A semana em IA aplicada à saúde ofereceu, quase por acaso, um bom teste para separar fundamento de hype: os mesmos dias trouxeram evidência de alta qualidade a favor da IA e evidência dura contra o excesso de expectativa. A linha que os separa, ao menos nesta leitura editorial, não é ideológica, e sim o desenho do estudo. Onde a IA executa uma tarefa estreita e bem definida, com validação em ensaio clínico randomizado, o ganho aparece real e mensurável. Onde se pede autonomia sobre julgamento clínico complexo, a mesma semana mostra saídas inseguras e a necessidade persistente de supervisão humana. É uma hipótese de trabalho, não uma lei: o valor da IA parece escalar com a estreiteza da tarefa e o rigor da evidência, e minguar com a autonomia e a generalização.

Sinais da semana

IA em endoscopia digestiva alta entrega ganho real de detecção, em 11 ensaios randomizados

Contexto. Uma meta-análise de 11 ensaios clínicos randomizados (57.512 participantes), publicada em 10 de fevereiro na Gastrointestinal Endoscopy, mostrou que a endoscopia assistida por IA elevou a taxa de detecção de neoplasias por paciente (RR 1,57) e por lesão (RR 1,55), com benefício mais pronunciado em lesões pequenas, de até 10 mm (RR 2,24) (DOI: 10.1016/j.gie.2026.02.005).

Implicação. É o tipo de evidência que valida uma aplicação: tarefa estreita, endpoint objetivo, escala grande, desenho randomizado. Onde a IA tem esse perfil, os resultados sustentam eficácia para aumentar a detecção. Vale a ressalva: os ensaios mediram detecção, não redução de mortalidade nem custo-efetividade, e não há decisão de reembolso associada. O próximo teste, apontado pelos próprios autores, é o efeito em diferentes níveis de experiência do endoscopista, que define se o ganho é substituição de expertise ou apenas rede de segurança.

LLMs geram planos de anestesia sobre casos sintéticos, e a fronteira da segurança aparece

Contexto. Um estudo comparativo com 100 casos sintéticos, publicado em 5 de fevereiro na Anaesthesia, Critical Care & Pain Medicine, avaliou três LLMs na geração de planos anestésicos pré-operatórios segundo diretrizes francesas. Não houve aplicação em pacientes reais nem medição de eventos clínicos. O ChatGPT teve a maior conformidade, enquanto o Mistral apresentou significativamente mais recomendações inseguras ou potencialmente inseguras, e todos os modelos pioraram nos casos de maior complexidade (ASA mais alto). A conclusão é que a confiabilidade é insuficiente para pacientes de alto risco sem ajuste fino e controles de segurança (DOI: 10.1016/j.accpm.2026.101769).

Implicação. Aqui está o outro lado da linha: quando se pede raciocínio clínico autônomo em contexto de risco, ainda que sobre casos sintéticos, a promessa não se confirma. O sinal para quem investe ou implanta é claro: o valor de LLM em saúde tende a estar em suporte à decisão com humano no circuito, não em substituição de julgamento.

LLM de código aberto em radiologia: compreensão comparável, erro como contrapartida

Contexto. Um estudo publicado em 12 de fevereiro na European Radiology comparou modelos de peso fechado (GPT-4o) e de peso aberto executados internamente (Llama-3-70B, Mixtral) para simplificar laudos de radiologia. Não foi uma implantação clínica: o trabalho usou 60 laudos fictícios em alemão, gerou 180 textos e avaliou legibilidade e compreensão. Os modelos abertos atingiram compreensão comparável à do modelo fechado, mas com mais erros com potencial de dano ao paciente, 10% das saídas do Mixtral e 8,3% do Llama-3-70B, contra nenhuma saída do GPT-4o nessa amostra (DOI: 10.1007/s00330-026-12329-6).

Implicação. Para a operação hospitalar, o achado é prático: rodar peso aberto localmente permite manter o processamento sob controle institucional, mas transfere o ônus para a governança do erro. O estudo não comparou custos nem mediu risco de privacidade; a decisão não é "IA sim ou não", e sim qual trade-off entre controle do dado, esforço de governança e taxa de erro cada instituição aceita, uma escolha de arquitetura, não de marketing.

IA em imagem de pulmão: desempenho depende do contexto e a validação externa segue como gargalo

Contexto. Uma revisão sistemática publicada em 12 de fevereiro no BMC Medical Imaging comparou modelos de TC, PET/TC e multimodais em câncer de pulmão: o desempenho é dependente de contexto (TC domina no rastreio; a fusão PET/TC se destaca em estadiamento e prognóstico), e padronização e validação externa rigorosa permanecem críticas para generalização (DOI: 10.1186/s12880-026-02222-5).

Implicação. O recado para o mercado é sobriedade: métricas altas num centro não se transferem automaticamente para outro. Ativos de IA diagnóstica sem validação externa multicêntrica carregam um risco de generalização que costuma ser subestimado na tese de investimento.

Em foco

O contraste mais instrutivo da semana é ler a meta-análise de endoscopia ao lado do estudo de planos de anestesia. Não porque um "prove" que a IA funciona e o outro que não, e sim porque, juntos, sugerem uma regra prática, que apresentamos como interpretação editorial, não como lei demonstrada. A endoscopia assistida é o caso-modelo de fundamento: a tarefa é estreita (detectar uma lesão numa imagem em tempo real), o desfecho é objetivo e verificável, e a evidência vem de 57 mil pacientes em ensaios randomizados. Nesse formato, a IA não substitui o médico, amplia a sensibilidade dele, e o ganho em lesões pequenas, historicamente as mais perdidas, é justamente onde a máquina complementa a atenção humana.

O efeito de segunda ordem é sobre onde o valor econômico realmente está. A IA que se paga é a que se encaixa num fluxo clínico existente, mede um resultado que o pagador reconhece e opera sob supervisão. A IA que decepciona é a que promete autonomia sobre julgamento, exatamente o território onde o estudo de anestesia, ainda que sobre casos sintéticos, mostrou saídas inseguras. Para o setor, isso reorganiza a régua de diligência: a pergunta deixa de ser "o modelo é impressionante?" e passa a ser "a tarefa é estreita, o desfecho é objetivo, a evidência é randomizada e há validação externa?".

Quem tende a ganhar são as empresas de IA clínica com evidência de nível de ensaio em aplicações delimitadas e trilha de reembolso. Quem perde, ou ao menos deveria ser reprecificado, é a narrativa de "IA generalista que substitui o clínico", que a evidência desta semana não sustenta. O que observar adiante: os ensaios que estratificam o benefício por experiência do operador e por instituição, porque é neles que se descobre se a IA entrega valor no mundo real ou apenas no slide.

Fechamento

A leitura da semana é que, em IA para saúde, o discriminador entre fundamento e hype ficou mais observável e citável: desenho de estudo, estreiteza de tarefa e validação externa. Para quem acompanha o setor, o filtro prático é esse: desconfiar de desempenho sem ensaio, de autonomia sem supervisão e de métrica sem validação multicêntrica. Seguiremos separando, semana a semana, o dado que sustenta uma tese do ruído que só sustenta uma rodada de captação.