Em 2023, um modelo de IA da Google detectou retinopatia diabética em exames de fundo de olho com uma precisão acima da média de oftalmologistas especializados. O modelo foi treinado em mais de 100 mil imagens e validado em múltiplos países. O resultado? Está sendo usado ativamente em triagem em países de baixa renda onde não há oftalmologistas suficientes.

Isso não é ficção científica. Não é prova de conceito. É operação real, salvando visão de pessoas reais agora.

E enquanto isso acontece, conheço clínicas no Brasil inteiro que ainda dependem de planilhas para controle de estoque de medicamentos.

O problema não é técnico

A tecnologia para transformar a saúde existe. Diagnóstico assistido por imagem, análise de prontuários para identificar riscos, personalização de protocolos com base em dados genômicos e de estilo de vida, monitoramento remoto de crônicos — tudo isso funciona, com estudos publicados e evidências sólidas.

O gargalo é outro. É cultural. É regulatório. É de formação profissional. E, em grande parte, é de medo — medo de responsabilidade legal, medo de errar diferente, medo de se tornar irrelevante.

Nenhum médico vai ser substituído por IA. Mas médicos que não sabem trabalhar com IA serão substituídos por médicos que sabem.

Essa frase não é minha — ouvi de um radiologista nos EUA. Mas é a frase mais honesta sobre o momento que vivemos na saúde.

Onde a IA já está funcionando no Brasil

Longe da retórica, vou ser concreto. Existem aplicações que já estão operando com resultados mensuráveis:

Análise de imagens radiológicas: Startups brasileiras como a Nuveo e a Rad AI estão sendo adotadas em hospitais para triagem de achados críticos — pneumotórax, nódulos suspeitos, fraturas em pronto-socorro. O modelo não diagnostica. Ele prioriza: mostra para o radiologista os exames mais urgentes primeiro.

Gestão de risco em crônicos: Plataformas de saúde populacional usam algoritmos para identificar pacientes diabéticos ou hipertensos com maior probabilidade de hospitalização nos próximos 90 dias. Com isso, a equipe de saúde pode agir preventivamente em vez de reativamente.

Assistente de prescrição: Sistemas que cruzam a prescrição médica com o histórico do paciente, outras medicações em uso e protocolos de interação medicamentosa. Não substituem o médico. Reduzem erros de medicação que matam mais de 7 mil brasileiros por ano.

Por que os profissionais resistem

Tenho conversas com médicos, nutricionistas e gestores de saúde regularmente. A resistência tem três formas:

A primeira é epistemológica: "Não confio no que não entendo." O modelo de IA é uma caixa preta. O profissional não sabe por que ele deu aquela saída. Isso é desconforto legítimo — e a resposta não é eliminar o modelo, é exigir explicabilidade. Existem modelos interpretáveis. É questão de escolher os certos e cobrar dos fornecedores.

A segunda é legal: "Se der errado, quem é responsável?" Essa é a questão mais complexa e que os conselhos de classe ainda estão debatendo. Mas o argumento não sustenta a inação: a falta de IA também causa danos. Diagnósticos atrasados, protocolos desatualizados, erros de medicação que sistemas automatizados preveniriam.

A terceira é identitária: "Medicina é arte, relação humana, intuição clínica." Concordo completamente — e nada disso muda. A IA não vai sentar com o paciente, entender seu contexto familiar, perceber o que ele não está verbalizando. Ela vai processar dados que o humano não consegue processar em velocidade adequada. As funções são complementares.

O que eu faço com isso na N1Class

Na N1Class, integramos IA em três pontos do fluxo: na análise de dados de saúde dos usuários para personalização de protocolos, na identificação de padrões que podem indicar risco de saída da plataforma (churn preventivo tem muito a ensinar à saúde), e na geração de insights para os profissionais que usam a plataforma.

Não substituímos o especialista. Damos ao especialista informação que ele não conseguiria compilar manualmente. O resultado é decisão melhor com menos tempo dedicado a tarefas mecânicas.

O que você pode fazer agora

Se você trabalha em saúde: escolha uma ferramenta de IA na sua especialidade, use por 30 dias com intenção de aprender. Não para julgar se "a IA está certa". Para entender como ela raciocina e onde você pode adicionar julgamento clínico ao que ela não consegue captar.

Se você gere uma clínica ou hospital: mapeie os três processos com maior volume de tarefa repetitiva e maior probabilidade de erro humano. Esses são os candidatos naturais para automação inteligente. Comece pequeno. Meça. Escale o que funciona.

A IA na saúde não é uma questão de "se". É uma questão de "quando" — e o quando, para quem ainda está esperando, já passou.