Em 1963, Michel Foucault (1926-1984) publicou a obra “Naissance de la clinique: une archéologie du regard médical” (O Nascimento da Clínica: uma arqueologia do olhar médico). O livro veio logo depois da edição de “História da Loucura” (1961) e antes de “As Palavras e as Coisas” (1966), que o catapultou para um dos maiores fenômenos intelectuais da França. Ainda é um Foucault anterior, mas já está ali o método que depois ficaria famoso: não perguntar apenas “o que a medicina descobriu?”, mas “que tipo de olhar, linguagem, instituição e saber precisaram nascer para que certas coisas passassem a ser vistas como doença?”.

Sua ideia central é que a medicina moderna não nasceu simplesmente porque os médicos ficaram mais inteligentes, ou porque surgiram melhores instrumentos. Ela nasceu quando se “reorganizou o modo de ver o corpo doente”. O hospital, a anatomia patológica, a observação sistemática, o ensino clínico e a correlação entre sintoma, lesão e morte criaram aquilo que Foucault chamou de “olhar médico” (le regard médical). Não é apenas o olho físico do médico, é um “regime de visibilidade”. Uma estrutura cultural, institucional e epistemológica que decide o que deve ser visto, nomeado, comparado, classificado e convertido em linguagem clínica.

Em “Naissance de la clinique”, Foucault está olhando sobretudo para a passagem entre o fim do século XVIII e o início do XIX, quando a medicina hospitalar francesa passou por uma notável transformação. O livro teve recepção restrita, mas, ao longo do tempo, sacudiu a prática médica.

Talvez hoje a Inteligência Artificial esteja inaugurando uma nova torção histórica. Não exatamente um olhar médico inovador ou raro, mas um “segundo campo de suspeita”, externo ao cérebro clínico, capaz de convocar hipóteses que ainda não entraram na sala. Uma nova “camada de entendimento”, que, sessenta anos depois, permite que máquinas artificiais intelectivas não apenas calculem diagnósticos, mas também induzam o médico a transcender sua própria camada cognitiva biológica.

O estudo “Performance of a large language model on the reasoning tasks of a physician”, publicado pela Science em 30 de abril último, oferece pistas dessa transformação. Ele revela “qual será a mudança tecnológica que vai remodelar a medicina”, como explicou o jornal “The Guardian”. Explicou mais: “o estudo descobriu que a IA supera médicos humanos na triagem de emergência sob alta pressão, diagnosticando com mais precisão nos momentos potencialmente vitais, exatamente quando as pessoas chegam ao hospital”.

No estudo, pesquisadores da Harvard Medical School e do Beth Israel Deaconess Medical Center realizaram seis experimentos colocando o modelo de IA ‘o1 preview’, da OpenAI, contra centenas de médicos em todo o vasto âmbito do raciocínio clínico: diagnóstico diferencial, planejamento de manejo, raciocínio probabilístico e documentação clínica. Depois fizeram algo que a maioria dos estudos não faz: testaram tudo em 76 casos reais e não-estruturados de prontuários de emergência (extraídos diretamente de um grande centro médico de Boston). Além disso, o estudo usou diferentes conjuntos de casos, como vinhetas clínicas clássicas (usadas em treinamento médico) e 143 casos complexos publicados pelo New England Journal of Medicine. Em todos os seis experimentos, a IA superou os médicos. Foucault, considerado um homem que transformava conceitos em tensão, diria: “reciclem as causas!”

O estudo da Science vai mais longe, mostrando que, nos casos reais de pronto-socorro, em que a complicação clínica é mais desafiante, a IA identificou o diagnóstico correto ou muito próximo em 67,1% dos casos de triagem inicial; 72,4% na avaliação médica e 81,6% na internação hospitalar (os dois médicos assistentes que acompanharam o estudo obtiveram 55,3% e 50,0% na triagem, 61,8% e 52,6% na avaliação do pronto-socorro e 78,9% e 69,7% na admissão). No raciocínio gerencial (que utilizou guidelines clínicos avaliados por especialistas), a IA obteve uma mediana de 89%. Médicos com recursos convencionais obtiveram 34%. O mais interessante foi uma espécie de “cegueira” dos médicos avaliadores: não conseguiram distinguir os diferenciais gerados por IA e os de humanos (um deles acertou 15% das vezes, e o outro 3%).

Como explicou Kathryn Hulick, no editorial da própria Science News: “O ponto mais interessante é que a IA não aparece apenas como ‘respondedora de perguntas médicas’. Ela aparece como uma espécie de amplificador da suspeita clínica. No exemplo citado pelo estudo, um paciente imunossuprimido, transplantado, chegou com sintomas respiratórios aparentemente comuns, mas acabou tendo uma infecção necrosante grave. Segundo os autores, o modelo suspeitou dessa possibilidade 12 a 24 horas antes de ela se tornar clara para o médico humano. O achado não significa que a ‘IA diagnóstica é melhor que o médico’. Essa é a manchete fácil. O valor real é outro: a IA pode reduzir o ponto cego diagnóstico. Ela pode lembrar ao médico aquilo que não entrou no radar, especialmente em casos raros, atípicos ou mascarados por sintomas comuns.”

Em outras palavras, o estudo flerta com a ideia de que a IA não substitui o médico no diagnóstico, mas já começa a disputar com ele o momento anterior ao diagnóstico: “o instante em que uma hipótese nasce ou morre”. Vale lembrar que o erro médico muitas vezes começa antes da decisão: começa, por exemplo, na hipótese que nunca foi pensada. É exatamente nesse ponto que a IA pode estar entrando na Atenção Primária. Segundo o estudo, em todos os seis experimentos, o LLM igualou ou superou o desempenho humano, especialmente nos momentos iniciais da emergência, quando há pouca informação, muito ruído e alta incerteza. O modelo também mostrou capacidade de trabalhar com dados não-estruturados do prontuário, justamente uma das zonas mais críticas da medicina real.

Sempre é preciso ter cautela nas conclusões: o estudo é sobre raciocínio clínico baseado em texto, não sobre prática médica integral. Ele não mede exame físico, comunicação com o paciente e a família, sinais visuais, tom de voz, deterioração à beira-leito, responsabilidade legal, coordenação de equipe, decisão sob pressão real ou acompanhamento do desfecho. Todavia, nessa direção, vale salientar a IA de propósito médico apresentada pela Google DeepMind em abril, denominada “Co-clinician”.

Embora ainda em caráter experimental, o sistema já mostra claramente o papel da multimodalidade na saúde (medical computer vision). O Co-clinician não é um chatbot-médico comum, mas um “sistema multimodal desenhado para atuar como um membro colaborativo da equipe médica”. Diria que é bem mais do que isso: trata-se de um sistema de Triagem Multimodal Contínua, em tempo real, propício ao uso remoto. Quando disponibilizado ao mercado, será um elemento imperativo para sistemas públicos e privados de saúde.  

Com uma câmera, o sistema é capaz de conversar com o paciente e observar respiração, pele, expressão facial, postura, movimentos físicos, amplitude articular, padrão de fala e, a partir disso, sustentar uma triagem clínica preliminar. A câmera começa a funcionar como ‘superfície semiológica’ e o microfone deixa de ser apenas canal de áudio, passando a captar ‘sinais sintomatológicos’. Esse modelo agêntico fará todo o trabalho de coleta, triagem e processamento visual, entregando ao médico um contexto amplo para a tomada de decisão.

Não importa qual seja a marca provedora do modelo de IA; todos eles caminharão na mesma direção. O grande (e assustador) diferencial é que as mesmas informações e vínculos diagnósticos que o sistema apresenta ao médico podem ser apresentados também ao paciente, com todas as sugestões e conclusões que o Co-clinician assinala. Essa ação bicomunicacional inaugura o fim da assimetria clínico-informacional, em que o profissional de saúde tem acesso a todos os dados e o paciente a quase nenhum. Na comunicação do Co-clinician, a DeepMind explica que foram realizados 20 cenários ambulatoriais padronizados, em 120 consultas simuladas, com a participação de médicos atuando como pacientes-atores, além de uma comparação com médicos da atenção primária (no item de triagem, a IA atingiu escore de 91,67%, empatando com os médicos avaliados no estudo).

Nos próximos meses, dúzias de plataformas semelhantes chegarão ao mercado, com diferentes graus de sofisticação. Na Inteligência Artificial em Saúde, sai de cena o chatbot-médico e entra a ‘cognição artificial multimodal’, uma plataforma de Teleconsulta com olhos, ouvidos e voz. Ela organiza a queixa, observa sinais, orienta pequenos testes físicos e ajuda a compor a triagem (acompanhe no vídeo). Obviamente, a DeepMind tem como alvo a telemedicina, porque é ali que a câmera e o microfone já são a própria infraestrutura de consulta. Mas não há nada que prenda o modelo à residência do paciente. A mesma IA que observa respiração, pele, marcha, voz e movimento numa videochamada pode, amanhã, ocupar uma cabine de triagem num ambulatório, ou num quiosque hospitalar ou numa sala de pré-consulta. O alvo maior é ser a porta de entrada das cadeias clínico-assistenciais.

A mudança, no entanto, talvez não seja apenas tecnológica, mas também comportamental. O paciente pode aprender, aos poucos, que a primeira escuta médica não precisa mais ser humana. Ele poderá testar sua dor, sua tosse, sua mancha, sua ansiedade, sua febre baixa ou sua tontura primeiro diante de uma IA. E, quando isso se tornar hábito, o médico da atenção primária deixará de ser a primeira porta simbólica do cuidado. Isso não elimina o médico, mas gera um paciente mais autônomo, ou menos mediado pelas cadeias de saúde, com tudo o que isso pode ter de bom ou de ruim.

Foucault constataria que estamos juntando ao “olhar clínico humano” o “olhar algorítmico automatizado”, que pode gerenciar populações muito maiores e diversas. Ele não ficaria neutro com relação a isso: a IA seria uma espécie de “governamento algorítmico”, em que populações inteiras poderiam ser tuteladas de forma silenciosa, eficiente e higienizada (“O corpo é uma realidade biopolítica e a medicina é sua estratégia política”). Mas não é improvável que ele desconfiasse frontalmente desse enorme poder algorítmico.

No primary care, a mudança com a entrada das IAs Médicas Multimodais, como o Co-clinician e vários outros sistemas, é explosiva. É sabido que grande parte da demanda clínico-populacional começa como dúvida, desconforto leve, sintoma ambíguo, ansiedade corporal, acompanhamento de rotina, renovação de cuidado, orientação, vigilância, e por aí vai. É exatamente nessa dimensão que os modelos de IA Multimodal devem ocupar um lugar: antes da doença grave, antes do especialista e antes do hospital. Ou seja, antes de contar ao médico, o paciente contará à máquina, como acontece hoje com os serviços bancários: ninguém mais acessa o Banco, acessa a máquina digital do banco (cada vez mais inteligente). Antes de se expor a uma consulta presencial (difícil, cara, distante), ele testa sua queixa numa interface.

Isso muda a hierarquia simbólica da medicina. O médico deixa de ser necessariamente o primeiro intérprete do sofrimento e passa a ser, em muitos casos, a segunda instância; aquele que recebe uma queixa já filtrada, organizada e classificada pela IA. Para Sistemas de Saúde, comoo SUS, esse comportamento pode ser uma insurreição estratégica ou um alívio sistêmico. Tudo dependerá da visão de quem “comanda o parquinho”. A realidade opera com lógica própria, indiferente às aspirações dos governantes, ou da sua prontidão, ou mesmo de suas interpretações da realidade. Se, nos próximos dois anos, o médico não estiver pedindo uma segunda opinião à IA, poderá estar flertando com a negligência médica.

De certa forma, não há nada de muito original na conduta do paciente de se socorrer antes de chegar ao médico. O paciente-século XXI já usa e abusa de sistemas digitais, terceirizando a primeira interpretação de si. Ele consulta Google, smartwatch, aplicativo de sono, oxímetro, anel inteligente, escala de humor, exame laboratorial online, fórum, YouTube, etc. Nada, porém, com níveis de cognição artificial como os das IAs Multimodais: em vez de o paciente procurar fragmentos dispersos, ele passa a conversar com uma entidade que olha, escuta, pergunta, testa e devolve uma primeira interpretação clínica para aquilo que ele sente. E pode escolher fazer isso 24×7, de qualquer local, sozinho ou acompanhado.

O bom e iminente seria que todo esse processo fosse acompanhado diretamente pelo médico, ainda que à distância. Mas, dificilmente, o paciente vai esperar por essa tutoria, por essa infraestrutura, como quer a DeepMind. A dor tem pressa. O desconforto e a ‘desigualdade de acesso ao sistema’ geram um risco imprevisível, mas, talvez, tolerável para aquele que está sendo maltratado pelo mal-estar.

O programa federal “Mais Médicos” tem boas intenções e resultados muito relevantes. A “versão 2026” oferece 1.524 vagas médicas na Atenção Primária. Se o objetivo é aumentar o acesso da população, seria importante o SUS experimentar o programa “Mais IA no Pronto-Atendimento”. Talvez não seja necessário buscar mão de obra clínica fora do país, mas talvez seja indispensável fazer cálculos: atendendo 12 pacientes por dia, a “versão 2026” pode gerar cerca de 4 milhões de atendimentos anuais. A mesma quantidade de pontos de Triagem Artificial Multimodal, funcionando 24×7, poderia ultrapassar 50 milhões de interações preliminares ao ano (triagem). O SUS precisa aprender a ser uma máquina de cognição artificial, um trator de inovação multimodal, uma usina de antecipação clínica. Precisa também parar de acreditar que o século XX ainda não terminou.

Guilherme S. Hummel
Head Mentor – EMI (eHealth Mentor Institute)