IA pode encurtar caminho entre diagnóstico e novos tratamentos, mas Brasil ainda esbarra em dados fragmentados
Em entrevista exclusiva ao Saúde e Mercado, executivos da iHealth Group analisam o avanço da inteligência artificial na saúde, os gargalos brasileiros e o que o país pode aprender com a Ásia
A inteligência artificial já consegue ler milhares de prontuários, identificar pacientes elegíveis para pesquisas clínicas e transformar informações dispersas em dados capazes de orientar estudos e decisões. Mas, enquanto a tecnologia avança, um problema bem menos futurista ainda limita seu potencial no Brasil: os sistemas de saúde não conversam entre si.
O país produz uma quantidade gigantesca de informações em consultas, exames, internações, prescrições e tratamentos. O desafio está em conectar esses registros e transformá-los em conhecimento capaz de acelerar pesquisas, ampliar o acesso a novas terapias e, no futuro, encurtar a jornada entre o diagnóstico e o tratamento. Segundo os executivos, informações importantes sobre um mesmo paciente frequentemente estão distribuídas entre três ou quatro fontes que nunca foram integradas.
A discussão ganha ainda mais relevância diante do avanço asiático. China, Coreia do Sul e Singapura vêm tratando os dados de saúde como parte de uma infraestrutura estratégica, com iniciativas nacionais voltadas à pesquisa, à inteligência artificial e à geração de evidências do mundo real.
Para entender onde o Brasil está nessa corrida, o que já é realidade e o que ainda é promessa quando se fala em IA na saúde, o Saúde e Mercado (SM) entrevista com exclusividade Angelo Orru Neto, fundador e CEO da iHealth Group, e Karlyse Claudino Belli, Diretora de Negócios e Dados da iHealth e doutora em Ciências da Saúde.
Na conversa, os dois executivos analisam os gargalos do mercado brasileiro, explicam como a tecnologia pode impactar a jornada dos pacientes e discutem as diferenças entre Brasil e Ásia. Também colocam um ponto central nesse debate: antes de falar em inteligência artificial em larga escala, é preciso garantir qualidade, integração e governança dos dados.
SM: O Brasil produz uma enorme quantidade de informações sobre pacientes todos os dias. Quanto desses dados realmente consegue ser transformado em informação útil e quanto ainda se perde porque os sistemas não conversam entre si?
Angelo Orru Neto: A maior parte ainda se perde, não por falta de registro, mas por falta de continuidade. O paciente brasileiro é bem documentado em cada ponto de contato: a consulta, o exame, a dispensação do medicamento, a internação. O problema é que cada um desses pontos guarda a informação em um sistema diferente, com um vocabulário diferente, e ninguém junta as peças.
O resultado é que sabemos muito sobre cada atendimento e quase nada sobre a jornada.
Não existe um número oficial de quanto se perde, e desconfio de quem afirma ter um. O que posso dizer é o que vemos na prática: quando reconstruímos a jornada de um paciente a partir de registros de instituições diferentes, é comum que informações essenciais para uma decisão clínica ou para a elegibilidade em um estudo estejam espalhadas em três ou quatro fontes que nunca se cruzaram. O valor está em fazer esse cruzamento com rastreabilidade, e não em coletar mais dado.
SM: Quando falamos em inteligência artificial aplicada à saúde, de onde vêm os dados que alimentam esses sistemas? Como garantir qualidade, segurança e representatividade sem comprometer a privacidade dos pacientes?
Karlyse Claudino Belli: No nosso caso, vêm do prontuário eletrônico e dos registros assistenciais de instituições parceiras, sempre com base legal definida pela LGPD e com o dado tratado antes de qualquer análise. Isso significa que o que chega ao modelo não é o nome do paciente, é uma jornada clínica pseudonimizada: diagnósticos, linhas de tratamento, exames, desfechos.
Qualidade e representatividade não são garantidas pelo algoritmo, são garantidas antes dele. A Anvisa publicou em 2023 um guia de boas práticas para dados de mundo real que resume bem os critérios: o dado precisa ser completo, transparente na origem, generalizável para a população de interesse, atualizado e escalável.
Se a base só tem pacientes de hospitais privados do Sudeste, a IA vai aprender um Brasil que não existe. Por isso tratamos a diversidade da base como requisito de projeto, e não como estatística de acompanhamento.
Sobre privacidade: o paciente nunca é o produto. A técnica de pseudonimização, a governança de acesso e a auditoria de cada consulta ao dado são o que permite que a informação circule sem que a identidade circule junto.
SM: Na prática, o que a IA consegue enxergar em milhões de registros que seria praticamente impossível para uma equipe humana identificar?
Karlyse Claudino Belli: A primeira etapa é a menos glamourosa e a mais importante: transformar texto livre em informação estruturada. A maior parte do prontuário brasileiro é narrativa, escrita por médicos com pressa e com abreviações próprias. Modelos de linguagem hoje conseguem ler essa narrativa e extrair, com rastreabilidade, o diagnóstico, o estágio da doença, o medicamento em uso e o motivo de uma troca de tratamento.
A segunda etapa é conectar. O mesmo paciente aparece em fontes diferentes ao longo de anos, e a inteligência está em reconstruir essa linha do tempo.
A terceira é responder perguntas em escala. O que uma equipe humana não consegue não é entender um prontuário, é entender cem mil ao mesmo tempo e perceber padrões: onde estão os pacientes com determinado perfil que nunca foram considerados para um estudo, quais centros tratam mais casos de uma condição rara, em que ponto da jornada as pessoas abandonam o tratamento. Cada uma dessas respostas leva meses em um levantamento manual e passa a levar dias.
SM: Qual é hoje o maior gargalo desse mercado no Brasil?
Angelo Orru Neto: Não é falta de dado nem falta de tecnologia. O Brasil tem 213 milhões de pessoas, sistema universal de saúde e uma quantidade enorme de registro. O gargalo é a combinação de dois fatores: prontuário não estruturado e ausência de integração entre instituições. Os dois juntos fazem com que o dado exista, mas não seja utilizável.
Regulação, curiosamente, deixou de ser o principal obstáculo. A LGPD deu clareza sobre o que pode e o que não pode, o guia da Anvisa sobre dados de mundo real deu critérios de qualidade, e a nova lei de pesquisa clínica trouxe prazos.
Investimento existe. Resistência dos profissionais existe, mas diminui rápido quando o médico percebe que a tecnologia devolve tempo em vez de tomar. O que falta é a infraestrutura de dado que conecte tudo isso, e é nessa camada que estamos apostando.
SM: Para o paciente, onde essa tecnologia já produz benefícios concretos e mensuráveis?
Karlyse Claudino Belli: Prefiro ser precisa aqui, porque é um tema em que há muita promessa e pouco número. O benefício mais mensurável hoje, no que fazemos, está no acesso à pesquisa clínica.
Um estudo clínico é, para muitos pacientes com doenças graves ou raras, a única porta para um tratamento inovador. E o maior motivo para essa porta não abrir no Brasil é o tempo entre a autorização do estudo e a inclusão do primeiro paciente: quase um terço dos estudos autorizados pela Anvisa em 2025 demorou mais de 180 dias para começar.
Quando o dado de mundo real mostra, antes de o estudo abrir, quantos pacientes elegíveis existem e em quais instituições eles são tratados, o centro de pesquisa deixa de esperar o paciente aparecer e passa a ir até ele.
Sobre diagnóstico mais rápido, menos internações e escolha de tratamento, existem estudos internacionais robustos, mas no Brasil ainda são resultados de projetos isolados, não de escala. Seria irresponsável apresentar isso como realidade nacional.
SM: Onde a IA efetivamente consegue reduzir tempo hoje e onde ainda existe mais promessa do que resultado?
Karlyse Claudino Belli: Onde já reduz tempo de forma consistente: na leitura e estruturação de prontuários, na identificação de pacientes elegíveis para estudos, na seleção de centros de pesquisa com base em dados reais em vez de questionários e no monitoramento de recrutamento.
São etapas administrativas e analíticas, e é justamente aí que a IA entrega mais, porque o erro é auditável e a decisão final continua sendo humana.
Onde há mais promessa do que resultado: na decisão clínica autônoma e na predição individual de risco. Os modelos existem e são impressionantes em ambiente controlado, mas dependem de uma qualidade de dado que a maior parte das instituições brasileiras ainda não tem. Uma IA que prevê desfecho com base em um prontuário incompleto vai prever com confiança e errar. A honestidade sobre isso é parte do trabalho.
SM: A fragmentação do sistema brasileiro nos coloca em desvantagem ou a diversidade da população pode transformar nossos dados em um ativo estratégico mundial?
Angelo Orru Neto: As duas coisas, e na mesma medida. A fragmentação é a razão pela qual o Brasil ainda não ocupa o lugar que poderia. A diversidade é a razão pela qual vale a pena resolver a fragmentação.
O mundo está buscando dados que representem populações reais. As grandes bases americanas e europeias são enormes, mas pouco diversas. O Brasil tem miscigenação, tem doenças tropicais e crônicas convivendo na mesma população, tem um sistema público que atende pessoas que em outros países simplesmente não aparecem em nenhum registro. Isso é um ativo científico raro.
O que impede que ele seja um ativo estratégico é que hoje está espalhado em milhares de sistemas que não se falam. Quem conseguir conectar esse dado com qualidade e dentro da lei vai ter algo que nenhum outro país tem.
SM: Você está acompanhando de perto o mercado asiático. O que China, Coreia do Sul, Singapura e outros países da região estão fazendo com IA e dados de saúde que ainda não conseguimos fazer no Brasil?
Angelo Orru Neto: A maior diferença é de escala de decisão. Na China, a agência reguladora publicou diretrizes formais para o uso de dados de mundo real no desenvolvimento de medicamentos e criou uma zona piloto, em Hainan, onde produtos aprovados no exterior podem ser usados e a evidência gerada ali é aceita no processo regulatório nacional.
A Coreia do Sul tem uma base nacional de dados de saúde de cobertura quase universal, usada em pesquisa há mais de uma década. Singapura construiu uma infraestrutura de dados de pesquisa integrada entre instituições públicas.
Em todos esses casos, a decisão de tratar o dado de saúde como infraestrutura nacional foi tomada, e o resto veio depois.
SM: E existe algo no sentido contrário? Em quais aspectos o Brasil possui vantagens que poderiam colocá-lo como fornecedor de dados, evidências ou tecnologia para o mercado internacional?
Angelo Orru Neto: Em três coisas. A primeira é a população: diversa, grande e com sistema universal, o que gera uma representatividade que as bases asiáticas e americanas não têm.
A segunda é a maturidade regulatória, que surpreende quem olha de fora. Ter um guia oficial de dados de mundo real, uma lei de proteção de dados equivalente à europeia e uma lei de pesquisa clínica com prazos coloca o Brasil à frente de muitos mercados emergentes.
A terceira é a capacidade de lidar com dado desestruturado. Como o prontuário brasileiro é majoritariamente narrativo, as empresas brasileiras aprenderam a extrair informação de texto livre em português, com todas as suas variações, e essa é uma competência exportável.
O Brasil pode ser fornecedor de evidência, e não apenas de pacientes. A diferença entre as duas coisas é a rastreabilidade do dado, e é nisso que precisamos investir.
SM: O Brasil está preparado para usar dados do mundo real com mais peso nas decisões sobre novos medicamentos e tecnologias?
Angelo Orru Neto: Preparado do ponto de vista regulatório, sim: a Anvisa já aceita evidência de mundo real em pedidos de registro e de extensão de indicação, dentro de critérios definidos, e a Conitec avalia dados de vida real em decisões de incorporação. O que falta não é permissão, é prática.
Ainda são poucos os dossiês brasileiros que trazem RWE robusto, e isso acontece porque a evidência precisa existir antes de ser pedida.
Faltam três coisas. Bases de dados nacionais com governança clara em que indústria e regulador confiem. Metodologia padronizada, para que dois estudos sobre a mesma doença produzam resultados comparáveis. E um ciclo de reavaliação: usar dado de vida real não só para incorporar uma tecnologia, mas para verificar, dois anos depois, se ela entregou o que prometia.
É nesse último ponto que a Ásia está mais adiante, e é o que mais muda a relação entre sistema de saúde e indústria.
SM: Em meio à corrida mundial pela IA em saúde, quais aplicações já estão maduras e quais ainda estão sendo superestimadas?
Angelo Orru Neto: Maduras: leitura e estruturação de texto clínico, apoio à decisão em imagem em contextos específicos, automação de tarefas administrativas, identificação de pacientes para pesquisa. São aplicações em que o erro é detectável e o ganho é imediato.
Superestimadas: a IA que substitui o julgamento clínico e a IA que promete prever tudo com base em dados que ninguém validou. O risco não é hipotético, já está acontecendo. Hospitais compram modelos treinados em populações que não são a deles, sem base de dados própria para verificar se funcionam. Governos anunciam iniciativas de IA antes de resolver a integração básica de sistemas.
A ordem correta é dado, depois infraestrutura, depois inteligência. Quem inverte essa ordem compra uma solução que parece funcionar até o dia em que precisa.
SM: Nos próximos cinco anos, qual mudança provocada pela combinação de IA, dados de mundo real e biotecnologia deverá chegar de maneira mais perceptível ao paciente?
Angelo Orru Neto: A mudança mais perceptível será a de acesso. O paciente com uma doença grave ou rara vai ser encontrado, e não vai depender de ter sorte de estar no hospital certo, na cidade certa, quando um estudo abrir.
O tempo entre o diagnóstico e a oferta de um tratamento inovador, seja em pesquisa ou já incorporado, vai cair, e vai cair mais para quem hoje está mais longe do sistema.
O que o Brasil precisa fazer agora cabe em uma frase: tratar o dado de saúde como infraestrutura pública, com governança, e não como subproduto de cada atendimento. Isso significa padrões de interoperabilidade obrigatórios, incentivo para que instituições públicas e privadas compartilhem dado com segurança e regras claras para que empresas brasileiras possam construir em cima dessa base.
O mundo está decidindo agora onde vai gerar a evidência da próxima década. O Brasil tem tudo para estar nessa lista, menos a decisão de estar.
