Do chatbot ao sistema clínico: a evolução silenciosa da IA médica

Por Ricardo Scarpari

A IA generativa já faz parte da rotina de saúde de milhões de pessoas — e isso é apenas o começo. No início de 2026, estima-se que cerca de 40 milhões de americanos usem o ChatGPT para orientação relacionada à saúde, dentro de um universo de mais de 200 milhões de usuários semanais que fazem perguntas sobre bem-estar, sintomas e tratamentos. Estudos mostram que 21,5% dos usuários já adotaram a ferramenta como fonte de informação em saúde (Online Health Information), e um em cada seis adultos nos EUA consulta chatbots de IA mensalmente para temas médicos.

Muitos recorrem à IA para entender sintomas iniciais, explorar alternativas terapêuticas ou decidir se uma consulta presencial é necessária. Ao mesmo tempo, a maioria mantém uma postura cautelosa, validando respostas com profissionais de saúde — um sinal de que utilidade e ceticismo caminham juntos.

Esse equilíbrio explica por que a saúde vem se tornando o verdadeiro teste de maturidade dos grandes modelos de linguagem. Não por ser o domínio mais glamouroso da IA, mas porque é onde o erro custa caro e a ambiguidade é a regra. Sintomas são mal descritos, o contexto costuma ser incompleto, o histórico fragmentado e quase sempre existem múltiplas hipóteses plausíveis. O avanço que estamos vendo não é simplesmente um chatbot “respondendo melhor”, mas a transição da IA de respostas superficiais para interpretação clínica assistida — com capacidade de ler exames, reconciliar histórico médico, considerar comorbidades e lidar com incerteza de forma mais responsável.

Por isso, a adoção tende a seguir um caminho previsível. A IA sai primeiro da tela em tarefas onde o risco é menor e o retorno é alto, como logística, fluxos de atendimento e triagem. Só depois começa a se aproximar de tarefas clínicas mais sensíveis. Esse avanço depende menos de “treinar mais dados” e muito mais de entender onde o modelo falha. Nos bastidores, a evolução em saúde acontece quando especialistas transformam conhecimento clínico em feedback estruturado — não em opinião solta. Isso envolve mapear tipos de erro, diferenciar o que é apenas incompleto do que é potencialmente perigoso, criar casos adversariais, calibrar rubricas e construir conjuntos de avaliação que permitam reduzir alucinações, excesso de confiança e recomendações inseguras. O objetivo final é simples de formular e difícil de executar: melhorar a orientação sem aumentar o risco.

Outro fator decisivo é a regionalização. Saúde não é universal. Protocolos variam por país, medicamentos disponíveis mudam, a epidemiologia é diferente e até a forma como as pessoas descrevem sintomas depende da cultura. O futuro aponta para modelos que deixam de operar como um “clínico genérico global” e passam a incorporar contexto local de forma robusta — algo que só é possível com feedback humano qualificado e avaliação contínua baseada em casos reais daquele recorte.

Além disso, a IA caminha rapidamente para a longitudinalidade. A pergunta isolada perde espaço para sistemas que acompanham o paciente ao longo do tempo, integrando histórico clínico, exames anteriores, sinais, comportamento e eventos de saúde. O que chama atenção não é apenas a direção dessa evolução, mas a velocidade com que ela está acontecendo. Em apenas um mês — janeiro de 2026 — uma sequência de movimentos deixou claro que a saúde deixou de ser um experimento para se tornar prioridade estratégica das grandes empresas de IA.

A OpenAI lançou o ChatGPT for Healthcare, formalizando sua entrada na área, e, em paralelo, adquiriu a Torch, uma startup de saúde com apenas um ano de existência e um time de quatro pessoas, por cerca de US$ 100 milhões, sinalizando o valor atribuído à integração longitudinal de dados clínicos. Na mesma janela, a Anthropic anunciou iniciativas próprias para healthcare, incluindo a conexão de registros médicos e resultados laboratoriais aos seus modelos. Também em janeiro, a Google lançou novos produtos voltados à saúde e, segundo informações de mercado, trabalha em soluções ainda mais robustas, com modelos já capazes de interpretar resultados laboratoriais e iniciar integrações com plataformas de medicina.

Em conjunto, esses movimentos mostram um ponto de inflexão claro: a saúde passou a ser tratada como uma vertical central, com investimentos, produtos e estratégias pensadas tanto para o consumidor final quanto para hospitais e sistemas de saúde.

*Ricardo Scarpari é cofundador da Vetto AI.