Desde o verão de 2026, o quadro regulatório europeu em torno da inteligência artificial médica foi definido com a entrada em vigor do regulamento UE 2026/1744. Este texto adiou para agosto de 2028 as obrigações mais rigorosas para dispositivos médicos que integram IA, enquanto impõe desde já regras de transparência para chatbots e conteúdos gerados.
Esse descompasso entre o que é tecnicamente possível e o que é regulamentarmente viável condiciona o ritmo real das inovações em saúde nos próximos anos.
Ato de IA e dispositivos médicos: um adiamento regulatório que muda o jogo
O regulamento chamado “Digital Omnibus” adiou oficialmente para 2 de agosto de 2028 a aplicação das obrigações de alto risco do Ato de IA para sistemas de IA integrados a dispositivos médicos e diagnósticos in vitro sujeitos ao MDR/IVDR. As soluções de IA de diagnóstico embarcadas (imagem, triagem, auxílio à decisão clínica) têm, portanto, um adiamento de dois anos.
Esse prazo não significa a ausência de restrições. Esses sistemas continuarão automaticamente classificados como IA de alto risco, com exigências rigorosas de governança, documentação técnica e monitoramento pós-comercialização a partir de 2028. Os fabricantes que desenvolvem hoje seus algoritmos devem antecipar essas obrigações sob pena de não conseguirem comercializar seus produtos a tempo.
Desde 2 de agosto de 2026, as obrigações do artigo 50 do Ato de IA já são aplicáveis. Todo assistente conversacional utilizado com pacientes deve indicar claramente que se trata de uma interação com uma IA. As imagens, arquivos de áudio e vídeos sintéticos para uso médico devem ser rotulados como tais.
Essas medidas, publicadas no JO da UE em 24 de julho de 2026, ilustram uma escolha deliberada: proteger os pacientes em termos de transparência antes de regular o desempenho dos algoritmos. Os atores que acompanham essas evoluções regulatórias, como La Santé de Demain, permitem medir a discrepância entre promessas tecnológicas e a realidade do desdobramento.
Inteligência artificial em diagnóstico: agentes clínicos autônomos sob vigilância
A geração de IA que emerge em 2026 não se limita mais a ferramentas de auxílio à leitura de imagens. Os “agentes IA” são capazes de realizar tarefas completas: priorizar sintomas, planejar exames complementares, analisar resultados biológicos e propor uma coordenação de tratamento. Seu funcionamento assemelha-se ao de um copiloto clínico, em vez de um simples filtro algorítmico.
Os relatos de campo divergem nesse ponto. Algumas instituições relatam um ganho de tempo significativo na triagem de urgências, enquanto outras destacam o risco de desengajamento do clínico diante de uma máquina que “decide” em seu lugar. A questão da responsabilidade médica permanece em aberto: quem é responsável quando um agente IA prioriza mal um paciente?
A presidente da Comissão Europeia lembrou em setembro de 2026 que a IA em saúde deve “permanecer europeia” e não substituir os médicos. O Reino Unido publicou suas próprias recomendações para a regulação da IA médica na mesma semana. Essas posições políticas traduzem uma tensão real entre a velocidade de adoção tecnológica e a capacidade dos sistemas de saúde de regulamentar essas ferramentas.
Dados sintéticos e pesquisa clínica: uma aceleração discreta
Entre as inovações menos visíveis, mas mais estruturantes, a geração de dados sintéticos para pesquisa clínica modifica profundamente a forma como os ensaios são concebidos. O princípio consiste em criar conjuntos de dados artificiais que reproduzem as características estatísticas de coortes reais, sem expor dados pessoais de pacientes.
O interesse é triplo:
- Acelerar o treinamento dos algoritmos de IA médica sem depender de bases de dados hospitalares sujeitas ao RGPD e a prazos de acesso longos
- Permitir que startups e PMEs do setor desenvolvam modelos robustos sem ter acesso privilegiado aos dados de grandes centros hospitalares
- Reduzir os vieses relacionados a coortes muito homogêneas, simulando perfis de pacientes sub-representados nas bases existentes
Os dados disponíveis ainda não permitem concluir sobre a confiabilidade a longo prazo desses conjuntos sintéticos em comparação com dados reais. As agências regulatórias ainda não publicaram um quadro específico para validar dispositivos médicos treinados exclusivamente com dados sintéticos. Este é um ponto cego regulatório que pode frear a adoção, apesar do potencial técnico.
Edição gênica e terapias direcionadas: CRISPR entra em uma nova fase
A edição gênica por CRISPR combinada com IA entra em uma fase em que as correções genéticas não visam mais apenas doenças monogênicas raras. Os algoritmos agora permitem identificar alvos terapêuticos em patologias poligênicas, onde vários genes interagem. A medicina de precisão aplicada à oncologia se beneficia diretamente dessa convergência, com abordagens como a biópsia líquida que permitem adaptar um tratamento ao perfil molecular de um tumor em tempo quase real.
Por outro lado, a transição da pesquisa para o cuidado cotidiano permanece lenta. As terapias gênicas aprovadas ainda dizem respeito a um número limitado de patologias, e seu custo de produção freia sua generalização. A bioimpressão 3D de tecidos, frequentemente apresentada como uma revolução iminente, enfrenta desafios de vascularização das estruturas impressas que a pesquisa ainda não resolveu.
Dispositivos conectados e gêmeos digitais: o acompanhamento do paciente em tempo real
Os sensores portáteis que transmitem continuamente dados fisiológicos a um médico ou algoritmo não são mais experimentais. Um paciente diabético pode ajustar seu tratamento por meio de um sensor conectado ao seu smartphone sem esperar sua próxima consulta. Este modelo de telemonitoramento contínuo transforma o percurso de cuidados ao deslocar parte do acompanhamento para fora do hospital.
O gêmeo digital leva essa lógica mais longe: trata-se de criar um duplicado virtual do paciente, alimentado por seus dados biológicos, para simular o efeito de um tratamento antes de administrá-lo. As aplicações mais avançadas dizem respeito à cardiologia e ao planejamento cirúrgico.
As limitações são conhecidas. A interoperabilidade entre dispositivos continua baixa, os formatos de dados variam de um fabricante para outro, e a integração nos sistemas de informação hospitalares leva anos. A tecnologia existe, mas a infraestrutura para explorá-la em grande escala permanece fragmentada.
O ritmo real dessas transformações dependerá menos da capacidade de invenção do que da capacidade de absorção dos sistemas de saúde. Entre o adiamento regulatório do Ato de IA, as questões em aberto sobre a responsabilidade médica e os obstáculos de infraestrutura, cada inovação terá que passar por vários filtros antes de modificar concretamente o cotidiano dos pacientes e dos cuidadores.
