IA na Saúde Pública: SUS, ANVISA e os Limites Éticos da Inteligência Artificial no Brasil

O Cenário Real: A IA Já Está Dentro do SUS

Em janeiro de 2026, o Ministério da Saúde anunciou a criação da Rede Nacional de Hospitais e Serviços Inteligentes do SUS, um programa que leva inteligência artificial, conectividade avançada e medicina de precisão para dentro da rede pública, com R$ 1,7 bilhão em recursos viabilizados em parceria com países do BRICS. A primeira fase prevê 14 UTIs inteligentes em 13 estados, com um dos principais polos no Hospital das Clínicas da USP, em São Paulo — cerca de 800 leitos voltados à emergência, com capacidade para atender mais de 20 mil pacientes por ano.

Segundo o ministro da Saúde, Alexandre Padilha, a tecnologia pode tornar a triagem até cinco vezes mais rápida. Isso não é uma meta distante: hospitais públicos brasileiros já usam algoritmos para analisar milhares de exames de imagem — tomografias, radiografias, ressonâncias — em uma velocidade impossível para uma equipe humana, organizando a fila de laudos para colocar os casos mais críticos no topo. Um paciente com sinais iniciais de AVC ou um nódulo pulmonar suspeito pode ter o exame priorizado pelo algoritmo em questão de minutos, não de dias.

O programa também abriu diálogo com fabricantes globais de tecnologia médica — como a chinesa Neusoft, que anunciou investimento em uma fábrica de equipamentos de imagem em Santa Catarina, e a Mindray, uma das maiores fabricantes de equipamentos hospitalares do mundo — para acelerar a digitalização da rede pública brasileira. O objetivo declarado pelo governo não é substituir profissionais, mas dar suporte tecnológico para decisões clínicas mais rápidas e seguras, especialmente fora dos grandes centros urbanos, onde a escassez de especialistas é mais aguda.

Onde a IA Já Atua na Prática Dentro do Sistema Público

Reunindo o que já está em operação ou em fase avançada de piloto em unidades do SUS, quatro frentes concentram praticamente todo o uso real da tecnologia hoje:

O padrão comum entre essas quatro frentes é que nenhuma delas substitui a decisão médica final — todas funcionam como um multiplicador de capacidade em um sistema que atende uma população continental com um número de especialistas historicamente insuficiente para a demanda, sobretudo fora das capitais.

O Arcabouço Regulatório: Quem Regula o Quê na IA da Saúde Brasileira

Diferente da IA no trabalho ou na educação, a saúde já tinha, antes da própria explosão da IA generativa, um sistema regulatório robusto e específico — o que muda o jogo em relação a outras áreas ainda regulamentadas "por analogia". Três instituições dividem essa responsabilidade, cada uma com um recorte diferente.

ANVISA: o software médico como dispositivo

Desde 2022, a Resolução RDC 657/2022 da ANVISA criou um regime regulatório específico para SaMD (Software as a Medical Device) — qualquer software com finalidade diagnóstica, terapêutica ou de apoio à decisão clínica precisa passar por notificação ou registro, dependendo da classe de risco (I a IV, seguindo a matriz internacional do IMDRF, harmonizada com FDA e a regulação europeia). Um sistema de IA que analisa uma tomografia e sinaliza um possível tumor se enquadra diretamente nessa regra — e precisa demonstrar segurança, desempenho e evidência clínica antes de chegar a um hospital do SUS.

CFM: quem assina e quem responde pela decisão

O que faltava até o início de 2026 era um texto específico sobre o uso clínico da própria IA dentro do consultório e do hospital — a ANVISA regula o produto, mas não dizia quem assina o laudo final. A Resolução CFM 2.454/2026 preencheu essa lacuna: define que a responsabilidade pela decisão clínica é sempre do médico, mesmo quando ele usa apoio de IA, estabelece o que precisa ser documentado no prontuário sobre o uso da ferramenta e como o paciente deve ser informado de que um sistema de IA participou do seu diagnóstico ou tratamento.

LGPD: dado de saúde é dado sensível

A Lei Geral de Proteção de Dados classifica dado de saúde como dado pessoal sensível (art. 5º, II), com regras de tratamento mais restritivas do que dados comuns — exige, entre outros pontos, base legal específica (art. 11) e reforça o direito à revisão de decisões automatizadas (art. 20) quando um sistema de IA participa de uma decisão que afeta o paciente, como priorização de atendimento ou triagem.

Confirmado vs. Ainda Não Confirmado: Separando Política Pública de Expectativa

Poucas áreas misturam tanto anúncio governamental, piloto isolado e promessa de longo prazo quanto a saúde digital. Antes de decidir o que esperar da IA no seu posto de saúde, vale separar o que já é regra e investimento em andamento do que ainda é meta ou debate.

Confirmado

• A Rede Nacional de Hospitais e Serviços Inteligentes do SUS existe e está em execução, com R$ 1,7 bilhão em recursos, 14 UTIs inteligentes na primeira fase e o Hospital das Clínicas da USP como um dos polos principais.
• A ANVISA já regula software médico com IA desde 2022, via RDC 657/2022, com classificação de risco em quatro níveis e exigência de evidência clínica proporcional ao risco do sistema.
• O CFM já definiu, pela Resolução 2.454/2026, que a responsabilidade clínica é sempre do médico, mesmo com apoio de IA, e que o uso da ferramenta precisa ser documentado e comunicado ao paciente.
• A LGPD já protege dado de saúde como dado sensível, com direito à revisão humana de decisões automatizadas que afetem o paciente — isso já vale hoje, em qualquer unidade que use IA. Detalhamos esse direito, com exemplos práticos, no nosso guia sobre LGPD e IA.

Ainda não confirmado

• Quando a rede de hospitais inteligentes será expandida além da primeira fase — o cronograma de escala nacional, para além dos 14 polos iniciais em 13 estados, ainda não tem data pública definida.
• Como o PL 2338/2023 (Marco Legal da IA) vai tratar especificamente a saúde na prática — o projeto já classifica sistemas usados em "avaliação de critérios para serviços públicos" como potencial alto risco, mas a redação final sobre saúde, incluindo prazos de avaliação de impacto algorítmico, ainda depende da votação na Câmara. Acompanhamos a tramitação completa no guia sobre a Lei de IA do Brasil.
• Se e quando a RNDS terá cobertura verdadeiramente nacional e uniforme — a integração de dados entre municípios pequenos e grandes centros continua desigual, o que limita o alcance real de qualquer IA que dependa de histórico clínico completo.
• O impacto de médio prazo sobre filas de espera em nível nacional — os ganhos de velocidade relatados (como a triagem "5x mais rápida") vêm de unidades específicas da rede-piloto; ainda não há dado nacional consolidado que meça esse efeito em todo o SUS.

Os Desafios Únicos do Sistema Público Brasileiro

A IA na saúde enfrenta, em qualquer país, desafios técnicos e éticos parecidos. Mas a escala e a desigualdade do Brasil criam obstáculos que um país menor ou mais homogêneo simplesmente não tem.

Escala continental com infraestrutura desigual

O SUS atende, em algum grau, mais de 200 milhões de pessoas em um território do tamanho de um continente. Um algoritmo treinado majoritariamente com dados de hospitais de grandes centros urbanos — onde a maior parte dos dados digitalizados de fato existe — corre o risco de performar pior em populações do Norte e Nordeste, regiões historicamente sub-representadas nas bases de dados médicos brasileiras. Isso não é hipotético: é o mesmo padrão de viés geográfico já documentado em outros países com forte desigualdade regional.

Viés racial em um país que já mede desigualdade em saúde por raça

O Brasil tem décadas de dados do próprio Ministério da Saúde mostrando disparidades raciais em mortalidade materna, expectativa de vida e acesso a diagnóstico precoce entre pacientes negros e brancos. Um algoritmo treinado com dados históricos do próprio sistema de saúde corre o risco de aprender — e reproduzir em escala — esse mesmo padrão de desigualdade, mesmo sem qualquer instrução explícita nesse sentido. É exatamente o tipo de cenário que a Avaliação de Impacto Algorítmico, prevista no PL 2338 para sistemas de alto risco, foi desenhada para capturar antes que o sistema entre em operação.

Fragmentação de dados entre municípios, estados e o governo federal

A RNDS (Rede Nacional de Dados em Saúde) e o aplicativo Meu SUS Digital avançaram na interoperabilidade, mas o Brasil ainda não tem um prontuário eletrônico verdadeiramente unificado entre os mais de 5.500 municípios. Isso significa que um sistema de IA que precise de histórico clínico completo de um paciente pode simplesmente não ter acesso a esse histórico se ele foi atendido em municípios diferentes ao longo da vida — uma limitação estrutural que nenhum algoritmo, por mais sofisticado, resolve sozinho.

Conectividade como pré-requisito para telessaúde

Monitoramento remoto e telessaúde — uma das frentes mais promissoras para levar IA a regiões sem especialistas — depende de conectividade estável, algo ainda desigual em áreas rurais, ribeirinhas e indígenas. A tecnologia que promete reduzir a distância entre paciente e especialista esbarra, primeiro, em uma distância mais básica: a de acesso à internet de qualidade.

Brasil vs. Outros Países: Como a Regulação de IA na Saúde Se Compara

O Brasil não constrói essa regulação isolado do resto do mundo. Comparar o desenho brasileiro com outros sistemas ajuda a entender se o país está alinhado, atrasado ou, em alguns pontos, à frente.

O padrão que emerge é parecido com o observado em outras áreas da regulação de IA no Brasil: a base regulatória sanitária (ANVISA e CFM) já está mais madura e específica do que a regulação geral de IA (ainda em tramitação via PL 2338), o que coloca o Brasil em posição relativamente avançada especificamente no eixo de dispositivos médicos — mesmo com desafios estruturais de implementação que a União Europeia e os EUA, por terem sistemas de saúde menos desiguais internamente, não enfrentam na mesma escala.

Erros Comuns Sobre IA na Saúde Pública

Entre gestores públicos, profissionais de saúde e o público em geral, alguns mal-entendidos se repetem com frequência quando o assunto é IA no SUS:

• Achar que "IA aprovada pela ANVISA" significa "IA infalível": a aprovação regulatória atesta segurança e desempenho mínimos dentro de critérios testados — não elimina a necessidade de revisão médica, nem garante desempenho igual em todos os perfis de paciente.
• Confundir piloto regional com política nacional: um hospital com IA de ponta em São Paulo não significa que a mesma tecnologia está disponível em uma UBS do interior do Amazonas — a desigualdade de acesso à própria tecnologia é, ela mesma, uma questão ética central.
• Ignorar o direito à explicação: pacientes (e profissionais de saúde) frequentemente não sabem que podem, pela LGPD, pedir explicação sobre como uma decisão automatizada de triagem ou priorização foi tomada.
• Tratar viés algorítmico como um problema "técnico" isolado da desigualdade social: um algoritmo enviesado em saúde geralmente está refletindo desigualdade que já existia nos dados — corrigir o código sem entender a origem social do viés tende a mascarar o problema, não resolvê-lo.
• Superestimar o quanto a IA resolve escassez de médicos: a tecnologia multiplica a capacidade de análise, mas não substitui a necessidade estrutural de mais profissionais de saúde em regiões desassistidas.

Além do Possível: Para Onde a IA na Saúde Pública Pode Ir

Saindo do que já é política pública confirmada, vale explorar — com os pés no chão sobre o que é tecnicamente plausível — cenários que ainda não são realidade no SUS, mas que aparecem com frequência em debates sobre o futuro da saúde digital brasileira.

Diagnóstico remoto por IA em comunidades ribeirinhas e indígenas via satélite: tecnicamente plausível, já que conectividade por satélite de baixa órbita está em expansão global, mas depende de investimento em infraestrutura que ainda não faz parte do cronograma público confirmado da Rede Nacional de Hospitais Inteligentes.

Previsão de surtos epidemiológicos em tempo real cruzando dados do SUS com dados ambientais: tecnicamente possível e já explorado em pesquisa acadêmica brasileira (como estudos ligados a dengue e vetores climáticos), mas sem um sistema nacional de vigilância preditiva plenamente operacional integrado à rede pública até o momento.

Prontuário eletrônico nacional totalmente unificado, com IA analisando o histórico completo de qualquer paciente em qualquer unidade do país: é o cenário mais distante da lista. Depende de resolver primeiro o problema estrutural de interoperabilidade entre mais de 5.500 municípios — um desafio de gestão de dados, não apenas de algoritmo.

O Que Fazer Agora, Na Prática

Independentemente do ritmo de expansão da Rede Nacional de Hospitais Inteligentes e da votação final do PL 2338, há ações concretas que fazem sentido hoje para quem usa ou trabalha no sistema público de saúde brasileiro.

Se você é paciente do SUS

Você tem o direito de perguntar, formalmente, se um sistema de IA participou da sua triagem, diagnóstico ou priorização de atendimento — e de pedir explicação sobre os critérios usados, com base no art. 20 da LGPD. Se notar diferenças de tratamento que pareçam sistemáticas por região, raça ou perfil socioeconômico, é possível registrar isso junto à ouvidoria do SUS local e à ANPD.

Se você é profissional de saúde

Documente o uso de qualquer ferramenta de IA no prontuário do paciente, conforme exige a Resolução CFM 2.454/2026 — isso protege tanto você quanto o paciente. Mantenha ceticismo clínico ativo: um sistema de apoio à decisão é isso mesmo, apoio, não veredito final, e casos que "fogem do padrão" do algoritmo merecem atenção redobrada, não menos. Se você está se formando ou se atualizando na área, o nosso guia IA para Enfermagem traz técnicas de estudo com IA aplicadas ao contexto clínico.

Se você é gestor público ou de hospital

Antes de adotar qualquer sistema de IA clínica, confirme a regularização junto à ANVISA como SaMD e exija evidência de desempenho em populações comparáveis à sua — não apenas em estudos genéricos internacionais. Priorize investimento em interoperabilidade de dados (RNDS) antes de investir apenas em algoritmos: um modelo excelente sem dados históricos completos do paciente tem capacidade limitada, por melhor que seja seu desempenho técnico isolado.