Se o século XX lutou pelo acesso à informação clínica, o XXI luta por algo diferente: quem consegue transformar essa informação em decisões úteis, seguras e contextualizadas.
É uma distinção que parece sutil, mas não é. Ter dados não é o mesmo que poder usá-los. E essa diferença, em saúde, se mede em vidas.
O mapa do investimento não é o mapa da necessidade
A discussão global sobre o futuro da inteligência artificial em saúde não acontece no abstrato. Há cifras, direções de investimento e decisões de política que já estão moldando onde e como a IA será uma realidade sanitária, e onde continuará sendo uma promessa distante.
Segundo dados da Grand View Research, o mercado global de IA em saúde é estimado em USD 36,67 bilhões em 2025 e projetado para USD 505,59 bilhões em 2033, com uma taxa composta de crescimento anual próxima de 39%. São números que impressionam em qualquer apresentação.
Mas esses números têm uma geografia muito precisa.
A América do Norte concentrou mais de 54% desse mercado em 2025. A maior parte do investimento se acumula onde o gasto sanitário é alto, a infraestrutura digital está consolidada e existem capacidades técnicas para treinar, validar e adaptar modelos a contextos locais. O Fórum Econômico Mundial adverte de forma consistente que os benefícios econômicos e sociais da IA continuam se acumulando no Norte Global, principalmente Estados Unidos, Europa e China, enquanto países de renda média e baixa observam de fora um desenvolvimento que em teoria deveria beneficiá-los.
Em grande parte do Sul Global, o acesso a tecnologias de IA em saúde ainda é incipiente. Não porque o problema não exista, mas porque os modelos e dados atuais são treinados sobre populações de países de alta renda, não sobre as realidades demográficas e epidemiológicas da África, da Ásia Central ou da América Latina. Em outubro de 2025, o próprio WEF publicou uma análise com um título que não deixa margem para interpretações: AI in healthcare risks could exclude 5 billion people. Cinco bilhões de pessoas poderiam ficar de fora, não por falta de necessidade, mas porque os sistemas foram construídos para outro mundo.
Cinco bilhões de pessoas. Não é uma estatística menor.
Duas verdades incômodas
A narrativa dominante sobre IA em saúde tem um problema: assume que a tecnologia é inerentemente igualadora. Que um bom algoritmo é um bom algoritmo em qualquer lugar do mundo. Essa suposição se choca com a realidade de duas formas concretas.
A primeira é que a IA não é automaticamente igualadora. Uma revisão publicada na revista Digital Health em 2025, que analisou estudos sobre IA em saúde no Sul Global entre 2022 e 2025, documentou que os avanços continuam concentrados no Norte, deixando o Sul em desvantagem significativa por infraestrutura deficiente, vieses nos dados de treinamento e limitada capacidade técnica local. O WEF ilustra isso com exemplos concretos: algoritmos de detecção de câncer de pele treinados principalmente com imagens de tons claros que funcionam pior em peles escuras, ou calculadoras de risco cardiovascular construídas sobre coortes europeias e americanas que subestimam ou superestimam riscos em populações africanas, sul-asiáticas ou latino-americanas. Não porque o algoritmo seja necessariamente ruim, mas porque foi treinado para outro mundo.
A segunda é que a brecha tecnológica é fundamentalmente econômica e política, não técnica. Países com capacidade de investir em centros de dados, talento digital, integração clínica e implantação regulada estão ampliando sua vantagem competitiva em saúde. Países sem esse apoio ficam relegados a ser mercados consumidores de tecnologia desenvolvida em outro contexto, para outra população, com outros problemas. Não coprodutores. Consumidores.
O que isso significa para quem exerce medicina no Sul
Trabalhar em saúde no Uruguai, na Argentina ou em qualquer país da América Latina implica operar em um sistema com recursos limitados, infraestrutura digital desigual e uma carga epidemiológica que nenhum modelo treinado no Norte conhece plenamente.
Isso não significa que a IA não tenha nada a oferecer. Significa que a forma de adoção importa tanto quanto a tecnologia em si. Importa quem treina os modelos e com quais dados. Importa se existe capacidade local para validá-los, questioná-los e adaptá-los. Importa se há massa crítica de profissionais capazes de interpretá-los com rigor epidemiológico e contexto sociocultural, não apenas com entusiasmo tecnológico.
Porque na prática clínica do século XXI, não basta ter acesso a um modelo. É preciso ter recursos e formação para saber quando confiar nele e quando não.
A pergunta que ninguém quer responder
Estamos dispostos a redefinir o que significa exercer a medicina quando a informação deixa de ser o recurso escasso e, em seu lugar, a capacidade de investir em tecnologia passa a sê-lo?
É uma pergunta incômoda porque não tem resposta técnica. Tem resposta política.
Implica decidir se a IA em saúde será uma ferramenta de equidade ou uma nova forma de concentrar vantagens em quem já as possui. Implica perguntar qual papel desempenham os sistemas públicos de saúde, as universidades e os organismos reguladores em um ecossistema dominado por empresas privadas sediadas em outro hemisfério. Implica aceitar que adotar tecnologia sem contexto crítico não é modernização. É dependência com outro nome.
Isso não é ficção científica. É política sanitária com números do mundo real.
E é uma conversa que no Sul Global ainda estamos aprendendo a ter.
Sine fumo et nugis.
Leitura compartilhada
Commentarii
Este espaço foi pensado para contribuições breves, perguntas ou leituras críticas sobre o artigo. Por enquanto, todo texto enviado fica sujeito a revisão editorial antes de qualquer publicação.