Projeto estabelece diretrizes para uso da inteligência artificial na saúde no Brasil

**Lead**

O governo federal apresentou um projeto que estabelece diretrizes para o uso de inteligência artificial (IA) no sistema de saúde brasileiro. A proposta, em fase de consulta pública, define requisitos éticos, técnicos e legais para a implementação de sistemas de IA em hospitais, clínicas e laboratórios, abrangendo desde diagnósticos por imagem até a gestão de prontuários eletrônicos. O objetivo é criar um marco regulatório que permita o avanço tecnológico sem comprometer a segurança dos pacientes e a privacidade dos dados.

**Contexto**

A inteligência artificial já é uma realidade em diversos setores da economia, e na saúde seu potencial é imenso. No Brasil, aplicações como análise de exames de imagem, triagem de pacientes em emergências, predição de surtos epidemiológicos e otimização de escalas médicas têm sido testadas em centros de pesquisa e hospitais privados. Startups e grandes empresas de tecnologia desenvolvem soluções voltadas ao mercado nacional, muitas delas utilizando dados do Sistema Único de Saúde (SUS). No entanto, a ausência de regras claras gera riscos significativos: vieses algorítmicos que podem discriminar grupos étnicos ou sociais, violação da Lei Geral de Proteção de Dados Pessoais (LGPD), falta de transparência nos processos decisórios e responsabilização difusa em casos de erro. Países como Estados Unidos e membros da União Europeia já avançaram com regulamentações específicas, enquanto o Brasil ainda carecia de uma política coesa. O projeto, elaborado por equipes técnicas do Ministério da Saúde em parceria com a Agência Nacional de Vigilância Sanitária (ANVISA) e outros órgãos, busca preencher essa lacuna. Ele se inspira em marcos como o AI Act europeu e as recomendações da Organização Mundial da Saúde, mas procura adaptar as exigências à realidade do sistema de saúde brasileiro, que combina o SUS universal com uma robusta rede privada.

Além disso, o debate sobre IA na saúde ganhou urgência após a pandemia de covid-19, quando algoritmos de predição e diagnóstico foram amplamente utilizados, nem sempre com supervisão adequada. Casos de ferramentas que apresentaram desempenho inferior em populações negras ou de baixa renda acenderam alertas sobre a necessidade de validação local. O projeto também considera a interoperabilidade entre sistemas, a qualidade dos dados de treinamento e a obrigatoriedade de auditoria contínua. Ele estabelece categorias de risco para diferentes aplicações de IA: desde as de baixo risco, como lembretes de medicação, até as de alto risco, como diagnósticos autônomos e recomendações cirúrgicas. Para cada nível, são previstos requisitos específicos de transparência, validação clínica e supervisão humana.

**Análise**

A iniciativa é vista com bons olhos por especialistas e entidades do setor, que destacam a necessidade de um controle ético robusto em um campo onde decisões erradas podem custar vidas. A ausência de diretrizes claras não apenas expõe pacientes a riscos, mas também gera insegurança jurídica para desenvolvedores e hospitais. Com regras definidas, empresas e instituições terão parâmetros para investir em inovação com responsabilidade. Por outro lado, a implementação enfrenta desafios importantes. A infraestrutura digital do SUS é heterogênea: enquanto algumas unidades contam com sistemas modernos, outras ainda operam em papel. A capacitação de profissionais de saúde para interpretar e questionar outputs de IA também é insuficiente. Além disso, a regulamentação não pode ser tão rígida a ponto de sufocar o desenvolvimento de soluções nacionais, especialmente as de startups que competem com gigantes estrangeiros.

Outro ponto de atenção é a governança dos dados. O projeto reforça a necessidade de consentimento informado e anonimização, mas a prática de compartilhamento de dados entre instituições públicas e privadas ainda é nebulosa. A LGPD já estabelece bases legais, mas a especificidade da saúde exige cuidados extras. A criação de um banco de dados nacional para treinamento de IA, com curadoria e diversidade representativa, poderia ser um desdobramento positivo. Contudo, isso demandaria investimentos e coordenação federativa. A análise de impacto regulatório será fundamental para calibrar as exigências sem inviabilizar o acesso a tecnologias que podem reduzir desigualdades no atendimento, especialmente em regiões remotas. Se bem-sucedido, o projeto pode posicionar o Brasil como referência na América Latina em regulação de IA na saúde.

**Fontes**

Ministério da Saúde; Agência Nacional de Vigilância Sanitária (ANVISA); documentos do projeto em consulta pública; relatórios da Organização Mundial da Saúde sobre IA em saúde; artigos acadêmicos sobre regulação comparada.