IA médica, decisão clínica e autonomia do paciente: da decisão assistida ao co-clínico algorítmico

A inteligência artificial médica é muitas vezes apresentada como uma tecnologia de precisão: identifica padrões, apoia diagnósticos, antecipa riscos, organiza informação clínica e promete aliviar sistemas de saúde sobrecarregados. Esta visão é correcta, mas incompleta. O problema bioético mais importante não está apenas em saber se a IA é tecnicamente fiável. Está em saber se, ao entrar na consulta, ela transforma silenciosamente a forma como médicos e pacientes decidem.

O artigo de Tuan Pham, Ethical and legal considerations in healthcare AI: innovation and policy for safe and fair use, publicado em 2025 na Royal Society Open Science, oferece um ponto de partida sólido para esta discussão. Pham defende que a IA em saúde deve respeitar autonomia, beneficência, não maleficência, justiça, transparência e responsabilidade, sublinhando que os pacientes devem compreender quando e como a IA influencia o diagnóstico ou o tratamento (Pham, 2025). Esta posição é prudente e necessária: a IA deve apoiar a decisão clínica, não substituir o juízo humano; deve ampliar o cuidado, não obscurecer a responsabilidade.

Mas há uma questão mais profunda. O risco principal da IA médica não é apenas retirar informação ao paciente. É retirar-lhe, de forma subtil, a autoria da decisão. O paciente pode continuar a assinar consentimentos e a ouvir explicações, mas deixar de reconhecer a decisão como verdadeiramente sua, porque a recomendação surge mediada por uma autoridade técnica difícil de contestar.

O AI Co-Clinician da Google DeepMind

A discussão tornou-se ainda mais concreta com o anúncio do AI Co-Clinician da Google DeepMind, em Abril de 2026. A iniciativa propõe um modelo de “triadic care”: paciente, IA e médico. A IA não é apresentada como substituta do profissional, mas como sistema de apoio à jornada clínica, sob autoridade do médico responsável (Karthikesalingam, Natarajan and Kohli, 2026).

https://www.youtube.com/watch?v=y5Vaa_SN1t0

Google DeepMind https://deepmind.google/blog/ai-co-clinician/

Este desenvolvimento é bioeticamente decisivo. A IA deixa de estar apenas nos bastidores e aproxima-se do próprio encontro clínico. Segundo a descrição da Google DeepMind, o AI Co-Clinician foi explorado em dois planos: apoio ao clínico, através da síntese de evidência e apoio à decisão; e apoio ao paciente, através de interacções multimodais em simulações de telemedicina com áudio e vídeo em tempo real (Karthikesalingam, Natarajan and Kohli, 2026).

A empresa descreve avaliações de segurança orientadas para erros de comissão e omissão, bem como resultados promissores em perguntas realistas de cuidados primários e em tarefas abertas sobre medicamentos (Karthikesalingam, Natarajan and Kohli, 2026). Ainda assim, estes dados devem ser lidos com prudência. Trata-se de uma iniciativa de investigação, não de um produto clínico validado para uso generalizado. São necessários estudos independentes, revisão por pares, validação prospectiva, avaliação em contexto real e análise do impacto sobre populações vulneráveis.

https://www.youtube.com/watch?v=dC4icb75vLQ

Google DeepMind https://deepmind.google/blog/ai-co-clinician/

O mais importante, para a bioética, não é apenas a performance do sistema. É a mudança de categoria. O AI Co-Clinician mostra que a IA médica está a passar de ferramenta de apoio para presença clínica supervisionada. Pode recolher informação, estruturar sintomas, observar sinais, sugerir perguntas, apoiar raciocínio clínico e influenciar a comunicação.

Isto confirma a tese da terceira voz clínica. Se a IA fala com o paciente, observa o paciente e orienta parte da interacção, então o consentimento informado tradicional já não basta. O paciente deve saber que papel a IA desempenhou, que dados recolheu, que recomendações produziu, quem reviu o resultado e como pode pedir uma avaliação humana alternativa.

Da autonomia como escolha à autonomia como autoria

A bioética clássica entende a autonomia como a capacidade de agir com intenção, compreensão e ausência de coerção indevida (Beauchamp and Childress, 2019). Esta definição continua essencial. Contudo, a IA médica introduz uma nova dificuldade: a coerção pode já não aparecer como imposição directa, mas como arquitectura decisória.

Quando um sistema algorítmico sugere um diagnóstico, calcula um risco, prioriza um paciente ou recomenda uma terapêutica, a decisão deixa de ser formada apenas entre médico e paciente. Surge uma terceira voz: a voz estatística da máquina. Esta voz pode ser útil, mas também pode reorganizar a consulta, tornar certas opções mais visíveis, reduzir alternativas e criar uma aparência de inevitabilidade técnica.

Mittelstadt et al. demonstraram que os sistemas algorítmicos levantam problemas éticos que vão muito além da privacidade, incluindo opacidade, enviesamento, discriminação, responsabilidade e efeitos sobre a autonomia (Mittelstadt et al., 2016). Na medicina, estes problemas tornam-se especialmente sensíveis, porque a decisão clínica ocorre em situações de vulnerabilidade, medo, dependência e assimetria de conhecimento.

Por isso, a pergunta já não deve ser apenas: “O paciente foi informado de que foi usada IA?”. A pergunta mais exigente é: o paciente compreendeu o peso da IA na decisão, pôde questioná-la, teve acesso a alternativas e manteve a decisão como expressão da sua própria vontade?

O mérito e o limite da transparência

Pham tem razão ao defender que a autonomia exige comunicação clara sobre a função, a precisão, as limitações e as incertezas dos sistemas de IA usados em saúde (Pham, 2025). A Organização Mundial da Saúde tem seguido a mesma orientação, defendendo que a IA médica só deve ser implementada com respeito pelos direitos humanos, inclusão, segurança, responsabilização e governação ética (World Health Organization, 2021; World Health Organization, 2024). Também o AI Act da União Europeia trata muitos sistemas de IA médica como sistemas de alto risco, sujeitos a requisitos acrescidos de gestão de risco, qualidade dos dados, supervisão humana e transparência (European Commission, 2024).

Contudo, a transparência, por si só, pode ser insuficiente. Dizer ao paciente que “foi usada IA” não garante autonomia. Pode até criar uma falsa sensação de cumprimento ético. A questão decisiva é saber o que foi explicado: a IA apenas organizou informação? Sugeriu hipóteses? Influenciou o diagnóstico? Recomendou uma terapêutica? Foi revista por um profissional? Havia alternativas?

Joshua Hatherley questiona precisamente a ideia de que a simples divulgação do uso de machine learning seja sempre suficiente ou moralmente decisiva (Hatherley, 2025). Cohen e Slottje, por sua vez, mostram que a IA obriga a repensar o consentimento informado, porque o que importa é saber quando o uso da IA é material para a decisão do paciente e como deve ser integrado na decisão partilhada (Cohen and Slottje, 2024).

Daqui resulta uma distinção fundamental: divulgação não é explicação; explicação não é compreensão; compreensão não é autonomia; e autonomia não é ainda autoria. A autoria exige que o paciente reconheça a decisão como compatível com os seus valores, a sua história, o seu risco aceitável e a sua concepção de vida boa.

O paternalismo algorítmico

A medicina sempre teve uma assimetria de conhecimento: o médico sabe mais do que o paciente sobre diagnóstico e tratamento. A IA acrescenta uma nova assimetria. Muitas vezes, nem o próprio médico compreende totalmente o funcionamento interno do sistema que utiliza. Forma-se, assim, uma cadeia de confiança: o paciente confia no médico; o médico confia no sistema; a instituição confia no fornecedor; o fornecedor confia nos dados.

Esta cadeia pode ser útil, mas também pode tornar a responsabilidade moral difusa. Malta e Lamy descrevem este risco como paternalismo algorítmico, isto é, uma situação em que a IA limita a participação activa do paciente por meio de baixa transparência, confiança excessiva e supervisão humana insuficiente (Malta and Lamy, 2025).

O paciente não é coagido; é conduzido. Não é silenciado; é enquadrado. Não lhe retiram formalmente a escolha; apresentam-lhe opções já organizadas por uma racionalidade técnica que ele dificilmente consegue reabrir. Esta é talvez uma das ameaças mais subtis à autonomia contemporânea.

O caso estudado por Obermeyer et al. é particularmente ilustrativo. Os autores demonstraram que um algoritmo usado na gestão de saúde populacional nos Estados Unidos apresentava viés racial porque utilizava custos de saúde como indicador indirecto de necessidade clínica, reproduzindo desigualdades pré-existentes no acesso aos cuidados (Obermeyer et al., 2019). O problema não era apenas técnico. Era moral: desigualdades históricas foram transformadas em critérios aparentemente neutros.

Confiança não é obediência

A confiança é essencial em medicina. Mas confiar não é obedecer. Jones, Thornton e Wyatt mostram que os clínicos distinguem entre confiar num sistema e esse sistema ser verdadeiramente digno de confiança (Jones, Thornton and Wyatt, 2023). Esta diferença é decisiva.

Um sistema pode ser utilizado porque está integrado no hospital, porque poupa tempo, porque é recomendado pela administração ou porque parece mais objectivo do que o juízo humano. Mas nada disso garante que seja clinicamente adequado, eticamente justo ou transparente para o paciente.

Na relação médico-paciente, o risco é que a confiança na IA se transforme em obediência epistémica. O paciente aceita a recomendação não porque a compreendeu, mas porque sente que seria irracional contrariar a máquina. A decisão parece livre, mas foi moldada por uma autoridade técnica quase incontestável.

A terceira voz na consulta

A proposta central deste artigo é que a IA médica deve ser entendida como uma terceira voz clínica. Não é apenas uma ferramenta invisível, nem um substituto do médico. É uma presença epistémica que participa na construção da decisão.

Esta terceira voz reconhece padrões, calcula probabilidades e organiza informação. Mas não vive as consequências da decisão. Não sente medo, esperança, vergonha, fé, cansaço ou ambivalência. Pode melhorar a medicina, mas não substitui a densidade humana da relação clínica.

Dahlin mostra que a autonomia nos encontros humano-IA deve ser pensada de forma relacional: os seres humanos atribuem e retiram autonomia aos sistemas consoante o contexto, o uso e a confiança depositada neles (Dahlin, 2024). Na medicina, esta ideia é fundamental. O problema não é apenas saber se a IA “decide”. É saber como médicos e pacientes passam a comportar-se perante um sistema que parece participar na decisão.

A ética da IA médica deve, por isso, perguntar: quem estruturou a decisão? Quem definiu as opções? Quem atribuiu peso aos riscos? Quem tornou uma alternativa mais visível do que outra? Quem respondeu às dúvidas do paciente? Quem assume a responsabilidade final?

Para uma bioética da autoria clínica

A autonomia, em contexto de IA médica, deve ser repensada como autoria clínica. Esta autoria tem quatro exigências principais.

Primeiro, exige inteligibilidade suficiente. O paciente não precisa de compreender os detalhes técnicos do modelo, mas deve perceber se a IA foi usada para diagnóstico, prognóstico, triagem, tratamento, comunicação ou gestão administrativa.

Segundo, exige contestabilidade. A recomendação algorítmica deve poder ser questionada por médicos e pacientes. Um sistema que não pode ser contestado transforma-se numa autoridade clínica fechada.

Terceiro, exige pluralidade de alternativas. A recomendação da IA não deve aparecer como única via racional. O paciente deve conhecer opções alternativas clinicamente aceitáveis.

Quarto, exige responsabilidade identificável. A IA não pode criar uma zona cinzenta em que o médico culpa o sistema, o hospital culpa o fornecedor e o paciente fica sem interlocutor moral. A responsabilidade deve permanecer humana, clínica e institucionalmente auditável.

Implicações práticas

Para hospitais, comités de ética e instituições de saúde, a aplicação prática é clara. Não basta dizer que a IA é ética. É necessário criar regras concretas para proteger a autonomia do paciente.

Qualquer sistema de IA clínica deve ser classificado segundo o seu impacto na decisão: administrativo, informativo, recomendatório, comunicacional, decisório assistido ou decisório crítico. Quanto maior o impacto, maior deve ser o dever de explicação, documentação e supervisão humana.

O consentimento informado deve distinguir entre IA usada para eficiência interna, IA usada para influenciar diagnóstico ou tratamento e IA que interage directamente com o paciente. Sempre que exista interacção directa, deve haver um regime próprio de consentimento conversacional: o paciente deve saber que comunica com IA, qual é a finalidade da interacção, que a IA não substitui o médico, que pode interromper ou recusar a interacção e que a informação relevante será revista por um profissional humano.

A pergunta prática mais importante não deve ser apenas: “este sistema funciona?”. Deve ser: este sistema melhora a capacidade do paciente para participar na decisão, ou apenas melhora a eficiência com que a decisão lhe é apresentada?

Conclusão

A IA médica pode melhorar profundamente os cuidados de saúde. Pode tornar a medicina mais rápida, precisa, acessível e personalizada. Mas a sua legitimidade ética depende de uma condição fundamental: a tecnologia deve estar ao serviço da relação clínica, e não a relação clínica ao serviço da tecnologia.

Pham tem razão ao defender que a IA deve ser usada com transparência, justiça, supervisão humana e responsabilidade (Pham, 2025). Mas a bioética deve ir mais longe. A autonomia do paciente não se protege apenas com informação. Protege-se garantindo que o paciente continua a ser autor da decisão que afecta o seu corpo, a sua saúde, o seu sofrimento e o seu futuro.

O AI Co-Clinician da Google DeepMind mostra que este debate já não é futurista. A IA começa a entrar no próprio espaço da consulta. Pode ouvir, observar, falar, sintetizar evidência e apoiar a decisão. Essa evolução pode ser extraordinariamente benéfica. Mas quanto mais a IA se aproxima do paciente, maior deve ser a exigência de inteligibilidade, contestabilidade, supervisão humana e responsabilidade.

A medicina do futuro não será eticamente superior por ser mais automatizada. Será superior se usar a inteligência artificial para tornar a decisão clínica mais compreensível, mais justa, mais humana e mais verdadeiramente partilhada. O desafio não é escolher entre médico e máquina. É impedir que, no espaço entre ambos, o paciente desapareça.

Referências

Alelyani, T. (2025) ‘A validated framework for responsible AI in healthcare autonomous systems’, Scientific Reports, 15, 44432.

Beauchamp, T.L. and Childress, J.F. (2019) Principles of Biomedical Ethics. 8th edn. Oxford: Oxford University Press.

Cohen, I.G. and Slottje, A. (2024) ‘Artificial intelligence and the law of informed consent’, in Solaiman, B. and Cohen, I.G. (eds.) Research Handbook on Health, AI and the Law. Cheltenham: Edward Elgar.

Dahlin, E. (2024) ‘And say the AI responded? Dancing around “autonomy” in AI/human encounters’, Social Studies of Science, 54(1).

European Commission (2024) ‘Artificial Intelligence in healthcare’. European Commission.

Hatherley, J. (2025) ‘Are clinicians ethically obligated to disclose their use of medical machine learning systems to patients?’, Journal of Medical Ethics, 51(8), pp. 567–573.

Jones, C., Thornton, J. and Wyatt, J.C. (2023) ‘Artificial intelligence and clinical decision support: clinicians’ perspectives on trust, trustworthiness, and liability’, Medical Law Review, 31(4), pp. 501–520.

Karthikesalingam, A., Natarajan, V. and Kohli, P. (2026) ‘Enabling a new model for healthcare with AI co-clinician’, Google DeepMind Blog, 30 April.

Karthikesalingam, A., Natarajan, V. and Kohli, P. (2026) ‘AI co-clinician: researching the path toward AI-augmented care’, Google DeepMind Blog, 30 April. Available at: https://deepmind.google/blog/ai-co-clinician/

Malta, K.C. and Lamy, M. (2025) ‘Os desafios da autonomia do paciente frente ao uso da inteligência artificial na saúde’, Cadernos Ibero-Americanos de Direito Sanitário, 14(4), pp. 28–52.

Mittelstadt, B.D., Allo, P., Taddeo, M., Wachter, S. and Floridi, L. (2016) ‘The ethics of algorithms: Mapping the debate’, Big Data & Society, 3(2).

Obermeyer, Z., Powers, B., Vogeli, C. and Mullainathan, S. (2019) ‘Dissecting racial bias in an algorithm used to manage the health of populations’, Science, 366(6464), pp. 447–453.

Pham, T. (2025) ‘Ethical and legal considerations in healthcare AI: innovation and policy for safe and fair use’, Royal Society Open Science, 12(5), 241873.

UNESCO (2021) Recommendation on the Ethics of Artificial Intelligence. Paris: UNESCO.

World Health Organization (2021) Ethics and governance of artificial intelligence for health: WHO guidance. Geneva: World Health Organization.

World Health Organization (2024) Ethics and governance of artificial intelligence for health: guidance on large multi-modal models. Geneva: World Health Organization.