A promessa de utilizar inteligência artificial para reduzir custos operacionais e agilizar o processamento de autorizações prévias na medicina esbarrou em uma das reações regulatórias mais firmes da história recente da saúde pública. Nos Estados Unidos, uma onda de legislações estaduais e diretrizes federais aprovadas sob o princípio do “human-in-the-loop” (humano no circuito) estabeleceu que nenhum plano de saúde ou operadora pode recusar a cobertura de exames, internações ou tratamentos médicos com base exclusivamente em decisões de sistemas algorítmicos.

A virada legislativa ocorre após uma sequência de denúncias e processos judiciais que expuseram o uso de modelos preditivos por grandes seguradoras de saúde para rejeitar milhares de solicitações médicas em questão de segundos, sem que um profissional de medicina examinado individualmente o prontuário do paciente. Casos em que algoritmos interrompiam precocemente a cobertura de reabilitação para idosos ou negavam exames de imagem de alta complexidade motivaram o engajamento de associações médicas e órgãos de defesa do consumidor.

O pêndulo regulatório voltou-se, assim, para a centralidade da responsabilidade humana. As novas leis não proíbem o uso de IA como ferramenta de apoio à triagem ou análise documental, mas impõem uma barreira jurídica clara: a palavra final em qualquer decisão desfavorável ao paciente obriga a assinatura de um médico devidamente licenciado e especializado na área do tratamento solicitado.

O Pêndulo Regulatório: Do Algoritmo Automático à Revisão Médica Obrigatória

A justificativa inicial das operadoras de saúde para a adoção de algoritmos de automação baseava-se na eficiência operacional. Com milhões de solicitações de autorização prévia (prior authorization) entrando diariamente nos sistemas, a inteligência artificial prometia analisar relatórios em tempo real e reduzir a burocracia. Na prática, contudo, investigações jornalísticas e auditorias regulatórias demonstraram que algumas ferramentas eram parametrizadas para rejeitar pedidos que fugissem de padrões estatísticos rígidos, transferindo ao paciente e ao médico assistente o ônus de recorrer manualmente da decisão.

Diante do cenário, legislações pioneiras aprovadas em estados como Califórnia, Minnesota e Oklahoma, aliadas a novas normas emitidas pelos Centros de Serviços Medicare e Medicaid (CMS), redefiniram os parâmetros de compliance para o setor:

  • Proibição de Negativas Automatizadas: O software de IA pode pré-aprovar solicitações que cumpram todos os requisitos clínicos, mas é estritamente proibido de emitir uma decisão final de negação de forma autônoma.
  • Exigência de Especialidade Médica: A revisão de uma negação não pode ser feita por qualquer funcionário administrativo. O parecer desfavorável deve ser assinado por um médico com especialidade equivalente à do tratamento solicitado, garantindo que a necessidade clínica seja compreendida.
  • Transparência no Critério Algorítmico: As operadoras são obrigadas a divulgar publicamente quais ferramentas de IA utilizam, quais conjuntos de dados alimentam os modelos e quais critérios específicos levaram à recomendação de revisão.

A nova legislação devolve ao ato médico a responsabilidade ética e jurídica sobre a vida e a saúde do paciente, impedindo que a busca por margens financeiras se esconda atrás da “opacidade da caixa-preta” dos algoritmos.

O “Porém” Honesto: O Risco do “Carimbo Pro Forma” e o Gargalo Operacional

Seguindo a diretriz editorial deste portal de analisar os fatos sem euforia nem maniqueísmo, é preciso reconhecer os desafios operacionais decorrentes da obrigatoriedade do “human-in-the-loop”.

O primeiro risco prático é a conversão da revisão médica obrigatória em um mero processo de “carimbo pro forma” (rubber stamping). Se uma seguradora impuser a um médico revisor a meta de avaliar centenas de negativas sugeridas pela IA por dia, o profissional humano não terá tempo hábil para examinar com atenção o histórico do paciente, limitando-se a chancelar a recomendação do algoritmo. Para mitigar esse desvio, algumas legislações estaduais já começaram a exigir a auditoria do tempo médio gasto pelos médicos revisores em cada prontuário.

O segundo desafio reside no potencial aumento de gargalos administrativos e custos operacionais. Ao exigir a intervenção de médicos especialistas em cada recusa, os planos de saúde podem enfrentar escassez de profissionais para dar vazão à demanda, o que corre o risco de atrasar a resposta final para o paciente caso os fluxos internos de trabalho não sejam profundamente reestruturados.

O Impacto para o Mercado Brasileiro, Saúde Digital e Healthtechs

A onda de regulação “human-in-the-loop” nos Estados Unidos antecipa debates que ganham força no Brasil no âmbito da Agência Nacional de Saúde Suplementar (ANS), da Autoridade Nacional de Proteção de Dados (ANPD) e do Conselho Federal de Medicina (CFM).

Para as operadoras de saúde, hospitais e healthtechs brasileiras que desenvolvem ou contratam soluções de inteligência artificial, três lições operacionais são indispensáveis:

1. Desenvolva Arquiteturas de IA Focadas em Suporte, Não em Substituição

Projete ferramentas de inteligência artificial como assistentes de síntese e organização de dados para o médico, e não como sistemas decisórios autônomos. A IA deve destacar os pontos relevantes do prontuário, cruzar diretrizes clínicas e apresentar as informações de forma clara para que o profissional humano tome a decisão com mais agilidade e precisão.

2. Garanta Auditabilidade e Explicabilidade nos Algoritmos

Qualquer modelo de IA aplicado à saúde precisa ser explicável. Caso um sistema sugere que um procedimento não cumpre os critérios de diretriz de utilização, o software deve indicar exatamente quais linhas do relatório clínico fundamentam essa análise. Sistemas opacos que não permitem auditoria direta representam um alto risco de passivo jurídico e regulatório.

3. Estabeleça Comitês de Governança Clínica e Ética Digital

As instituições de saúde devem criar comitês mistos — compostos por médicos, engenheiros de dados e especialistas em direito médico — para auditar continuamente o desempenho dos algoritmos. Avaliar periodicamente se a taxa de aprovação ou negação da IA apresenta viés sistemático é essencial para manter a conformidade com a LGPD e os princípios éticos da medicina.

Conclusão: A Tecnologia como Amplificadora do Cuidado Humano

A aprovação das leis de obrigatoriedade de revisão humana na saúde norte-americana consolida um princípio fundamental da era digital: o valor real não está em apenas ter acesso à ferramenta, mas em saber utilizá-la bem.

A inteligência artificial possui uma capacidade sem precedentes para processar volumes massivos de exames, sintetizar históricos médicos e identificar padrões complexos em diagnósticos. Contudo, a avaliação da necessidade clínica de um paciente envolve fatores humanos, contextuais e éticos que nenhum algoritmo é capaz de mensurar isoladamente.

O movimento “human-in-the-loop” não representa um retrocesso tecnológico, mas sim o amadurecimento de uma indústria que compreendeu que a eficiência computacional deve servir para empoderar o julgamento humano, e nunca para substituí-lo nas decisões que definem a vida e o bem-estar das pessoas.

Disclaimer: O conteúdo deste artigo possui caráter estritamente educativo, jornalístico e informativo, fundamentando-se em legislações estaduais norte-americanas, diretrizes de órgãos reguladores e análises de direito médico e saúde suplementar divulgadas até a data desta publicação. Ele não constitui e não substitui consultoria jurídica formal de compliance, parecer de direito sanitário ou aconselhamento médico profissional.