Muito Além do Estetoscópio: a fusão entre saúde e tecnologias

O caso Anthropic não é sobre livros. É sobre o limite que aceitamos cruzar em nome do progresso.

A pergunta certa sobre inteligência artificial quase nunca é técnica. Ela é anterior. E foi essa a pergunta que Elaine Coimbra, CEO da Foster/Grupo WPP e professora de inteligência artificial, jogou na mesa: o que estamos dispostos a destruir para treinar uma “máquina”?

Vale começar pelos fatos, porque a indignação costuma atropelá-los.

Para alimentar seus modelos, a Anthropic comprou milhões de livros físicos, cortou as “lombadas”, digitalizou as páginas e descartou o papel. Um exemplar comprado, transformado em arquivo, foi jogado fora. Escrito assim, soa como vandalismo cultural. A imagem de livros sendo destruídos mexe com qualquer um que ame um livro.

Mas veja o que a Justiça decidiu.

A distinção que quase ninguém leu

Em junho de 2025, o juiz William Alsup, da corte federal da Califórnia, deu a primeira grande decisão sobre uso de obras protegidas no treinamento de IA. E foi cirúrgico. Comprar um livro legalmente, digitalizá-lo e usá-lo para treinar um modelo é uso legítimo, ainda que o exemplar físico se perca no processo. Destruir o papel que você pagou não é o crime.

O crime foi outro.

A mesma Anthropic também baixou cerca de 7 milhões de livros piratas, de repositórios como LibGen. Isso o juiz não aceitou. E foi exatamente por isso, não pela digitalização, que a empresa fechou o maior acordo de direitos autorais da história americana: US$ 1,5 bilhão, algo perto de US$ 3.000 por obra, para cerca de 500 mil títulos.

Repare na diferença, porque ela é tudo. Destruir um livro que você comprou para escaneá-lo, a lei permitiu. Usar cópias ilegais de sete milhões, não.

Quem para na manchete “a IA destrói livros” perde a questão real. O incômodo legítimo não está na digitalização de um exemplar comprado. Está na pressa de abastecer o modelo a qualquer custo, inclusive pirateando uma biblioteca inteira e em depois pedir perdão com um cheque.

Dataísmo, o nome da fome

Yuval Noah Harari, historiador e autor de Homo Deus, batizou de dataísmo a ideologia silenciosa do nosso tempo: a crença de que o fluxo de dados é o valor supremo e que reter informação é quase um pecado. No dataísmo, tudo que existe deveria ser medido, capturado e alimentado ao sistema. O livro, a foto, o prontuário, a conversa. Tudo é combustível.

É uma crença sedutora porque funciona. Modelos maiores, treinados com mais dados, entregam mais. A lógica empurra sempre na mesma direção: mais e mais rápido , depois, pergunte-se sobre a permissão.

O caso Anthropic é o dataísmo encontrando um muro. Um juiz, um processo, 1,5 bilhão de dólares. Só que o muro é jurídico e a pergunta da Elaine não é. A lei diz o que é permitido. Ela não diz o que é certo. São coisas diferentes e confundi-las é o erro do nosso século.

Porque o tribunal responde caso a caso, depois do fato. A decisão de quanto atropelar para chegar antes é tomada muito antes, na sala onde ninguém está olhando.

Por que isso me interessa como médico?

Não escrevo isso de fora. Trabalho na fronteira entre a medicina e a computação (literalmente) e o dilema que parece de editoras é, na saúde, o meu.

A IA médica tem fome dos mesmos dados que juramos proteger. O prontuário, a imagem de exame, o histórico, o consentimento, o vínculo. Cada avanço real em diagnóstico por imagem, em previsão de risco, em medicina de precisão, foi construído sobre montanhas de dados de pacientes. E a mesma tentação do dataísmo bate à porta: alimente o modelo com tudo o que existir, do jeito mais rápido e resolva a ética depois.

A diferença é o que está em jogo. Um livro pirateado custa direitos autorais. Um dado de saúde vazado custa a intimidade de uma pessoa doente, no momento em que ela está mais frágil. O consentimento, na medicina, não é papelada. É a linha que separa cuidar de usar.

Já vimos esse filme sem IA. Sempre que a promessa de um bem maior apareceu, houve quem quisesse pular a etapa do consentimento, do comitê de ética, da pergunta incômoda. A história da pesquisa médica é feita, em parte, de arrependimentos sobre atalhos que pareciam justificáveis na hora.

A IA só aumenta a escala e a velocidade da tentação. O atalho agora processa milhões de registros num fim de semana.

O limite não é da máquina

Aqui está o ponto que a Elaine viu e que o barulho abafa.

A tecnologia não decide o que é aceitável destruir. Ela não tem limite próprio. Um modelo treina com o que você der, sem perguntar de onde veio. A capa arrancada, o livro pirata, o dado sem consentimento, para o algoritmo é tudo a mesma linha de texto.

Quem coloca o limite somos nós. No código que escrevemos, no dado que decidimos não usar, na pergunta que fazemos antes e não depois. O limite é uma escolha humana, feita a montante, quando ninguém ainda cobra.

E essa escolha não terceiriza para o jurídico, nem para o mercado, nem para a máquina.

O que estamos dispostos a destruir para treinar a IA é, no fundo, uma pergunta sobre quem somos quando o progresso oferece um atalho. A resposta não vem no tribunal. Vem antes.

Texto completo e a versão em newsletter: bittencourt.blog e no Substack: franciscomdebittencourt.substack.com

Fontes: Bartz v. Anthropic, decisão de mérito do juiz William Alsup (Corte Distrital do Norte da Califórnia, jun/2025) e acordo de US$ 1,5 bilhão homologado em 2026 (Authors Guild; Wiggin and Dana LLP).

Sobre o dataísmo: HARARI, Yuval Noah. Homo Deus: uma breve história do amanhã. São Paulo: Companhia das Letras, 2016.

Os limites da saúde conectada — e por que o julgamento clínico não terceirizou

Nunca medimos tanto o corpo humano. E nunca soubemos tão pouco o que fazer com o que medimos. Mesmo.

Essa é a contradição no centro da saúde conectada. A promessa da Internet das Coisas na medicina é sedutora: o corpo inteiro convertido em fluxo de dados, o tempo todo, em tempo real. Frequência cardíaca, ritmo, oxigenação, sono, passos, glicose intersticial. Um relógio no pulso hoje coleta o que, há vinte anos, exigia internação. A pergunta que quase ninguém faz é o que acontece com esse dado agora?

Porque o dado, sozinho, não decide nada.

O caso que todo mundo cita — e quase ninguém lê inteiro

Em 2019, o New England Journal of Medicine publicou o Apple Heart Study, conduzido por pesquisadores da Universidade de Stanford. Foi o maior estudo virtual de saúde já feito até então: mais de 400 mil participantes recrutados em oito meses, cada um com um smartwatch no pulso e um algoritmo vigiando o próprio coração.

Os números costumam ser apresentados como triunfo. E, em parte, são. O relógio notificou pulso irregular em 0,52% dos participantes. Entre os notificados que aceitaram usar um monitor de ECG por duas semanas, 34% tinham fibrilação atrial confirmada. Comparado ao ECG simultâneo, o algoritmo de pulso teve valor preditivo positivo de 84%.

À primeira vista, uma máquina que encontra doença cardíaca em quem não sabia que tinha. Difícil não se empolgar.

Só que o estudo não tinha grupo controle. Não sabemos quantos desses diagnósticos teriam aparecido de qualquer forma, nem quantos nunca dariam sintoma algum. A maioria dos alertados era jovem e de baixo risco — exatamente a população em que a fibrilação atrial é rara e, muitas vezes, clinicamente irrelevante. E cada notificação, verdadeira ou falsa, disparou uma cascata: uma consulta, um exame, um encaminhamento, uma noite mal dormida.

O número que impressiona esconde o número que importa. Num grupo de baixo risco, mesmo um teste de 84% de valor preditivo produz uma montanha de alarmes para os quais não há resposta clínica clara.

O que o sensor faz — e o que ele nunca fará

Um sensor detecta um sinal. Ele não conhece o contexto. Não sabe a probabilidade pré-teste. Não distingue a arritmia que ameaça a vida daquela que acompanha o paciente há décadas sem consequências. Não sabe se a pessoa dormiu mal, tomou três cafés ou está no meio de um divórcio.

O sensor mede. A interpretação é outra coisa — e é aqui que a saúde conectada esbarra no próprio limite.

Aristóteles, vinte e três séculos atrás, separou três formas de saber que a medicina digital insiste em confundir. A episteme é o conhecimento universal, o que vale sempre. A techne é o domínio de uma técnica, o saber fazer. E a phronesis é a sabedoria prática: a capacidade de decidir bem no caso particular, sob incerteza, quando as regras gerais não bastam.

O wearable entrega fragmentos de techne automatizada. Ele executa uma medida com precisão que nenhum médico alcança a olho nu, mas a decisão clínica, tratar ou observar, tranquilizar ou investigar, quando o dado é ambíguo e o paciente é único, é phronesis. E phronesis não se baixa em atualização de firmware.

Eric Topol, cardiologista e diretor do Scripps Research Translational Institute, defende os wearables há mais de uma década. É um entusiasta honesto, e por isso vale ouvi-lo: medir mais não é, por si só, cuidar melhor. Sem interpretação clínica, o dado abundante vira ruído. E ruído tem custo.

O custo tem nome

Esse custo se chama worried well: o paciente saudável convertido em ansioso por um número que ninguém soube ler para ele. A medicina conhece esse fenômeno muito antes do smartwatch. Sempre que ampliamos a vigilância sobre corpos sadios, encontramos achados que não pedimos e não sabemos o que fazer com eles. A diferença é a escala. Um exame pedido por indicação é um evento. Um sensor no pulso é uma vigilância permanente, movida por um algoritmo que não foi treinado para calibrar o próprio alarme à realidade de cada pessoa.

Abraham Verghese, professor em Stanford e uma das vozes mais firmes contra a medicina puramente algorítmica, insiste num ponto que soa quase antigo: o corpo do paciente é um texto que se lê com as mãos, com o tempo, com a presença. O exame físico, a conversa, o silêncio na consulta não são folclore pré-digital. São o lugar onde o dado ganha sentido ou é descartado com segurança.

Não se trata de recusar a tecnologia. Seria tolice, e desonesto da parte de quem, como eu, trabalha na fronteira entre a medicina e a computação(literalmente). Os wearables já salvaram vidas ao flagrar arritmias reais em pessoas certas. O ponto é outro: nunca foi um problema de coleta de dados. Sempre foi um problema de julgamento.

O que muda na prática médica

Se a escassez de dados definiu a medicina do século XX, a abundância vai definir a deste século. E isso inverte a tarefa do médico. O trabalho deixa de ser obter a informação e passa a ser filtrá-la: separar sinal de ruído, ancorar cada número na história do paciente, decidir o que merece ação e o que merece apenas ser observado, ou até esquecido.

É um trabalho mais difícil, não mais fácil. Exige mais formação, não menos. Um médico que não entende probabilidade condicional vai afogar o paciente em exames a cada alerta do relógio. Um médico que entende vai usar o mesmo dado para tranquilizar — que é, muitas vezes, o ato clínico mais valioso e o menos remunerado.

A saúde conectada não dispensa o médico. Ela aumenta a aposta sobre a qualidade do julgamento dele.

Monitorar é fácil. Compreender é o trabalho. E o trabalho continua sendo nosso.

Fontes: Perez MV, et al. Large-Scale Assessment of a Smartwatch to Identify Atrial Fibrillation. New England Journal of Medicine, 2019 (Apple Heart Study, Stanford Medicine).

TED Talk Abraham Vergesi – Um Toque de Médico