O The Conversation Brasil publica regularmente artigos em parceria com a revista FCW Cultura Científica, da Fundação Conrado Wessel, instituição dedicada à valorização da ciência e da cultura brasileiras. Na última edição da revista, dedicada aos impactos da Inteligência Artificial na produção do conhecimento, o médico e professor Manoel Barral-Netto, pesquisador titular da Fiocruz Bahia, discute como grandes bases de dados e IA estão transformando a pesquisa em saúde. Para ele, uso dessa tecnologia torna ainda mais importante distinguir as evidências realmente confiáveis em um ambiente cada vez mais inundado por informações.
Nunca tivemos tanta capacidade de produzir informação em saúde. Todos os dias, consultas, exames, internações, vacinação e o uso de medicamentos geram milhões de registros. Com os recursos da inteligência artificial, pela primeira vez conseguimos reunir essas informações, acompanhar a trajetória das pessoas ao longo do tempo e responder a perguntas com base em dezenas de milhares de casos, algo que antes seria praticamente impossível. A IA acelera esse processo, mas não muda o principal desafio da pesquisa: transformar dados em evidências confiáveis capazes de orientar decisões.
Estamos falando de informações que revelam doenças, hábitos, características genéticas e outros aspectos que afetam diretamente a vida das pessoas. São, portanto, dados sensíveis. Em alguns casos, como os dados genômicos, eles deixam de dizer respeito apenas ao indivíduo e envolvem também sua família. Uma pessoa pode decidir compartilhar seu material genético para uma pesquisa, mas essa decisão pode produzir consequências para irmãos, filhos e outros parentes. É um dilema ético que não admite respostas simples.
Mesmo com todas essas questões, não faz sentido resistir à inteligência artificial. Precisamos aprender a utilizá-la com responsabilidade. A tecnologia amplia nossa capacidade de analisar informações, mas não elimina a necessidade de construir relações de confiança entre pesquisadores e sociedade. Sem circulação de dados, perdemos a oportunidade de produzir conhecimentos capazes de beneficiar milhões de pessoas. Por outro lado, proteção insuficiente coloca em risco direitos individuais. O desafio está justamente em encontrar esse equilíbrio.
Essa discussão aparece até em situações muito comuns do cotidiano. Muitas pessoas têm receio de autorizar o uso de seus dados em uma pesquisa científica, mas informam o CPF sem hesitar para comprar um medicamento na farmácia. No fim das contas, a farmácia frequentemente sabe mais sobre o que consumimos do que o próprio médico, que nem sempre dispõe desse histórico acumulado. Essa contradição mostra que a questão não depende apenas da tecnologia ou da legislação. Depende também da confiança que existe entre quem fornece os dados e quem vai utilizá-los para produzir conhecimento.
Benefícios coletivos
Os países enfrentam essa questão de maneiras diferentes. A Finlândia, por exemplo, adotou um modelo que permite o uso de dados de saúde para pesquisa sob regras rigorosas de segurança e governança. Esse modelo foi construído ao longo do tempo e se apoia na confiança da população em seu sistema público de saúde. O Brasil adotou uma posição intermediária. A Lei Geral de Proteção de Dados (LGPD) permite o uso dessas informações para pesquisa e saúde pública, desde que observadas condições rigorosas de segurança. Não impede esse uso, mas também não o libera automaticamente.
Essa discussão deixa de ser abstrata quando pensamos nas perguntas que a ciência precisa responder. Como saber se uma vacina realmente protege determinados grupos da população? Como identificar reações adversas raras a um medicamento? Como descobrir que uma doença continua produzindo consequências muitos anos depois do tratamento? Perguntas desse tipo só podem ser respondidas quando acompanhamos a trajetória das pessoas ao longo do tempo.
Foi justamente dessa percepção que nasceu o Centro de Integração de Dados e Conhecimentos para a Saúde (Cidacs), concebido pelo epidemiologista Maurício Barreto. A ideia partiu de uma constatação simples: poucos países dispõem de um patrimônio de informações em saúde comparável ao produzido pelo Sistema Único de Saúde. Além de representar um benefício extraordinário para a assistência à população, o SUS constitui uma das mais importantes infraestruturas de pesquisa em saúde do país.
Ainda existe quem desconfie da qualidade dos dados brasileiros. A experiência mostra, porém, que esse preconceito não resiste ao trabalho com grandes bases de dados. Quando se dispõe de milhões de registros, é possível identificar inconsistências, excluir informações inadequadas e avaliar o impacto dessas exclusões sem comprometer a robustez das análises. O que faz diferença não é a perfeição de cada registro individual, mas a qualidade dos métodos utilizados para produzir evidências confiáveis.
Julgamento científico é fundamental
A inteligência artificial também abre novas possibilidades para a pesquisa e para a assistência à saúde. Em áreas como a análise de imagens médicas, por exemplo, algoritmos já conseguem identificar padrões com grande precisão. Isso não significa substituir médicos ou pesquisadores. Significa oferecer uma ferramenta capaz de ampliar sua capacidade de trabalho, permitindo que dediquem mais tempo às situações que exigem experiência, interpretação e tomada de decisão.
O mesmo vale para a organização dos serviços de saúde. Algoritmos podem contribuir para priorizar pacientes em filas de atendimento com base em critérios clínicos objetivos ou identificar alterações no comportamento de determinadas doenças antes que elas se tornem evidentes. São aplicações que ajudam a utilizar melhor as informações disponíveis e a responder mais rapidamente aos problemas.
Na pesquisa científica, uma das maiores contribuições da IA talvez seja outra. Nunca produzimos tantos estudos quanto agora. Fiz recentemente uma busca na base PubMed utilizando apenas a palavra diabetes em artigos publicados em 2025. O resultado foi de quase 60 artigos por dia. Nenhum pesquisador consegue acompanhar sozinho esse volume de informação. Todos fazemos escolhas sobre o que ler e quais evidências considerar.
Ferramentas de IA podem organizar essa produção científica em poucos minutos, localizar trabalhos relevantes e identificar conexões que dificilmente seriam percebidas em uma leitura convencional. Mas isso não elimina a necessidade de avaliar criticamente os resultados. Continuará sendo responsabilidade dos pesquisadores examinar a qualidade das evidências, interpretar os achados e situá-los no contexto do conhecimento já existente.
Um episódio recente ilustra bem esse desafio. Uma pesquisadora europeia produziu artigos inteiramente fictícios com auxílio de IA, criando autores, instituições e resultados inexistentes. Alguns desses trabalhos chegaram a circular em repositórios de pré-publicação e passaram a ser citados por outros pesquisadores. O problema não estava apenas na tecnologia utilizada para produzir os textos, mas na ausência de leitura crítica de quem os utilizou como referência. A IA pode acelerar o acesso à informação, mas não substitui o julgamento científico.
Essa mesma combinação entre grandes volumes de dados, métodos estatísticos e IA está por trás do ÆSOP (Sistema de Alerta Precoce para Surtos com Potencial Epi-Pandêmico). O sistema utiliza informações que já fazem parte da rotina do SUS para identificar mudanças no comportamento das doenças antes que elas sejam percebidas pelos mecanismos tradicionais de vigilância.
Cinco modelos estatísticos e de inteligência artificial analisam simultaneamente essas informações e produzem um único sinal de alerta. Um pequeno aumento nos atendimentos por síndrome respiratória, por exemplo, pode não significar nada quando observado isoladamente. Mas, se ocorre fora da época habitual ou em uma faixa etária inesperada, merece investigação. O objetivo não é afirmar que existe um surto, mas indicar que há uma mudança de padrão que precisa ser compreendida.
Em saúde pública, ganhar tempo faz diferença. Antecipar em duas ou três semanas a identificação de um surto pode permitir que medidas de controle sejam adotadas mais cedo, reduzindo seu impacto. Na vigilância epidemiológica, tempo é um recurso tão importante quanto informação.
Outro resultado interessante surgiu quando incorporamos dados sobre a venda de medicamentos isentos de prescrição. Observamos que essas vendas costumam aumentar antes da procura pelos serviços de saúde. É um comportamento conhecido: diante dos primeiros sintomas, muitas pessoas procuram primeiro a farmácia e somente depois recorrem ao atendimento médico. Estamos estudando incorporar também informações sobre a venda de repelentes, que poderão contribuir para identificar precocemente surtos de arboviroses.
Toda essa capacidade de produzir conhecimento convive, porém, com outro desafio: a desinformação. Parte dela decorre de interpretações equivocadas ou do uso de estudos desatualizados. Outra parte é produzida deliberadamente para lançar dúvidas sobre conhecimentos científicos consolidados. Esse fenômeno afeta temas como vacinação, mudanças climáticas e saúde pública.
Soma-se a isso a proliferação de revistas predatórias, que conferem aparência de legitimidade a estudos metodologicamente frágeis. Para a população — e, muitas vezes, até para pesquisadores — tornou-se cada vez mais difícil distinguir trabalhos produzidos com rigor científico de publicações que apenas reproduzem a aparência da ciência.
A inteligência artificial continuará ampliando nossa capacidade de produzir conhecimento. Mas a qualidade desse conhecimento continuará dependendo da capacidade de formular boas perguntas, construir estudos consistentes, interpretar criticamente os resultados e transformar informação em evidências confiáveis. É esse processo que permite que os dados produzidos todos os dias se convertam em decisões capazes de melhorar a saúde das pessoas.
Manoel Barral-Netto é presidente da Academia de Ciências da Bahia (ACB)
