Só quem já entrou em um tubo de diagnóstico por imagem da GE HealthCare sabe que cada segundo precisamente calculado pode remeter esperança e calmaria em meio a um mar de ansiedade. Os barulhos metálicos, a sensação de atravessar um túnel e o desconforto silencioso de aguardar uma resposta sobre o próprio corpo talvez estejam com os dias contados no que reclamo sobre experiência de IA na saúde.
Exprimo isso porque a inteligência artificial em healthcare já não se limita a acelerar exames ou melhorar imagens. O que começa a emergir é outra coisa: uma infraestrutura contínua de inferência clínica. Discorro, aqui, aos recentes anúncios da GE HealthCare em parceria com a UW Medicine Radiology, voltados à integração entre tomografia computadorizada, molecular imaging e teranóstica mediante workflows automatizados, deep learning e sistemas preditivos aplicados à oncologia e cardiologia.
Quando leio tais movimentos, declaro sem dificuldade que talvez estejamos entrando numa das maiores transformações experienciais da medicina contemporânea. Não apenas porque os sistemas ficaram mais inteligentes. Sobretudo, porque diagnóstico, prognóstico e intervenção começam progressivamente a fundir-se dentro da mesma arquitetura computacional do cuidado.
O que muda quando a IA deixa de apenas diagnosticar?
Na medicina tradicional, o paciente fazia o exame. Depois aguardava. Conversava com o médico. Recebia um prognóstico. Somente então vinha a decisão terapêutica. Havia pausas institucionais entre descobrir, compreender e agir.
A teranóstica implode precisamente essas pausas.
O exame deixa de apenas observar o corpo. Passa a antecipar sua intervenção futura.
Sem embargo, talvez o aspecto mais importante dessa mudança não seja técnico. Seja temporal.
A recente pesquisa publicada no Journal of Nuclear Medicine, e repercutida pelo Medical Xpress, torna isso quase didático. O estudo apresentou uma nova técnica de radioimunoterapia pré-alvo (PRIT) aplicada ao câncer colorretal utilizando o par teranóstico 203Pb/212Pb. Os pesquisadores direcionaram radiação alfa diretamente aos tumores, reduzindo exposição de tecidos saudáveis e prolongando significativamente a sobrevida nos modelos pré-clínicos analisados.
Ora, o que digo é que aquilo que mais chama atenção não repousa apenas nos resultados biomédicos. Repousa na lógica operacional do sistema. Explico:
Primeiro identifica-se o antígeno GPA33, presente em aproximadamente 95% dos tumores colorretais. Depois realizam-se estudos de biodistribuição, SPECT/CT, cálculos de dosimetria e monitoramento contínuo da resposta tumoral. O tratamento praticamente começa antes do tratamento.
Respaldo isso porque a UX em healthcare está mudando silenciosamente.
- O diagnóstico já contém prognóstico.
- O prognóstico já organiza intervenção.
- A intervenção já retroalimenta novas inferências algorítmicas.
O paciente deixa progressivamente de experienciar a medicina como sucessão episódica de consultas médicas e passa a habitar ecossistemas contínuos de interpretação probabilística do próprio corpo.
Por que a teranóstica pode transformar ansiedade clínica em experiência contínua de previsão algorítmica?
E talvez seja exatamente aqui que remeto sobre IA na saúde há algum tempo.
O debate contemporâneo permanece excessivamente concentrado em precisão diagnóstica, velocidade operacional ou eficiência hospitalar. Contudo, workflows clínicos não são apenas fluxos técnicos. Dizem sobre como organizam relevâncias. Determinam quais corpos serão vistos primeiro, quais trajetórias clínicas serão aceleradas e quais sujeitos permanecerão aguardando dentro das filas invisíveis da infraestrutura hospitalar.
Quando a IA entra nesse circuito, esta não reorganiza apenas eficiência. Mais que nunca: reorganiza ansiedade.
O diagnóstico modifica a relação do sujeito com o próprio corpo. O prognóstico modifica sua experiência do tempo. A intervenção automatizada modifica sua percepção de agência dentro do cuidado.
O paradoxo, sem nenhum embargo, mais silencioso da teranóstica contemporânea seja justamente este: quanto mais personalizada se torna a medicina biologicamente, mais impessoal tende a tornar-se sua infraestrutura operacional.
A IA consegue prever porque transforma corpos em superfícies contínuas de cálculo estatístico. O sistema aprende padrões tumorais, absorção radiofarmacêutica, trajetórias clínicas e probabilidades populacionais. O corpo vivido passa gradualmente a coexistir com um corpo probabilístico permanentemente interpretado pela máquina.
Não por acaso, o próprio mercado econômico já percebeu a dimensão dessa transformação. Segundo dados da Mordor Intelligence, o mercado norte-americano de diagnóstico por imagem deverá alcançar US$ 10,57 bilhões em 2026, com crescimento composto anual estimado em 4,5% até 2031. O investimento não traduz apenas em aparelhos mais sofisticados. Diz sobretudo da integração entre IA, imagem molecular e workflows automatizados capazes de reorganizar a temporalidade clínica da medicina contemporânea.
Sugiro, portanto, a uma questão que talvez ainda esteja sendo pouco discutida.
Um sistema pode acertar precisamente o tumor e ainda assim falhar completamente na experiência humana do cuidado.
Pode prever risco, automatizar intervenção e organizar prioridades clínicas enquanto produz sensação crescente de opacidade institucional, ansiedade contínua e distanciamento simbólico.
Declaro isso porque talvez a grande transformação da teranóstica não seja apenas biomédica. Seja fenomenológica.
A medicina deixa progressivamente de reagir ao corpo para começar a antecipá-lo.
E quanto mais os sistemas conseguem antecipar biologicamente o futuro do corpo, menor parece tornar-se o espaço subjetivo reservado àquilo que sempre constituiu parte fundamental da experiência humana da doença: a incerteza.
