 2 de automação), preservando a autoridade final e a responsabilidade ética do médico, que permanece como o único interlocutor capaz de comunicar notícias graves e acolher o paciente.
Já sobre a questão da qualidade dos dados, a eficácia da IA é diretamente proporcional à representatividade dos dados que a alimentam (Garbage in, Garbage out). Como discutido nos ensaios do NIC.br (2024), dados enviesados podem perpetuar desigualdades históricas. Para enfrentar essa opacidade, o CFM impõe a Governança e Auditoria obrigatória: as instituições de saúde devem criar comissões internas para auditar sistemas, mitigar vieses e garantir o cumprimento estrito da LGPD, vedando plataformas que não ofereçam transparência sobre sua arquitetura de dados.
Por fim, é válido dizer que o futuro da medicina não será humano ou artificial, mas sim uma inteligência aumentada. O desafio para os gestores e profissionais de saúde será equilibrar a eficiência algorítmica com a prudência clínica.
CETIC.br; NIC.br. Inteligência Artificial na Saúde: potencialidades, riscos e perspectivas para o Brasil (Cadernos NIC.br – Estudos Setoriais). Org: DOURADO, D; AITH, F. São Paulo: Comitê Gestor da Internet no Brasil, 2024.
CGI.br; CETIC.br; NIC.br. Pesquisa sobre o uso das tecnologias de informação e comunicação nos estabelecimentos de saúde brasileiros – TIC Saúde 2024. São Paulo: Comitê Gestor da Internet no Brasil, 2025.
GARROTE, M.; RAMOS; P. H. (coord.). Fronteiras da IA: Conversas e Provocações da primeira temporada do podcast Diálogos Reglab. São Paulo: Reglab, 2026.
FLORES, M.; GLUSMAN, G.; BROGAARD, K.; PRICE, N.D.; HOOD, L. P4 medicine: how systems medicine will transform the healthcare sector and society. Per Med.,10(6), 2013, pp. 565-576. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC4204402/. Acesso em 23 mar. 2026.
KRAEMER, M.U.G., TSUI, J.LH., CHANG, S.Y. et al. Artificial intelligence for modelling infectious disease epidemics. Nature, 638, 623–635, 2025. Disponível em: https://www.nature.com/articles/s41586-024-08564-w#citeas. Acesso em 23 mar. 2026.
SAHNI, N.; STEIN, G.; ZEMMEL, R.; CUTLER, D. The Potential Impact of Artificial Intelligence on Healthcare Spending. NBER Working Paper, 2023. Disponívem em: https://doi.org/10.3386/w30857. Acesso em 23 mar. 2026.
EMMERT-STREIB, F. et al. The role of digital twins in P4 medicine: A paradigm for modern healthcare. npj Digital Medicine, [s. l.], v. 8, n. 735, 2025. DOI: https://doi.org/10.1038/s41746-025-02115-x. Disponível em: https://www.nature.com/articles/s41746-025-02115-x. Acesso em 24 mar. 2026.
THE LANCET. Editorial: AI in medicine: creating a safe and equitable future. In: The Lancet, Vol. 402, Issue 10401, p. 503, 2023. Disponível em: https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(23)01668-9/fulltext. Acesso em 23 mar. 2026.