Diagnóstico antes do diagnóstico: quando a saúde passa a prever

A medicina sempre foi movida pela capacidade de reagir: identificar sintomas, confirmar um diagnóstico e tratar. Hoje, porém, testemunhamos o surgimento de uma nova etapa, onde a saúde não espera a doença se manifestar. Dois avanços recentes ilustram esse salto: o exame de sangue HPV-DeepSeek, capaz de prever câncer de cabeça e pescoço até dez anos antes, e uma inteligência artificial que identifica sinais precoces de Parkinson em vídeos simples dos dedos em movimento.

O que a ciência já mostrou

O HPV-DeepSeek, desenvolvido por pesquisadores do Mass General Brigham, analisou amostras de sangue de milhares de pessoas e conseguiu prever com alta precisão quem desenvolveria câncer orofaríngeo associado ao HPV. Em muitos casos, a presença de fragmentos de DNA tumoral foi detectada quase uma década antes do diagnóstico clínico. Na neurologia, grupos de pesquisa testaram algoritmos de deep learning aplicados a vídeos curtos de movimentos repetitivos de dedos e observaram padrões sutis que escapam ao olhar humano. Esses sinais antecipam o diagnóstico da doença de Parkinson, oferecendo tempo precioso para intervenções clínicas e científicas.

Implicações clínicas

Essas descobertas levantam novas questões. Na oncologia, como lidar com um paciente assintomático que apresenta marcador positivo? É preciso iniciar tratamento, intensificar o rastreamento ou apenas monitorar? O risco de sobre-diagnóstico é real, mas o ganho potencial em sobrevida também. No Parkinson, o desafio é semelhante: hoje, mesmo que identifiquemos a doença mais cedo, ainda não temos terapias capazes de interromper sua progressão. O valor está em permitir acompanhamento individualizado, inclusão em ensaios clínicos e a chance de testar tratamentos em fases iniciais, quando podem ser mais eficazes.

O desafio brasileiro

No Brasil, onde a maioria dos diagnósticos de câncer chega em estágios avançados e doenças neurodegenerativas enfrentam longas filas até especialistas, essas tecnologias podem mudar o jogo. Mas inovação sem infraestrutura vira promessa vazia. É fundamental que exames e algoritmos estejam integrados em sistemas interoperáveis como a RNDS, que laboratórios conversem com hospitais e atenção primária, e que haja trilhas de auditoria para garantir confiabilidade. Reguladores como a CONITEC e a ANS precisarão criar critérios transparentes para avaliar custo-efetividade, já que a incorporação precoce exige investimento inicial, mas promete economias e ganhos em longo prazo. Também é essencial garantir que essas soluções não fiquem restritas a centros de elite, sob risco de ampliar desigualdades.

Modelos de negócio e regulação

A medicina preditiva desafia a forma tradicional de remuneração. Se pagamos apenas pelo tratamento, não há incentivo para antecipar doenças. É hora de pensar em modelos de pagamento por valor, em que o sucesso é medido pela redução de casos avançados, pela diminuição de internações e pela melhoria da qualidade de vida. Isso significa repensar contratos tanto no SUS quanto na saúde suplementar. Além disso, exige parcerias público-privadas que unam laboratórios, hospitais e empresas de tecnologia em um ecossistema com governança clara de dados. O Brasil tem capacidade de liderar se conseguir transformar esses pilotos em políticas estruturadas.

O que vem pela frente

Os próximos passos devem incluir validação em larga escala com populações brasileiras, pilotos regulados em hospitais-escola, integração técnica com PEPs e RNDS usando padrões internacionais como FHIR, e avaliações econômicas transparentes. Também será necessário capacitar equipes médicas para lidar com a novidade: comunicar risco a pacientes, evitar alarmismo e usar os resultados de forma ética.

Conclusão

O maior risco não está na tecnologia, mas na coordenação. Se ciência, regulação e infraestrutura digital caminharam juntas, o diagnóstico antes do diagnóstico deixará de ser uma manchete promissora e se tornará parte da política de saúde. O Brasil tem diante de si a chance de decidir se será protagonista ou espectador nessa transformação.

Fontes: Harvard Gazette (2025); Journal of the National Cancer Institute (2025); IARC/NCI (2019); PubMed (2024).