Convenhamos, o mercado de saúde digital passou a chamar de “IA clínica” praticamente qualquer ferramenta capaz de transcrever ou resumir uma consulta. Acontece que a generalização facilita a venda, mas cobra um preço depois, quando o médico espera de um sistema de organização o mesmo suporte que esperaria de um sistema de raciocínio. O problema é que a decisão construída em cima desse mal-entendido tende a ser rasa e, em alguns casos, contrária ao que a medicina baseada em evidência recomenda.

Vale então recuperar o que uma IA clínica precisa ter. São três condições simultâneas: correlacionar grandes conjuntos de dados de saúde, apoiar-se em embasamento científico verificável e chegar ao médico de forma acessível e prática na rotina do consultório. Sem qualquer uma delas, a ferramenta entrega menos do que promete, e o comprador só descobre isso depois de assinar o contrato.

Para quem precisa decidir agora, existe um teste que separa as duas categorias em uma pergunta. Basta observar o que o sistema responde: “o que foi dito nesta consulta?” ou “o que o conjunto de dados deste paciente indica agora?”. A primeira olha para o passado, organiza e torna visível o que já aconteceu, e nisso há valor real de arquivo e de tempo recuperado. A segunda cruza predisposição genética, evolução de exames, histórico familiar e estilo de vida para apontar um padrão que merece atenção, tarefa para a qual nenhum resumo foi construído. Uma ferramenta atua sobre o registro, portanto. A outra atua sobre a decisão que está sendo tomada naquele momento.

Justamente por apoiar na decisão é que a segunda categoria carrega o risco maior. Quanto mais útil o sistema se mostra, mais o profissional tende a confiar nele, e a criticidade se perde aos poucos, sem que ninguém perceba o momento da virada. A contenção precisa estar no produto: base em dados concretos e literatura validada, exposição da lógica por trás de cada sugestão e desenho que mantém o médico como último crivo. Não se trata de boa vontade do fornecedor. A Resolução CFM nº 2.454/2026, publicada em fevereiro e em vigor a partir do dia 26 de agosto, proíbe que a comunicação de diagnósticos, prognósticos e decisões terapêuticas seja delegada a um sistema.

Dito isso, o setor também precisa reconhecer os próprios limites, sob pena de perder a credibilidade que está construindo. Hoje é possível demonstrar com solidez ganhos de processo, tempo recuperado e correlações que antes dependiam de trabalho manual. A evidência de desfecho clínico melhor por causa da ferramenta, essa segue em construção, e vale para o mercado inteiro. Os grandes estudos internacionais de IA em saúde medem sobretudo tempo, carga de trabalho e burnout, enquanto desfecho de paciente ainda aparece pouco. Num mercado saturado de promessa inflada, sustentar a hipótese honesta em vez de anunciar um resultado não comprovado virou um diferencial competitivo.

A boa notícia é que a regulação brasileira começou a desenhar essa fronteira, e por dois trilhos complementares. O ético, via CFM, mantém a responsabilidade final sempre humana e classifica os sistemas por nível de risco. O de produto, via Anvisa, trata software como dispositivo médico, com dossiê técnico e vigilância pós-mercado. A LGPD acrescenta a camada de proteção sobre dado genético, enquadrado como dado pessoal sensível. O que ainda falta calibrar é a proporção, porque submeter uma ferramenta de apoio à decisão e um sistema de diagnóstico autônomo ao mesmo peso regulatório prejudicaria os dois lados.

No fim, o limite da tecnologia é filosófico antes de ser técnico. Por mais que a IA avance no raciocínio, a decisão e a assinatura continuam com o médico, e é bom que continuem. Resumir uma consulta e ler o conjunto de dados de um paciente são contribuições legítimas e distintas, e a distância entre elas determina o tipo de cuidado que chega ao consultório.

*Rodrigo Matheucci é CEO da PoliHealth.