Nas eleições gerais de 2026, a inteligência artificial virou presença quase obrigatória nos planos de governo protocolados no Tribunal Superior Eleitoral (TSE). Da esquerda à direita, candidatos à Presidência — de Luiz Inácio Lula da Silva (PT) a Flávio Bolsonaro (PL), passando por nomes como Ronaldo Caiado (União Brasil) e Renan Santos (Missão) — apostam na tecnologia como a chave para modernizar a triagem, redistribuir vagas de consultas e reduzir as históricas filas de espera do Sistema Único de Saúde (SUS).
Especialistas em saúde pública, bioética e ciência da computação, no entanto, apontam que transformar a promessa de palanque em rotina hospitalar enfrenta barreiras estruturais severas: falta de padronização nos dados dos municípios, limites orçamentários e, sobretudo, o perigo de decisões clínicas automatizadas.
O que prometem os candidatos
As menções à tecnologia aparecem em diferentes formatos nos programas registrados para a disputa pelo Palácio do Planalto:
Triagem algorítmica e agendamento: Propostas de oposição, como a de Flávio Bolsonaro, prometem o emprego de algoritmos para agilizar marcação de consultas e exames especializados, combinando ferramentas preditivas para ordenar a prioridade do paciente de acordo com o risco de agravamento da doença.
Prontuário unificado e prevenção: Candidaturas de centro e terceira via defendem a criação de plataformas digitais integradas onde sistemas de aprendizado de máquina (machine learning) analisariam históricos clínicos para antecipar fatores de risco crônicos, como hipertensão e diabetes.
Telemedicina e apoio à atenção primária: A plataforma de reeleição de Lula e planos governistas focam no suporte a equipes do programa Estratégia Saúde da Família (ESF), utilizando ferramentas computacionais para evitar encaminhamentos desnecessários e conectar postos remotos a especialistas de grandes hospitais.
O gargalo básico: dados fragmentados e falta de integração
Apesar da atratividade dos discursos eleitorais, analistas ressaltam que algoritmos dependem fundamentalmente de bases de dados robustas, higienizadas e integradas — realidade que ainda está longe de se concretizar no país.
Desconexão federativa: O SUS realiza cerca de 2,8 bilhões de atendimentos por ano, divididos entre 5.570 municípios, 26 estados e o Distrito Federal. Sistemas municipais de saúde com frequência não conversam com plataformas estaduais ou com a rede do Ministério da Saúde.
Matéria-prima defasada: Especialistas pontuam que o Brasil possui capacidade acadêmica e técnica em machine learning, mas esbarra na carência de registros eletrônicos padronizados. Sem digitalização completa dos prontuários, a ferramenta perde a capacidade de processar históricos médicos com precisão.
O perigo do ‘falso negativo’: logística versus decisão clínica
Pesquisadores estabelecem uma distinção crucial entre usar a tecnologia para organização logística e conceder a máquinas o poder de decisão sobre a vida dos pacientes:
Uso logístico: Identificar vagas ociosas em polos regionais de telemedicina, calcular tempo de deslocamento ou redistribuir fluxos de agendamento são aplicações já viáveis e com baixo risco à integridade física do usuário.
Risco clínico: Delegar a um modelo computacional a prioridade de um leito ou a gravidade de um sintoma traz dilemas severos. Erros de classificação com “falsos positivos” geram desperdício de recursos; já um “falso negativo” — quando o algoritmo subestima a urgência de quem precisa de socorro imediato — pode custar a vida de um paciente na fila.
Complexidade da regulação: Médicos lembram que o SUS já não opera exclusivamente por ordem de chegada. Protocolos consolidados de regulação (como o Protocolo de Manchester em emergências) classificam urgências por critérios médicos objetivos, tornando falaciosa a promessa de que algoritmos resolveriam a demanda sem a ampliação de leitos físicos, médicos e estrutura hospitalar.
Escala e privacidade dos dados da população
Especialistas alertam ainda contra a tentação de importar pacotes prontos de fora sem adaptação à demografia brasileira. Enquanto experiências piloto internacionais foram aplicadas em populações reduzidas — com contingentes menores que os da Região Metropolitana de Belo Horizonte ou de São Paulo —, o SUS exige algoritmos treinados especificamente com a diversidade genética e as peculiaridades socioeconômicas de cada região do Brasil.
Soma-se a isso a exigência de governança e segurança da informação: prontuários médicos reúnem dados pessoais ultrassensíveis protegidos pela Lei Geral de Proteção de Dados (LGPD), demandando servidores públicos auditáveis e blindados para evitar vazamentos e uso predatório de informações de milhões de cidadãos.
Para os gestores, a tecnologia tem potencial inegável para modernizar a saúde pública, mas sua maturação exige tempo, investimentos contínuos em infraestrutura de rede e rigor ético — metas que dificilmente se concluem em um único mandato de quatro anos.
