Recentemente, ganhou força no debate público uma prática cada vez mais comum nos Estados Unidos: seguradoras privadas de saúde utilizando algoritmos de inteligência artificial (IA) para decidir, em etapas intermediárias, se aprovarão ou negarão tratamentos médicos, procedimentos ou autorizações prévias (prior authorization). O mais recente é que o Medicare — programa público que atende idosos — pretende adotar algo semelhante, expandindo o uso dessa tecnologia.
A seguir, uma análise crítica dos potenciais benefícios e perigos dessa tendência, bem como reflexões sobre como isso pode se aplicar ou repercutir em contextos como o Brasil.
Potenciais benefícios
- Eficiência e redução de custos administrativos
Um dos grandes atrativos da IA nesse contexto é automatizar processos burocráticos: verificar se determinado procedimento está coberto, se há dados suficientes, cruzar protocolos médicos, etc. Isso pode reduzir atrasos, retrabalho e reduzir custos operacionais para seguradoras e demais agentes do sistema de saúde. - Padronização de decisões
Se bem desenhada, a IA pode aplicar critérios clínicos e protocolos de forma mais uniforme, diminuindo variação excessiva entre decisões de diferentes médicos ou unidades de hospitais, o que pode trazer mais previsibilidade para pacientes e médicos. - Escalabilidade
Em sistemas com muitos pacientes ou muitos pedidos de autorização prévia, humanos sozinhos podem se sobrecarregar. Ferramentas automatizadas podem ajudar a processar muitos casos, reservando o atendimento humano para os casos mais complexos ou duvidosos.
Riscos, problemas e críticas
- Tendência a priorizar corte de custos sobre cuidado clínico
Um aspecto crítico é que essas ferramentas de IA estão inseridas em organizações que têm forte incentivo financeiro para negar ou restringir autorizações — porque isso preserva o “lucro” ou reduz gastos. Há relatos de aumentos nas taxas de negativas após adoção de IA. - Falta de transparência e accountability
Muitas vezes os critérios usados pelos algoritmos não são públicos, ou são difíceis de entender. Pacientes e médicos podem não saber por que algo foi negado — se foi por falta de evidência, protocolo clínico, documentação insuficiente ou viés algorítmico. - Viés e risco de discriminação
Dados usados para treinar algoritmos podem refletir desigualdades históricas: por exemplo, populações que tiveram menos acesso ou cujos casos foram subestimados. Isso pode fazer com que a IA perpetue ou mesmo agrave desigualdades em saúde. - Decisões automatizadas e erros de saúde
Em situações médicas, atrasos ou negativas indevidas podem causar dano: agravamento de doença, atraso no diagnóstico, sofrimento desnecessário. Dependendo da gravidade do caso, um erro pode ter consequências sérias ou irreversíveis. - Supervisão humana necessária, mas nem sempre garantida
Algumas legislações ou programas exigem que uma decisão humana revise os casos negados automaticamente ou os casos críticos. Mas isso pode nem sempre ocorrer, ou ocorrer de forma superficial. A depender da estrutura do sistema, pode haver muitos “filtros” automatizados com revisão humana limitada ou tardia.
Reflexões para aplicação no Brasil
- Contexto regulatório e ético: O Brasil precisará definir regras claras sobre quando e como a IA pode ser usada em decisões de cuidado de saúde (por exemplo, autorizações, reembolsos, regulação de planos privados, SUS), exigindo transparência, revisões humanas e responsabilização em caso de dano.
- Proteção do paciente: Garantir que haja direito de recurso ou apelação quando uma decisão de IA negar atendimento ou tratamento, assim como uma justificativa compreensível.
- Inclusão e justiça: Os algoritmos devem ser avaliados para reduzir viés de raça, gênero, classe social, localização geográfica, condições socioeconômicas. Em muitos países, há desigualdades grandes no acesso à saúde; a IA pode corrigir ou agravar isso.
- Benefício clínico versus eficiência econômica: Sempre pesar o mérito clínico do tratamento e o bem-estar do paciente — não apenas a economia de custos. Em saúde, nem tudo pode ser mensurado em eficiência; existe valor intrínseco e ético no cuidado que salva ou melhora vidas.
- Infraestrutura e digitalização adequada: Para que a IA funcione bem, são necessários dados de qualidade, interoperabilidade, prontuários eletrônicos, boa documentação, capacitação de profissionais. Muitos desses pontos ainda são desafios no Brasil.
Conclusão
A adoção de IA para aprovar ou negar cuidados médicos é uma faca de dois gumes. Pode trazer ganhos reais de eficiência e padronização, mas os incentivos econômicos, se não regulados, podem distorcer o propósito principal da medicina: cuidar do paciente. Se o sistema prioriza contenção de custos a ponto de comprometer a saúde ou o acesso ao tratamento, a IA passa de ferramenta de apoio a barreira sanitária.
Para que seja ética e benéfica, a IA deve operar com transparência, supervisão humana, regulação clara e forte proteção aos direitos dos pacientes. Se essas salvaguardas não forem implementadas, corre-se o risco de transformar tecnologia numa forma automatizada de negar cuidados, em vez de melhorar o sistema.
Leia também:
Este post foi modificado pela última vez em 26 de setembro de 2025 15:14