O papel dos dados na medicina moderna
A medicina contemporânea não se baseia apenas em exames, consultas e cirurgias. Ela é cada vez mais impulsionada por dados. Prontuários eletrônicos, exames de imagem, testes genéticos, dispositivos vestíveis e registros populacionais formam a base para diagnósticos precoces, tratamentos personalizados e políticas públicas eficientes. O dado deixou de ser um subproduto do cuidado para se tornar parte essencial dele.
Esse cenário abriu uma oportunidade inédita. Com grandes volumes de informação, algoritmos de inteligência artificial identificam padrões invisíveis ao olho humano, antecipam riscos e apoiam decisões clínicas com precisão crescente. Ao mesmo tempo, nunca foi tão necessário discutir quem controla esses dados, como circulam e até onde podem ser usados.
A sensibilidade dos dados de saúde
Dados de saúde são altamente sensíveis. Carregam informações íntimas sobre o corpo, a mente e o futuro das pessoas. Um uso inadequado pode levar à discriminação, estigmatização ou exploração comercial indevida. O mesmo dado que salva vidas pode, se mal governado, gerar danos irreversíveis à confiança da sociedade na ciência e na inovação.
Os resultados recentes do ENAMED expuseram fragilidades na formação médica brasileira, com efeitos que vão além do campo educacional. Em um sistema de saúde dependente de dados e algoritmos, a confiança institucional é infraestrutura crítica.
LGPD e o equilíbrio entre proteção e inovação
No Brasil, a Lei Geral de Proteção de Dados (LGPD) classifica dados de saúde como sensíveis, exigindo cuidados com finalidade, segurança, transparência e base legal. A lógica é clara: inovação não pode ser construída à custa da autonomia do paciente. Na prática, surge uma tensão: a pesquisa científica e o treinamento de IA dependem de grandes volumes de dados, enquanto consentimentos genéricos fragilizam a confiança.
Paradoxalmente, regras excessivamente rígidas podem inviabilizar pesquisas legítimas, atrasar descobertas e aprofundar desigualdades. O desafio é construir marcos regulatórios inteligentes, que protejam o indivíduo sem paralisar a ciência.
O caso das imagens médicas
Esse dilema se intensifica no campo das imagens médicas. Retinografias, tomografias e lâminas histopatológicas são representações potencialmente identificáveis. Uma vez usadas para treinar modelos de IA, podem ser reutilizadas inúmeras vezes, levantando a questão: é possível rastrear onde um dado foi usado e retirá-lo do sistema?
Na Europa, o GDPR garante ao cidadão o direito de retirar o consentimento a qualquer tempo, inclusive para usos secundários. Na prática, isso impõe desafios técnicos e institucionais. Nem sempre é possível “apagar” um dado já incorporado a modelos complexos, mas o princípio obriga sistemas a adotarem governança e rastreabilidade desde a concepção.
Experiência prática e o futuro centrado no humano
No Bascom Palmer Eye Institute, da Universidade de Miami, trabalhamos com 66 milhões de prontuários e mais de 300 mil imagens oftalmológicas. Modelos machine-to-machine que predizem a espessura da camada de fibras nervosas da retina a partir de retinografias estão revolucionando o diagnóstico de glaucoma, democratizando o rastreio.
A lição é clara: inteligência artificial e big data já moldam a medicina do presente e definirão o futuro. Mas sistemas de saúde verdadeiramente modernos não são apenas data-driven; são human-centered. O futuro dos dados em saúde será guiado por algoritmos, mas sustentado pela ética, governança e confiança das pessoas.
