Candidatos de diferentes espectros políticos propõem o uso de inteligência artificial na gestão do SUS

A adoção de inteligência artificial (IA) na gestão do Sistema Único de Saúde (SUS) tornou-se um ponto de convergência entre diferentes espectros políticos para as eleições de 2026. Candidatos de direita, esquerda e centro incluíram em seus planos de governo a utilização de algoritmos para aprimorar a triagem de pacientes e o auxílio em diagnósticos, buscando substituir o modelo de fila por ordem de chegada por um sistema baseado em risco clínico.

Propostas políticas e modelos de gestão

Entre as promessas, o candidato Luiz Inácio Lula da Silva (PT) defende a criação de uma fila única digital e ordenada pela gravidade do quadro do paciente para aumentar a transparência no acesso a atendimentos especializados. No mesmo sentido, Flávio Bolsonaro (PL) propõe o uso da tecnologia para agilizar o agendamento de exames e consultas, focando na prevenção para evitar que pacientes cheguem ao pronto-socorro em estados graves.

Já Renan Santos (Missão) sugere a implementação de um modelo inspirado no DoctorSV, plataforma de El Salvador. O sistema centro-americano, desenvolvido com tecnologia do Google Cloud, integra laboratórios, farmácias e centros de imagem, permitindo que a IA sugira diagnósticos e organize o fluxo de atendimento.

Viabilidade técnica e gargalos estruturais

Apesar do consenso político, especialistas apontam obstáculos significativos para a implementação dessas medidas em escala nacional. Wagner Meira Jr., pesquisador da UFMG, alerta que a reorganização de filas via algoritmos não resolve a falta de profissionais e serviços. Para o professor, a eficiência do sistema depende primeiramente do aumento da capacidade de atendimento.

Outro entrave é a qualidade e a fragmentação dos dados. Atualmente, o Ministério da Saúde não possui um número consolidado de pessoas aguardando atendimento, pois a gestão é municipal e estadual. Embora uma portaria de 2025 exija o envio de registros para a Rede Nacional de Dados em Saúde (RNDS), a medida ainda está em fase de implementação. O sistema Sisreg, utilizado para agendamentos, não é adotado por todos os municípios, o que limita a base de informações necessária para alimentar uma IA.

Riscos clínicos e éticos

A distinção entre a IA generativa (criadora de conteúdo) e a IA preditiva (que analisa dados reais) é fundamental para a saúde. Alexandre Chiavegatto Filho, professor da USP, argumenta que a tecnologia preditiva pode democratizar o acesso a especialistas em regiões remotas. No entanto, Meira Jr. adverte sobre o risco de "falsos negativos", onde a máquina deixa de identificar um paciente crítico, o que pode levar a óbitos.

Questões de responsabilidade legal também são centrais. A automação de decisões clínicas levanta dúvidas sobre quem seria responsabilizado em caso de erro médico induzido por algoritmo, exigindo a criação de mecanismos de auditoria e rastreabilidade.

Integração e soberania de dados

O cardiologista Antonio Ribeiro, também da UFMG, ressalta que a regulação por risco já existe no SUS, como ocorre nos transplantes. Para ele, o desafio não é o algoritmo, mas a interoperabilidade dos sistemas de informação. Ribeiro defende a aplicação de projetos-piloto específicos, como o uso de IA em eletrocardiogramas para priorizar exames de ecocardiograma, em vez de uma solução generalista.

A referência ao modelo de El Salvador é vista com cautela devido à diferença de escala: enquanto o país centro-americano realiza cerca de 10,5 milhões de atendimentos anuais, o SUS processa 2,8 bilhões. Além disso, há preocupações sobre a soberania de dados, dado que as informações de saúde são extremamente sensíveis e sua gestão por empresas multinacionais privadas poderia expor cidadãos a discriminações ou vazamentos.