O actante central da próxima década não é a IA generativa que entrou no consultório, mas sim a capacidade de processar dados biológicos numa escala que nenhuma equipe humana sustenta.
De “IA na medicina” para “Medicina Amplificada”
A primeira pergunta a fazer não é técnica. É de enquadramento.
Quando você diz “Inteligência Artificial na medicina”, o que entra no consultório é uma entidade alheia, vinda de fora, que faz coisas no lugar do médico. O verbo subjacente é substituir. Daí o desconforto, a sensação de que o radiologista vai sumir, que o algoritmo vai diagnosticar, que o residente vai virar coadjuvante.
Mas “Inteligência Artificial” é apenas um termo, fixado nos anos 1950 por John McCarthy em uma conferência de verão em Dartmouth. Foi um rótulo de conveniência para vender uma proposta de pesquisa — e carrega, até hoje, a sombra de uma promessa que nunca foi a história real. A história real, em medicina sobretudo, nunca foi de substituição. Foi de amplificação.
O estetoscópio amplificou a ausculta. O microscópio amplificou o olho. O raio-X amplificou o que era opaco. O ECG amplificou o ritmo. Cada um desses objetos não veio substituir o médico; veio aumentar o alcance do julgamento clínico que já existia. Daniel Kahneman mostraria, décadas depois, que o enquadramento de um problema determina as decisões que se conseguem tomar diante dele — e o enquadramento “IA versus médico” leva a decisões piores do que o enquadramento “IA amplifica o médico”.
Por isso, neste texto, vou usar um termo diferente: Medicina Amplificada. Não é uma jogada de marketing. É uma escolha analítica. “Aumentar” sugere quantidade — mais do mesmo. “Amplificar” sugere intensidade e alcance — o mesmo sinal, projetado com mais força e mais longe. A inteligência clínica não é substituída, nem incrementada por adição; ela é projetada com escala que antes era inacessível.
Feita essa primeira mudança de frame, podemos olhar para o que efetivamente está mudando.
O Conceito de actante
Bruno Latour, sociólogo francês da ciência, cunhou um termo útil aqui: actante. Um actante é qualquer entidade — humana ou não — que, ao entrar em uma rede, reconfigura a trajetória da rede. Não é apenas um instrumento que serve a um propósito existente. É algo que, uma vez dentro, torna o arranjo anterior impossível.
A placa de Petri é um actante. O bisturi elétrico é um actante. O contraste iodado é um actante. Cada um deles, quando entrou, não foi mais uma ferramenta na maleta — foi um deslocamento na maneira como o médico pensa, registra e age. Quem opera com microscópio eletrônico não é a mesma pessoa que opera com lupa: o microscópio reconfigura a percepção, o raciocínio, a linguagem clínica e até a especialidade.
Esse é o conceito que precisamos para olhar a IA na medicina sem cair no falso debate da substituição. A pergunta correta não é “a IA vai substituir o médico?” — é “qual actante está entrando na rede da medicina agora, e o que ele está reconfigurando?”.
Os actantes que já reconfiguraram a medicina
Vale puxar três casos da história recente, porque o padrão neles é instrutivo.
Penicilina (Fleming, 1928). A descoberta foi acidental — uma placa contaminada, um bolor que matava bactérias ao redor. Mas a penicilina só virou actante quando, mais de uma década depois, o esforço de produção em escala de Florey, Chain e a indústria farmacêutica americana resolveu o problema de purificá-la em quantidade suficiente para tratar feridos da Segunda Guerra. O actante não foi a descoberta; foi o conjunto descoberta + capacidade industrial de processamento que, somados, mudaram a expectativa de vida humana em décadas.
Vacina de RNA mensageiro (Karikó, 2020). Katalin Karikó passou trinta anos estudando uma técnica que colegas consideravam beco sem saída. Foi recusada, rebaixada, ridicularizada. Quando a pandemia chegou em 2020, a plataforma que ela havia construído permitiu que Moderna e Pfizer/BioNTech desenhassem uma vacina em dias — não meses, dias — e a produzissem em escala global em menos de um ano. O actante aqui também não foi só a descoberta científica; foi o casamento de três décadas de pesquisa em RNA + a capacidade computacional e logística de desenhar, testar e produzir em escala que reconfigurou o que se entende por “tempo de resposta a uma pandemia”. Karikó ganhou o Nobel de Medicina em 2023.
AlphaFold (DeepMind, 2020). O problema do enovelamento de proteínas — prever a estrutura tridimensional de uma proteína a partir de sua sequência de aminoácidos — era considerado um dos grandes problemas em aberto da biologia. Cinquenta anos sem solução geral. Em 2020, a DeepMind apresentou o AlphaFold 2 no CASP14, o benchmark da área, e resolveu o problema com precisão comparável à cristalografia experimental. Em 2022, publicou as estruturas previstas de mais de 200 milhões de proteínas — praticamente todas as conhecidas. Demis Hassabis e John Jumper dividiram o Nobel de Química em 2024 por esse trabalho. Note: o AlphaFold não foi feito por médicos nem por bioquímicos clássicos. Foi feito por engenheiros de aprendizado profundo que, ao entrar na rede da biologia, reconfiguraram o que a descoberta de fármacos consegue fazer em quanto tempo.
O padrão é o mesmo nos três casos. O actante decisivo não é a descoberta isolada. É a capacidade de processar, em escala, dados que antes nenhuma equipe humana sustentava — purificação industrial em Fleming, produção genética e logística em Karikó, computação em redes neurais em Hassabis. Os três casos têm o mesmo músculo central: tratamento massivo de informação biológica.
A tese central: o actante de medicina hoje é a capacidade de processamento de dados, não a IA generativa
Aqui está a confusão que precisa ser desfeita.
Quando médicos pensam em “IA na medicina” em 2026, a imagem mental que vem é o ChatGPT — um modelo de linguagem que escreve, conversa, resume, redige laudos. Esse é o produto que ganhou as manchetes, que entrou no aplicativo do celular, que assusta nos congressos. E é precisamente por isso que ele acaba ocupando o espaço do debate sobre IA em medicina, mesmo não sendo o ator principal da história.
A IA generativa é importante para a medicina, mas como interface — ela é a camada que traduz, organiza e comunica. Útil, valiosa, transformadora do trabalho administrativo e de comunicação. Mas não é o actante central da medicina amplificada.
O actante central é outro. É a capacidade — viabilizada nos últimos quinze anos pela combinação de GPUs, arquiteturas de aprendizado profundo e disponibilidade de dados biológicos digitalizados — de encontrar padrões em quantidades de dados que nenhum humano, nem nenhuma equipe humana, consegue ler em uma vida inteira.
É o que faz uma rede neural treinada em milhões de mamografias identificar microcalcificações em padrões que escapam ao melhor radiologista. É o que faz o AlphaFold prever 200 milhões de estruturas proteicas. É o que faz uma simulação de dinâmica molecular testar milhões de candidatos a fármaco em silício antes que um único deles chegue à bancada. É o que vai fazer, no Human Immunome Project, um modelo de IA prever a resposta imunológica individual a uma vacina antes que ela seja administrada.
O médico amplificado não é o médico que conversa com o chatbot. É o médico cujo julgamento clínico está conectado a essa escala de processamento de dados biológicos. A diferença é a mesma entre usar o GPS para confirmar uma rota que você já sabe e usar o GPS para descobrir que existem rotas que você nunca poderia ter calculado sozinho.
O Human Immunome Project: o actante que está chegando agora
Para tornar isso concreto, vale apontar para o que está em construção em 2026.
O Human Immunome Project (HIP) é uma organização global sem fins lucrativos que se propõe a decodificar o sistema imunológico humano usando big data e aprendizado de máquina. O nome ecoa, propositalmente, o Human Genome Project dos anos 1990 — e a aposta é equivalente em ambição.
A premissa de partida é desconfortável: imunologistas estimam que menos de 1% dos dados necessários para entender a função e a diversidade imunológica global estão disponíveis hoje. Praticamente tudo o que a clínica imunológica faz hoje, ela faz com 1% do mapa.
O plano do HIP é gerar o maior conjunto de dados imunológicos da história — medidas imunológicas de aproximadamente 225 mil pessoas, em 10 sítios-piloto distribuídos por África, Austrália, Ásia, Europa, Oriente Médio, América do Norte e América do Sul. Cada participante doará amostras de sangue ao longo de cinco anos, antes e depois de vacinação, e cada amostra será analisada em múltiplas camadas: contagem celular, estados celulares por sequenciamento de RNA de célula única, repertório de receptores de células T e B, proteínas séricas, metabólitos, genoma completo, cromatina livre, microbioma intestinal. Os modelos de IA serão treinados para prever, a partir do estado imunológico basal de um indivíduo, sua resposta a uma perturbação — uma vacina, uma infecção, uma terapia oncológica, um anti-TNF.
Vale registrar a escala de dados envolvida: a previsão é cobrir cada década de vida de 1 a 100 anos, ambos os sexos, sete grandes regiões geográficas, cinco faixas socioeconômicas. O HIP foi lançado a partir do Banbury Center do Cold Spring Harbor Laboratory — o mesmo local onde, em 1986, foi incubada a estratégia do Human Genome Project. Os parceiros incluem Stanford, Yale, Moderna, GSK, Riken, WEHI, Technion, Radboud, entre outros.
O que muda no consultório quando o actante imunológico aparece
Vale fazer o exercício de tradução para a prática clínica, sem alarmismo e sem hype, com base no que o próprio plano científico do HIP descreve.
Medicação e dosagem ultra-individualizadas. Hoje, doses de quimioterapia, imunossupressores e biológicos são calculadas por superfície corporal e ajustadas reativamente — espera-se a reação, observa-se o efeito, ajusta-se. Quando a assinatura imunológica basal do paciente predizer a resposta antes da intervenção, a dose inicial deixa de ser estimativa populacional e passa a ser projeção individual. Quem prescreve infliximabe hoje sabe quanto isso muda.
Detecção super antecipada de doenças. O sistema imunológico se desorganiza antes que o sintoma apareça. Câncer, autoimunidade, neurodegeneração — todos têm assinaturas imunológicas precoces que hoje passam despercebidas porque ninguém mede o suficiente, com resolução suficiente, ao longo do tempo suficiente. Um imunoma longitudinal individual transforma rastreio em previsão. O check-up deixa de ser uma fotografia anual e vira uma trajetória.
Vacinas desenhadas por indivíduo. A mesma vacina protege diferentes pessoas em graus radicalmente diferentes — e nem sabemos prever quem responde. Modelos preditivos da resposta imunológica abrem o caminho para esquemas vacinais individualizados: quem precisa de dose de reforço, quando, e com qual formulação.
Aceleração da descoberta de fármacos. Os modelos do HIP, combinados a plataformas como o AlphaFold e a simulações moleculares, comprimem ciclos de desenvolvimento que hoje levam dez anos para algo que pode levar dois ou três. Isso não é especulação: já é o que ocorre em pipelines de oncologia de precisão.
Envelhecimento como variável manejável. Se a degradação imunológica ao longo da vida tem padrões previsíveis e intervenientes, o que hoje chamamos de “envelhecimento” começa a ser desmontado em mecanismos endereçáveis. A geriatria como especialidade muda de natureza.
Nenhuma dessas consequências é ficção científica. Todas dependem de exatamente o mesmo músculo central: capacidade de processar dados biológicos em escala que nenhuma equipe humana sustentaria. O HIP é o nome próprio que essa capacidade está ganhando, neste momento, no campo da imunologia. Não será o único. Mas é, talvez, o mais simbólico — porque o sistema imunológico é, depois do cérebro, o objeto biológico mais complexo que carregamos.
Conclusão
A Medicina Amplificada não é metáfora de palco. É o enquadramento metodológico para operar em um cenário em que os actantes de dados biológicos chegam um atrás do outro — AlphaFold já chegou, o HIP está chegando, os próximos virão de domínios que hoje nem aparecem na conversa.
Cada um deles vai redesenhar o que o médico faz no consultório, no centro cirúrgico, no leito, na atenção primária. Não porque o médico vai perder espaço, mas porque o alcance do julgamento clínico vai se expandir — exatamente como aconteceu com o estetoscópio, com o microscópio, com o raio-X, com a ressonância. A inteligência clínica não diminui; ela é amplificada. O lugar do médico não encolhe; ele se torna maior, mais decisivo, e exige mais densidade de julgamento, não menos.
O que muda é o que vai estar conectado a esse julgamento. E quem entende isso agora, em 2026, vai estar pronto quando este actante chegar à porta do consultório.
