Os Dados que Você Não Pode Revogar: Privacidade Genômica, Viés de Algoritmo e a Medicina de Dois Níveis

No post anterior, discutimos os desafios que envolvem diretamente o paciente: privacidade genômica, viés algorítmico e equidade de acesso. Hoje, vamos enfrentar as perguntas que todo médico está fazendo em 2026 — e que muitos ainda têm medo de vocalizar.

Quando o algoritmo erra, a culpa é de quem?
A IA vai substituir o anestesiologista?
Como eu, médico formado há 30 anos, me encaixo nesse novo mundo?

Não são perguntas teóricas. São questões que já estão sendo decididas nos tribunais, nos conselhos de medicina e nas salas de aula das faculdades. E a resposta, como você verá, é mais sutil do que os alarmistas ou os negacionistas gostariam.

Esta é a pergunta jurídica mais quente da medicina em 2026 — e ainda sem resposta definitiva.

Cenário 1: O sistema de predição de hipotensão não alerta, o paciente hipotende, evolui com lesão renal aguda. O médico seguia o protocolo padrão, mas o algoritmo falhou. A responsabilidade é do médico, do fabricante do software ou do hospital que comprou o sistema?

Cenário 2: O sistema de IA sugere um diagnóstico que o médico considera improvável e decide não seguir. O diagnóstico do algoritmo estava correto e o paciente evolui mal. O médico será responsabilizado por não ter seguido a recomendação da máquina?

Cenário 3: O médico segue a recomendação da IA, o resultado é adverso, e descobre-se que o algoritmo tinha um viés não documentado para aquela população específica. Quem responde?

Onde estamos em 2026:

• No Brasil, o Conselho Federal de Medicina ainda não tem resolução específica sobre responsabilidade médica no uso de IA. A resolução CFM 2.336/2024, que trata de telemedicina, não aborda diretamente a responsabilidade por decisões assistidas por algoritmos.

• Nos EUA, a FDA já aprovou mais de 1.000 algoritmos de IA para uso clínico, mas a jurisprudência sobre responsabilidade ainda está se formando. O entendimento atual inclina-se para que o médico mantenha a responsabilidade final — mesmo quando a decisão é influenciada pelo algoritmo.

• Na Europa, o AI Act (2024) estabeleceu uma classificação de risco para sistemas de IA em saúde, mas a transposição para o direito médico nacional de cada país ainda está em andamento.

O perigo invisível: a automação complacente. Estudos de fator humano mostram que, quando um profissional confia cegamente em um sistema automatizado, sua própria vigilância diminui. É o fenômeno conhecido como automation bias — e ele é tão real na medicina quanto na aviação.

Exemplo concreto: Um estudo de 2025 analisou 200 episódios de hipotensão intraoperatória em hospitais que usavam sistemas de alerta preditivo. Em 17% dos casos, o alerta foi emitido com mais de 10 minutos de antecedência, mas a equipe não agiu porque “o sistema não parecia confiável” — mesmo quando o alerta estava correto. Por outro lado, em 12% dos casos, a equipe seguiu a sugestão do algoritmo mesmo quando ela contrariava sinais clínicos óbvios, porque “a IA geralmente acerta”.

Minha visão: O médico continuará — e deve continuar — sendo o responsável final pela decisão clínica. Isso não é negociável. Mas essa responsabilidade exige que o médico:

• Entenda as limitações da ferramenta que está usando (nenhum algoritmo é 100% preciso)

• Documente seu raciocínio quando discordar da recomendação da IA

• Conheça os vieses potenciais daquela ferramenta para aquela população

• Mantenha seu julgamento clínico ativo e crítico — nunca delegue decisões complexas a uma caixa-preta

O que pode dar errado: O maior risco não é o algoritmo errar sozinho — é o médico que confia cegamente no sistema, reduz sua própria vigilância e deixa de notar um erro óbvio. É também o médico que desconfia tanto do sistema que ignora alertas legítimos e perde a janela de intervenção. Em ambos os casos, a responsabilidade é nossa.

Esta é a pergunta que mais ouço nos corredores dos congressos e na discussão diária do café. E a resposta, em 2026, está mais clara do que nunca.

O que a IA já faz melhor que o médico:

• Detectar padrões em imagens (RX, TC, RM, ultrassom) com acurácia comparável ou superior à humana em tarefas específicas

• Processar grandes volumes de dados laboratoriais e identificar correlações não óbvias que escapariam a qualquer clínico

• Prever deterioração clínica com horas de antecedência, baseada em microvariações que o olho humano não detecta

• Calcular riscos individualizados com base em dezenas de variáveis simultâneas

• Monitorar continuamente sem fadiga, sem viés de turno, sem variação de atenção

O que a IA ainda não faz — e talvez nunca faça — bem:

• Integrar contexto social, emocional e familiar na decisão clínica. A IA não sabe que aquele paciente mora sozinho, que perdeu a esposa há três meses ou que tem medo de hospital.

• Comunicar más notícias com empatia. A IA pode gerar o texto perfeito, mas não senta ao lado da cama, não segura a mão, não chora junto.

• Pesar valores conflitantes quando não há uma resposta certa — apenas trade-offs.

• Assumir responsabilidade por uma decisão. A IA não pode ser processada, não perde o registro, não tem seu nome publicado no CRM.

• Perceber quando o modelo está fora da realidade daquele paciente específico.

A verdade incômoda:

O médico que não incorporar ferramentas de IA na sua prática será menos eficiente e provavelmente terá piores desfechos do que aquele que as utiliza bem. Ignorar a tecnologia não é proteção — é negligência com o próprio paciente.

Se a prática está mudando, a formação precisa mudar primeiro. E, em 2026, já vemos movimentos concretos:

Na graduação:

• Faculdades de medicina começam a incluir alfabetização em IA no currículo: interpretar outputs de algoritmos, entender vieses, avaliar validação local.

• Disciplinas de bioética digital estão sendo incorporadas — discutindo privacidade de dados, consentimento informado para uso de IA, limites da automação.

• Habilidades de comunicação avançada ganham ainda mais relevância: se a máquina faz o diagnóstico, o médico precisa ser ainda melhor em explicar, acolher e decidir com o paciente.

Na residência médica:

• Programas estão incorporando rotações em saúde digital e tomada de decisão assistida por tecnologia.

• O residente de anestesiologia em 2026 já precisa entender os princípios de um sistema de closed-loop, interpretar um alerta preditivo e saber quando confiar — e quando desconfiar — da recomendação de um algoritmo.

• Simulação com IA está se tornando ferramenta de ensino: cenários que se adaptam em tempo real às decisões do residente.

Na educação continuada:

• Este é o maior desafio. O médico formado há 20 ou 30 anos — que nunca ouviu falar de machine learning durante a faculdade — precisa de atualização. E as sociedades de especialidade têm um papel central nisso.

• Cursos de extensão, módulos em congressos, treinamentos práticos em serviço — tudo isso precisa ser oferecido em escala.

• Não é justo culpar o médico que não domina IA se nunca lhe foi dada a oportunidade de aprender. A responsabilidade é compartilhada entre indivíduos, instituições e sociedades.

• Estimular o uso de IA para gerar conteúdo e otimizar conhecimento já é prioridade. Eu te ajudo aqui no Blog do Anestesiador!

Consideração importante: A requalificação não precisa ser um curso de ciência da computação. O que o médico precisa saber é:

1. O que o algoritmo faz (em linhas gerais)

2. Onde ele foi validado (e onde não foi)

3. Como interpretar seu output no contexto do paciente

4. Quando questionar sua recomendação

5. Como documentar sua decisão

Isso se aprende em um curso de 8 a 16 horas, não em uma segunda faculdade.

O Brasil deu passos importantes, mas ainda está atrasado na regulação da IA em saúde. Em 2026, precisamos avançar em:

Resolução específica do CFM sobre IA. A RESOLUÇÃO CFM N° 2.454, DE 11 DE FEVEREIRO DE 2026 trata de telemedicina, mas não aborda a responsabilidade médica no uso de algoritmos de decisão clínica. Precisamos de uma norma que:

• Defina claramente que a responsabilidade final é do médico — mas também estabeleça responsabilidades compartilhadas com desenvolvedores e instituições

• Exija que sistemas de IA usados no Brasil tenham validação em população brasileira

• Estabeleça critérios mínimos de transparência algorítmica (o médico precisa saber como o sistema chegou àquela recomendação)

• Crie diretrizes para consentimento informado quando IA for usada no processo decisório

Regulamentação da privacidade genômica. A LGPD é um avanço, mas precisamos de uma lei específica que:

• Proíba explicitamente a discriminação genética por seguradoras e empregadores

• Estabeleça penalidades claras para vazamento de dados genômicos

• Regule o uso secundário de dados genéticos para pesquisa e comercialização

Políticas de acesso equitativo. A CONITEC (Comissão Nacional de Incorporação de Tecnologias no SUS) precisa começar a avaliar não apenas o custo-efetividade de novas tecnologias, mas também seu impacto na equidade do sistema.

A Medicina 5.0 não é o fim do médico. É a reinvenção da profissão.

O anestesiologista que entende de hemodinâmica, farmacologia e via aérea sempre será indispensável. Mas, em 2026, ele precisa também entender o básico de como um algoritmo preditivo funciona, quando confiar em um sistema de closed-loop e como documentar uma decisão que contrariou a recomendação da IA.

Não é justo pedir que o médico seja tudo ao mesmo tempo. Mas é necessário que ele esteja aberto a aprender — porque a tecnologia não vai esperar.

O futuro não está escrito nos algoritmos. Está nas decisões que tomamos sobre como usá-los.

E você? Já passou por alguma situação em que um algoritmo deu uma recomendação claramente errada? Ou, ao contrário, já foi salvo por um alerta que você não teria percebido? Já pensou em como seria sua prática sem as ferramentas que surgiram nos últimos dois anos? Deixe seu comentário — essa conversa está longe de terminar.

📚 Referências:

• Artificial Intelligence in Healthcare: Legal and Ethical Frameworks. Nature Medicine, 2025.

• Automation Bias in Clinical Decision Support Systems: A Systematic Review. JAMA Internal Medicine, 2025.

• CFM RESOLUÇÃO CFM N° 2.454, DE 11 DE FEVEREIRO DE 2026

• EU AI Act: Risk Classification for Medical AI Systems. European Commission, 2024.

• AI Literacy in Medical Education: A Curriculum Framework. Academic Medicine, 2025.