Durante muito tempo, a inteligência artificial ocupou nas discussões sobre saúde um lugar quase sempre associado ao futuro. Depois da popularização dos modelos generativos, passou a aparecer em praticamente qualquer conversa sobre inovação.
No FILIS 2026, Fórum Internacional de Lideranças da Saúde promovido pela Abramed, realizado em São Paulo, a discussão ganhou contornos mais concretos.
Na edição que celebrou os dez anos do evento, o conceito de Diagnóstico 5.0 reuniu debates sobre regulação, sustentabilidade, medicina diagnóstica, governança, dados, interoperabilidade e inteligência artificial.
Mais do que imaginar o que a tecnologia poderá fazer daqui a alguns anos, diferentes painéis mostraram aplicações que já começam a modificar a forma como pacientes são identificados, investigados e acompanhados.
Por trás das diferentes experiências apresentadas, uma mudança parece ganhar força: a passagem de uma saúde predominantemente reativa para uma saúde progressivamente capaz de antecipar.
Prever antes de tratar
Uma das formas apresentadas para compreender essa transformação foi dividir o impacto da inteligência artificial em três grandes frentes: predição, performance e personalização.
Na prática, significa utilizar dados para reconhecer riscos antes do agravamento de uma doença, melhorar a eficiência dos serviços e encontrar características que permitam individualizar decisões.
Um dos exemplos discutidos envolveu o rastreamento do câncer colorretal. Algoritmos já conseguem combinar informações clínicas para identificar pessoas entre 40 e 50 anos com maior risco, inclusive antes da faixa etária habitualmente utilizada como critério para algumas estratégias de rastreamento.
A proposta não é substituir a avaliação médica ou simplesmente ampliar a realização de colonoscopias, mas selecionar com maior precisão quem realmente precisa ser investigado. É uma mudança importante de lógica.
Em vez de esperar que um critério tradicional seja preenchido para então iniciar a investigação, passa a existir a possibilidade de combinar diferentes sinais e reconhecer precocemente quem foge do comportamento esperado.
O mesmo raciocínio começa a aparecer em outras doenças. Durante o evento foram apresentadas aplicações voltadas à identificação antecipada de progressão clínica e ao uso de biomarcadores para aproximar diagnóstico e escolha terapêutica.
Nesse cenário, o diagnóstico deixa de funcionar apenas como uma fotografia do estado atual do paciente e começa a participar da construção de sua trajetória de cuidado.
Nem toda revolução acontece no consultório
Parte importante das aplicações mais maduras de inteligência artificial em saúde está acontecendo longe da assistência direta.
Um exemplo apresentado no FILIS mostrou a utilização de IA para organizar a escala de técnicos e biomédicos responsáveis por 16 equipamentos de ressonância magnética no Hospital das Clínicas da Faculdade de Medicina da USP. Um processo que anteriormente consumia cerca de dois dias passou a ser realizado em aproximadamente 15 minutos.
Nos laboratórios, a mesma lógica aparece na priorização dinâmica de exames. Em vez de trabalhar apenas com tempos fixos de resposta, algoritmos podem identificar quais resultados precisam ser liberados com maior urgência e quais podem ser processados em períodos de menor demanda.
Outra possibilidade discutida foi a automação dos chamados testes reflexos. Quando determinado resultado indica a necessidade de uma investigação complementar, novos testes podem ser desencadeados automaticamente, evitando nova coleta e encurtando o caminho até o diagnóstico.
São aplicações menos espetaculares do que imaginar uma inteligência artificial diagnosticando doenças de forma autônoma, mas talvez estejam entre as que produzem impacto mais imediato.
Para quem empreende em saúde, há uma lição importante nisso: inovação não precisa começar tentando substituir grandes estruturas. Muitas vezes, o maior valor está em retirar atrito de processos que já existem.
O desafio começa nos dados
À medida que os casos de uso ficam mais sofisticados, porém, a discussão inevitavelmente chega à infraestrutura.Não existe inteligência artificial clínica confiável sem dados de qualidade.
Durante o FILIS, foi defendida a construção de arquiteturas capazes de integrar informações clínicas, administrativas e de imagem, preservando contexto, consentimento e segurança. A ideia é evitar que cada novo projeto de inteligência artificial seja desenvolvido como uma ilha tecnológica dentro da instituição.
Esse talvez seja um dos pontos mais relevantes para o mercado de saúde digital.
Durante anos, a discussão sobre inovação concentrou-se na interface: aplicativos melhores, novas plataformas e experiências digitais mais simples. A próxima etapa dependerá cada vez mais daquilo que acontece por trás da tela.
Interoperabilidade, governança, qualidade da informação e capacidade de acompanhar dados longitudinalmente podem se transformar em ativos tão importantes quanto o próprio algoritmo.
Quando sistemas diferentes conseguem conversar, abre-se espaço não apenas para evitar repetição de exames, mas também para reconhecer alterações progressivas, perda de acompanhamento, piora de sintomas, falhas de adesão e outros sinais que normalmente ficam dispersos ao longo da jornada.
É justamente nessa fronteira que dados e cuidado longitudinal começam a se encontrar.
O médico continua no centro, mas o trabalho muda
A expansão da inteligência artificial também traz uma discussão inevitável sobre formação profissional.
Foi destacado que a velocidade de adoção tecnológica é maior do que a velocidade de atualização dos currículos médicos. Algumas especialidades, como a radiologia, avançam mais rapidamente, mas o desafio tende a alcançar toda a medicina.
Isso não significa que o médico precisará se transformar em programador. Precisará, porém, compreender como utilizar essas ferramentas criticamente.
Saber para qual população determinado algoritmo foi desenvolvido, reconhecer suas limitações, interpretar probabilidades, desconfiar de resultados incompatíveis com o contexto clínico e entender quando uma recomendação automatizada realmente deve modificar uma conduta.
Quanto mais informação a tecnologia conseguir produzir, maior será a importância de quem consegue atribuir significado clínico a ela.
Para o empreendedor, a pergunta também mudou
A inteligência artificial deixou de ser diferencial suficiente apenas porque está presente em um produto. A pergunta mais interessante passa a ser outra: qual problema de saúde aquela tecnologia consegue efetivamente resolver?
Quem consegue identificar o paciente certo no momento certo?
Quem reduz uma etapa desnecessária?
Quem integra informações fragmentadas?
Quem consegue acompanhar o paciente entre diferentes momentos de sua jornada?
Quem transforma um alerta em uma ação clínica concreta?
Precisamos ter uma visão pragmática para essa transformação: começar por aplicações de menor risco, testar hipóteses com MVPs e construir infraestrutura com visão de longo prazo, em vez de apostar em projetos isolados apenas porque utilizam uma tecnologia nova.
É uma diferença importante entre usar inteligência artificial e redesenhar cuidado utilizando inteligência artificial.
E talvez esteja aí uma das principais tendências deixadas pelo FILIS 2026.
A tecnologia começa a deixar de ocupar apenas a superfície da saúde para entrar em sua infraestrutura. Não apenas para produzir respostas mais rapidamente, mas para conectar informações, antecipar necessidades e organizar melhor aquilo que acontece antes, durante e depois de uma decisão médica.
O futuro da saúde certamente será mais tecnológico. Mas seu valor continuará dependendo de uma medida bastante conhecida: se conseguimos cuidar melhor do paciente.