A inteligência artificial na saúde já reduz em anos o tempo entre diagnóstico e tratamento, e isso redefine o papel da liderança farmacêutica e das equipes. O que antes era promessa de laboratório virou decisão de negócio, e executivos do setor já sentem o peso dessa mudança na rotina de gestão.
Essa foi a discussão central do episódio #371 do nosso podcast. O episódio recebeu Josiel Florenzano, presidente da Lundbeck Brasil, farmacêutica global dedicada a doenças do sistema nervoso central.
Por que o diagnóstico ainda é o maior gargalo da saúde
Primeiramente, as doenças neurológicas raras, como epilepsia resistente a tratamento e certos distúrbios do movimento, costumam levar de quatro a oito anos para receber um diagnóstico correto. Os sintomas se confundem com os de outras condições e os exames se multiplicam. Isso leva o paciente a percorrer vários especialistas até ouvir uma resposta definitiva, enquanto a doença avança e a qualidade de vida se deteriora.
Para a indústria farmacêutica, esse atraso custa duas vezes. Primeiro, adia o início do tratamento certo para quem já está doente. Depois, estende o tempo necessário para testar novos medicamentos na população adequada. Encontrar pacientes com diagnóstico preciso é pré-requisito para qualquer estudo clínico sério. Reduzir esse gargalo deixou de ser só uma meta clínica. Virou prioridade estratégica para quem compete em velocidade de inovação.
Como a inteligência artificial acelera a pesquisa clínica?
Inteligência artificial na saúde é o conjunto de algoritmos capazes de analisar grandes volumes de dados clínicos, genômicos e de prontuário. Esses algoritmos encontram padrões que um olhar humano levaria meses para enxergar. Na prática, isso significa comprimir etapas inteiras do desenvolvimento de medicamentos, da identificação de moléculas candidatas ao desenho do próprio estudo clínico.
Um estudo da McKinsey, publicado em setembro de 2025, estima que agentes de IA podem tornar o desenho de ensaios clínicos até 50% mais rápido. O levantamento também aponta uma redução de 25% nas emendas ao protocolo original e projeta ganhos de produtividade de 35% a 45% em desenvolvimento clínico nos próximos anos. Multiplicar esses ganhos por dezenas de estudos em andamento muda o ritmo de toda a indústria farmacêutica.
O papel dos dados como ativo estratégico
Nenhum desses ganhos acontece sem uma base de dados organizada. Nesse sentido, prontuários incompletos, sistemas que não conversam entre si e dados clínicos espalhados em formatos diferentes continuam sendo o maior freio para empresas que querem adotar IA em pesquisa e diagnóstico. Por isso, antes de comprar qualquer ferramenta nova, a liderança deveria fazer uma pergunta simples: os dados da própria operação já têm organização suficiente para alimentar um modelo com confiabilidade?
Empresas que investem em governança de dados como prioridade, e não como projeto de TI isolado, chegam na frente quando decidem adotar IA de forma mais ampla. Ou seja, é esse tipo de fundação, mais do que o algoritmo em si, que separa quem só testa inteligência artificial de quem de fato muda o ritmo da própria inovação.
O que muda no encontro entre paciente e tratamento
Outra frente de uso é a localização de pacientes elegíveis a pesquisas e tratamentos específicos. Isso é especialmente relevante em doenças raras, onde encontrar o paciente certo é tão difícil quanto desenvolver o medicamento em si. Ou seja, cruzando dados de prontuários eletrônicos com critérios clínicos muito específicos, algoritmos sinalizam candidatos que médicos isolados levariam anos para identificar.
Isso encurta a fila de espera de quem precisa de um tratamento específico. Portanto, também aumenta a chance de sucesso dos próprios estudos clínicos, já que recrutar a amostra certa é um dos principais motivos de atraso em pesquisas farmacêuticas no mundo todo. Quanto mais cedo a equipe forma a amostra certa, mais cedo o medicamento chega a quem precisa dele.
Da pesquisa ao dia a dia: o alcance além das doenças raras
Essa lógica não se limita a condições raras. Da mesma forma, empresas de saúde já aplicam os mesmos princípios de análise de dados em larga escala para doenças crônicas, como diabetes e hipertensão. Por que, isso ajuda a antecipar complicações antes que apareçam em exames de rotina. O ganho de tempo se repete: menos ciclos de tentativa e erro, mais precisão desde a primeira intervenção.
O caso do Grupo Fleury
Por exemplo, essa lógica já aparece em casos como o do Grupo Fleury, que usa monitoramento de linhas de cuidado apoiado por dados e inteligência artificial para acompanhar protocolos clínicos e antecipar riscos em saúde preventiva. O mesmo princípio vale muito além do universo das doenças raras. Por isso, para a liderança, isso significa repensar onde a empresa aloca seus especialistas mais experientes. Se a IA assume parte da triagem inicial, esses profissionais podem concentrar o tempo nos casos mais complexos, que exigem julgamento clínico aprofundado.
O custo humano da velocidade: por que a liderança entra na equação
Acelerar ciclos de inovação exige times sob pressão constante. Isso trouxe à discussão um tema que parecia distante da inovação tecnológica: a saúde mental de quem lidera. Desde maio de 2025, a NR-1 passa a exigir que empresas brasileiras gerenciem riscos psicossociais no trabalho, o que inclui o comportamento de gestores sob pressão por resultado.
O que a NR-1 exige de quem lidera
Primeiramente, uma pesquisa da Exame mostrou que 68% das empresas brasileiras ainda não entendem completamente o que muda com a nova norma. Isso significa que boa parte das lideranças está navegando por uma exigência legal e humana sem clareza sobre o que fazer na prática. E isso acontece justamente quando a pressão por velocidade de inovação aumenta. Essa combinação de urgência tecnológica e nova obrigação regulatória muda a prioridade das empresas. O bem-estar da liderança sai da margem e vai para o centro da estratégia de inovação.
Transformar pressão em performance sustentável
Portanto, a saída não é desacelerar a adoção de IA, mas sim redesenhar como a liderança usa o tempo que a tecnologia libera. Em outras palavras, se algoritmos assumem tarefas repetitivas de análise, sobra tempo para a liderança se dedicar à gestão de pessoas, não só à gestão de prazos. Assim, isso muda o critério de sucesso de um gestor de saúde: não basta entregar rápido, é preciso entregar sem destruir o time pelo caminho. Esse movimento conversa com uma discussão mais ampla sobre como a chegada da IA está mudando o papel de quem lidera equipes técnicas e de negócio. Essa discussão vai muito além do setor de saúde.
Como preparar a liderança para esse novo ritmo
Três movimentos aparecem como prioritários para quem lidera equipes de inovação em saúde hoje. O primeiro é mapear, com honestidade, quais tarefas a IA já pode assumir sem perda de qualidade. Isso evita tratar a tecnologia como solução genérica para todo tipo de gargalo. O segundo é definir, com a mesma clareza, para onde vai o tempo que sobra: mais pesquisa, mais atenção a pacientes, mais cuidado com o próprio time.
Por fim, o terceiro movimento é cultural. Equipes acostumadas a medir sucesso apenas pela velocidade de entrega precisam aprender a medir também pela sustentabilidade dessa entrega ao longo do tempo. Ou seja, sem esse ajuste, a IA só antecipa o esgotamento que antes levava mais tempo para aparecer. Um problema lento é trocado por um problema rápido, mas nenhum dos dois é resolvido.
Investir em governança desde o início
Vale reforçar que nenhum desses três movimentos funciona isoladamente. Mapear tarefas automatizáveis sem redefinir prioridades de tempo só cria capacidade ociosa mal aproveitada. Quando prioridades são redefinidas sem que a cultura de métricas seja ajustada, a mesma pressão de sempre é reproduzida, só que com uma ferramenta nova. Por isso, quando os três movimentos são tratados como parte de um único plano de governança, o ritmo de inovação é sustentado sem que o time seja sacrificado pelo caminho. O ideal é revisar esse plano com a mesma frequência que o roadmap de produto.
Quais são os riscos de acelerar demais a inovação em saúde?
Antes de tudo, é importante lembrar que nenhum dos ganhos de velocidade dispensa rigor regulatório. Afinal, evidência clínica robusta continua sendo exigida pelos órgãos reguladores, e essa exigência não é alterada pela aceleração de uma etapa anterior do processo. Além disso, a qualidade do resultado é determinada pela qualidade dos dados de treinamento. Essas recomendações erradas são produzidas por dados incompletos ou enviesados com a mesma velocidade com que as corretas seriam produzidas.
Por isso, o papel do especialista humano não desaparece. Ele se desloca da execução repetitiva para a validação crítica do que a IA recomenda. Empresas que tratam a tecnologia como substituta do julgamento médico, em vez de apoio a ele, tendem a colecionar retrabalho e risco reputacional no médio prazo.
O que fica para quem lidera
A inteligência artificial na saúde já não é uma aposta de médio prazo. Apesar disso, ela está encurtando, agora, o caminho entre o primeiro sintoma e o tratamento eficaz, e isso redesenha a régua de competitividade da indústria farmacêutica. Porém, a lição mais importante não é sobre tecnologia. É sobre gestão. O tempo que a IA devolve só vira vantagem real quando a liderança sabe exatamente onde reinvesti-lo, seja em mais pesquisa, seja no cuidado com as próprias equipes.
Quem trata os dois lados dessa equação, velocidade tecnológica e saúde organizacional, como parte do mesmo projeto, sai na frente. Quem trata como temas separados paga a conta mais cedo ou mais tarde, seja em resultado, seja em gente.
*Este conteúdo foi elaborado com IA, tendo como base a transcrição do episódio d’Os Agilistas, e passou por curadoria e revisão humana. Para ouvir a conversa completa, acesse o episódio.
