Inteligência artificial na medicina: o que pode apoiar e o que continua sendo responsabilidade do médico

Entre duas consultas, o médico abre o prontuário de um paciente com anos de acompanhamento. Uma ferramenta organiza as notas anteriores e entrega um resumo fluente: diagnósticos, resultados de exames, medicamentos em uso e condutas anteriores. O texto parece pronto para orientar a próxima etapa. Só depois, ao voltar à nota de uma internação antiga, o médico encontra uma alergia medicamentosa que não apareceu no resumo.

A situação é fictícia, mas o tipo de falha é plausível. Um texto claro pode estar incompleto. Uma classificação tecnicamente correta pode ser inadequada para aquela população. Uma sugestão bem formulada pode se apoiar em dados insuficientes. Avaliar se a ferramenta acerta resolve apenas parte do problema. É preciso entender qual tarefa ela executa, em que contexto foi avaliada, que consequência terá uma falha e como o profissional poderá reconhecê-la antes que alcance o paciente.

Desde 26 de agosto de 2026, a Resolução CFM número 2.454 de 2026 disciplina o uso de IA na medicina no Brasil. A norma foi publicada em 27 de fevereiro, retificada em 5 de março e entrou em vigor após 180 dias. Ela admite a IA como instrumento de apoio, preserva a autonomia do médico e atribui ao profissional a decisão final sobre diagnóstico, prognóstico, prescrição e demais atos médicos. Também exige supervisão humana, julgamento crítico e comunicação de falhas relevantes.[1]

Quatro tipos de apoio, quatro modos de conferir

O rótulo “IA médica” reúne sistemas muito diferentes. Um recurso de agenda tem relação distante com a conduta clínica. Um classificador de imagem ou uma recomendação terapêutica pode influenciá-la imediatamente. A finalidade e o contexto de uso ajudam a definir o risco, assim como a sensibilidade dos dados, o grau de autonomia e a possibilidade de intervenção humana. Esses fatores constam da avaliação preliminar prevista pelo CFM.[1]

Tipo de apoio	Entrada e saída usuais	Falha plausível	Conferência esperada
Administrativo	Agenda, filas, estoque e mensagens operacionais	Prioridade errada, atraso ou encaminhamento indevido	Revisar regras, exceções e impacto no acesso
Documental	Áudio ou texto clínico transformado em transcrição, resumo ou rascunho	Omissão, atribuição incorreta, informação inventada ou registro ambíguo	Comparar com a conversa e com a fonte; corrigir antes de assinar
Informacional	Pergunta e base consultada transformadas em busca ou síntese	Referência inexistente, evidência desatualizada ou resposta fora do contexto	Abrir as fontes, conferir data, método e aplicabilidade
Decisão clínica	Dados do paciente transformados em detecção, classificação, previsão ou recomendação	Falso positivo, falso negativo, viés ou recomendação incompatível com o caso	Integrar história, exame, dados discordantes, preferências e alternativas

A fronteira entre essas categorias pode mudar durante o uso. Um resumo criado apenas para facilitar a leitura ganha influência clínica quando é usado para prescrever. Uma ferramenta administrativa passa a afetar o cuidado quando define quem será atendido primeiro. O risco acompanha a função real no fluxo, e não apenas o nome dado pelo fornecedor.

Onde o apoio já pode ser concreto

Há tarefas repetitivas em que a IA pode reduzir trabalho mecânico, desde que a equipe delimite o escopo e mantenha uma alternativa para quando o sistema falhar. Também pode ajudar a localizar um resultado perdido em um prontuário extenso, padronizar um primeiro rascunho ou sinalizar casos que merecem revisão prioritária. Em cada situação, o ganho depende da qualidade da entrada e do modo como a saída chega ao profissional.

Os escribas ambientais ilustram bem essa combinação de utilidade e limite. Em um ensaio pragmático com 238 médicos ambulatoriais de uma instituição, uma das duas ferramentas estudadas reduziu em 9,5% o tempo de redação de notas em comparação com o grupo controle; a outra não apresentou diferença significativa. Os médicos relataram inexatidões ocasionais, principalmente omissões, problemas de estrutura e erros de resolução de pronomes. Os autores pedem confirmação dos desfechos secundários em estudos maiores e multicêntricos.[8] O resultado autoriza uma expectativa moderada de economia de tempo em certos fluxos. Ele não autoriza presumir que qualquer escriba, especialidade, idioma ou serviço terá o mesmo desempenho.

Na sumarização clínica, a distância entre um teste promissor e o uso cotidiano ainda é relevante. Uma revisão de escopo publicada em 2025 incluiu 30 estudos, todos observacionais e retrospectivos. Só dois relataram avaliação por subgrupos, seis fizeram análise categorizada de falhas e nenhum apresentou avaliação estruturada de viés. A maior parte dos trabalhos estava concentrada em instituições dos Estados Unidos, textos em inglês e relatórios de radiologia.[9] Um resumo pode ser útil para localizar informação, mas a evidência disponível ainda exige cautela antes de torná-lo fonte única para uma decisão.

O mesmo cuidado vale para apoio ao raciocínio diagnóstico. Em um ensaio clínico randomizado com 50 médicos, o acesso a um grande modelo de linguagem, somado aos recursos convencionais, não melhorou significativamente a pontuação de raciocínio diagnóstico. A diferença ajustada foi de 2 pontos percentuais, com intervalo de confiança de 95% entre menos 4 e 8 pontos percentuais. O estudo usou vinhetas clínicas e não mediu desfechos de pacientes, o que limita a transferência direta para a assistência.[7] Desempenho isolado do modelo e benefício obtido por um médico no fluxo real são perguntas distintas.

A responsabilidade se traduz em condutas observáveis

A Resolução CFM número 2.454 de 2026 permite ao médico recusar sistemas sem validação científica adequada, certificação regulatória pertinente ou compatibilidade ética e legal. Também proíbe que o profissional seja obrigado a seguir recomendações de forma automática ou acrítica. Ao usar a ferramenta, porém, cabe ao médico avaliar a coerência da saída com o quadro clínico, as evidências e as boas práticas. O uso como apoio à decisão deve ser registrado no prontuário.[1]

Na prática, essa responsabilidade começa antes da resposta da IA. O médico participa da definição da pergunta, verifica se os dados inseridos pertencem ao paciente correto e avalia se são suficientes. Depois, precisa procurar omissões e discordâncias, decidir se aceita, modifica ou rejeita a saída e documentar o que for pertinente. A comunicação de diagnóstico, prognóstico e decisão terapêutica não pode ser delegada ao sistema. O paciente deve receber explicação clara sobre o uso da IA, e a norma reconhece seu direito à recusa informada.[1]

A confidencialidade também exige decisões anteriores ao primeiro uso. Dados de saúde são dados pessoais sensíveis. A LGPD determina finalidade específica, necessidade, transparência, segurança e prestação de contas, além de medidas técnicas e administrativas contra acesso não autorizado e tratamento inadequado.[2] Copiar dados identificáveis para uma ferramenta porque ela está disponível no navegador ignora questões básicas: quem é o controlador, onde ocorre o processamento, por quanto tempo os dados permanecem armazenados, se haverá uso secundário e qual base legal sustenta o tratamento.

A instituição tem deveres próprios. Segundo o CFM, serviços que desenvolvem ou utilizam IA devem avaliar o risco, estabelecer governança, auditar e monitorar os sistemas de maneira proporcional ao impacto. Soluções próprias exigem Comissão de IA e Telemedicina sob coordenação médica e subordinada à diretoria técnica. Atualizações, mudanças de finalidade ou sinais de viés podem exigir nova avaliação, restrição ou suspensão.[1]

As recomendações internacionais seguem direção semelhante, embora não sejam normas brasileiras. A OMS organiza a governança em torno de autonomia, segurança, transparência, responsabilização, inclusão e sustentabilidade.[3] Em suas considerações regulatórias, chama atenção para documentação, qualidade dos dados, validação externa, proteção de dados e acompanhamento ao longo do ciclo de vida.[4] Para modelos multimodais e generativos, a OMS acrescenta riscos como respostas falsas, incompletas, enviesadas ou excessivamente confiantes, além da possibilidade de automação indevida de tarefas que pedem julgamento profissional.[5]

Seis perguntas antes de confiar uma tarefa à ferramenta

• Para qual tarefa, população e cenário ela foi criada? A descrição deve ser específica. “Apoio médico” diz pouco sobre entrada, saída e uso permitido.
• Que evidência sustenta o desempenho e a utilidade? Convém separar teste técnico, comparação clínica e benefício no fluxo real.
• O contexto de validação se aproxima do meu serviço? Idioma, prevalência, especialidade, equipamentos e perfil dos pacientes podem alterar o resultado.
• Que dados entram no sistema e sob quais regras? A equipe precisa conhecer finalidade, acesso, armazenamento, retenção e eventual uso para treinamento.
• Como o médico confere, contesta e interrompe a saída? Uma revisão feita sem acesso à fonte ou sob forte pressão de tempo pode ser apenas formal.
• Quem acompanha falhas e mudanças depois da adoção? Deve haver responsável, canal de incidente, versão identificável e critério para suspender o uso.

Essas perguntas evitam um erro frequente: tratar aprovação regulatória, validação clínica e desempenho local como equivalentes. Cada uma responde a uma questão própria. Diretrizes como a DECIDE-AI recomendam que a avaliação clínica inicial de sistemas de apoio considere segurança, fatores humanos e integração ao fluxo em ambiente real. Os próprios autores alertam que seguir uma diretriz de relato não garante qualidade metodológica.[6]

Quando o resumo omite a alergia

Voltemos ao paciente da abertura. A ferramenta recebeu um conjunto extenso de notas e produziu um resumo coerente, mas deixou de fora uma alergia registrada anos antes. O médico percebeu a omissão ao conferir a fonte antes da prescrição. Não houve dano, embora tenha ocorrido um quase erro com capacidade de mudar a conduta.

A análise não deveria terminar na correção daquela frase. A equipe precisa verificar se a nota antiga estava disponível na entrada, se o sistema tem limite de contexto, se prioriza documentos recentes e se falhas semelhantes ocorreram com outros pacientes. Também deve registrar o incidente no canal institucional e comunicá-lo ao responsável pelo monitoramento. Até que a causa e a frequência sejam compreendidas, o serviço pode bloquear o uso do resumo para prescrição.

O fluxo também precisa mudar. A alergia deve aparecer em campo estruturado e visível, com conferência direta na fonte. Se o médico não consegue saber quais documentos foram processados, a saída perde utilidade para tarefas nas quais uma omissão pode produzir dano. A boa aparência do texto não reduz essa incerteza.

Um fluxo mínimo antes, durante e depois

Antes do uso

Defina a finalidade, a população e as tarefas excluídas. Confirme a autorização institucional e o enquadramento regulatório pertinente. Leia a evidência com atenção ao comparador, ao cenário e às limitações. Determine quais dados podem entrar, quem terá acesso e o que fazer quando a ferramenta estiver indisponível. Para usos com influência clínica, estabeleça critérios de teste local e de interrupção.

Durante o uso

Confira se a entrada está correta e completa. Compare a saída com a história, o exame, os resultados originais e as informações que a contradizem. Mantenha uma via de trabalho sem IA. Explique o uso ao paciente e respeite sua recusa, conforme a situação. Quando houver apoio à decisão, registre o uso no prontuário e assuma a autoria do documento somente após revisão efetiva.[1]

Depois do uso

Acompanhe erros, quase erros, tempo gasto na revisão e efeitos sobre o fluxo. Observe se o desempenho muda entre subgrupos ou após uma atualização. Comunique falhas ou riscos relevantes às instâncias competentes, como determina o CFM. Restrinja ou suspenda a ferramenta quando o serviço não conseguir verificar a saída ou quando surgir sinal relevante de dano, viés ou degradação.[1]

Diante de um resumo convincente, a pergunta final permanece clínica e concreta: tenho elementos suficientes para usar esta saída neste paciente, neste contexto e para esta finalidade?

Compartilhe este roteiro com um colega que também está avaliando ferramentas de IA na assistência.

Referências

1. Conselho Federal de Medicina. Resolução CFM número 2.454, de 11 de fevereiro de 2026. Normatiza o uso da inteligência artificial na medicina. Publicada em 27 de fevereiro de 2026; retificada em 5 de março de 2026. CFM
2. Brasil. Lei número 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais. Texto compilado. Planalto
3. World Health Organization. Ethics and governance of artificial intelligence for health: WHO guidance. Geneva: World Health Organization; 2021. OMS
4. World Health Organization. Regulatory considerations on artificial intelligence for health. Geneva: World Health Organization; 2023. OMS
5. World Health Organization. Ethics and governance of artificial intelligence for health: guidance on large multi-modal models. Geneva: World Health Organization; 2024. ISBN 978-92-4-008475-9. OMS
6. Vasey B, Nagendran M, Campbell B, et al. Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI. Nature Medicine. 2022;28:924-933. DOI: 10.1038/s41591-022-01772-9. DOI
7. Goh E, Gallo R, Hom J, et al. Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial. JAMA Network Open. 2024;7(10):e2440969. DOI: 10.1001/jamanetworkopen.2024.40969. DOI
8. Lukac PJ, Turner W, Vangala S, et al. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. 2025;2(12). DOI: 10.1056/AIoa2501000. DOI
9. Bednarczyk L, Reichenpfader D, Gaudet-Blavignac C, et al. Scientific Evidence for Clinical Text Summarization Using Large Language Models: Scoping Review. Journal of Medical Internet Research. 2025;27:e68998. DOI: 10.2196/68998. DOI