Quando o algoritmo renova a receita: o experimento de Utah e os limites da Resolução CFM 2.454/2026

Em janeiro de 2026, Utah se tornou o primeiro estado americano a permitir que um sistema de inteligência artificial renovasse prescrições sem a participação direta de um médico em cada transação. A plataforma de telessaúde Doctronic recebeu autorização para renovar receitas de cerca de 190 medicamentos de uso contínuo, cobrando US$ 4 por renovação. A Associação Médica Americana reagiu com alertas sobre riscos para pacientes e médicos.

Oito meses depois, entrou em vigor no Brasil a Resolução CFM 2.454/2026, primeira norma do Conselho Federal de Medicina dedicada ao uso de IA na prática médica. As duas decisões respondem à mesma pressão econômica com arquiteturas jurídicas opostas, e o contraste diz muito sobre como os serviços profissionais serão reorganizados nos próximos anos.

A arquitetura do sandbox

O sistema de Utah funciona dentro de um mecanismo de mitigação regulatória administrado pelo Escritório de Política de Inteligência Artificial do estado. A lógica é a de um sandbox: o poder público concede alívio temporário e condicionado de exigências específicas em troca de transparência, envio de dados e possibilidade de encerrar o teste a qualquer momento.

A validação foi escalonada. As primeiras 250 renovações de cada classe terapêutica passaram por revisão médica antes da emissão, seguidas de amostragem contínua e auditorias. A lista autorizada privilegia terapias estáveis e de alto volume, como anti-hipertensivos e antidepressivos, e exclui substâncias controladas, estimulantes e medicamentos que exigem ajuste frequente. O sistema também está impedido de alterar tratamentos e de iniciar novas prescrições.

Os primeiros números, divulgados pelo governo estadual em maio, merecem leitura atenta. A IA recomendou a renovação em 72% dos casos, e os médicos revisores concordaram em 91% deles. Nos 28% encaminhados para avaliação humana, os revisores consideraram o escalonamento necessário em 69% das vezes e excessivamente cauteloso nas demais. O próprio escritório estadual abriu uma revisão independente para entender se as divergências refletem variação clínica razoável ou falhas do sistema. Os dados são encorajadores e ainda insuficientes para conclusões definitivas.

A pressão econômica por trás da automação

A renovação de receitas foi escolhida por um motivo preciso. Trata-se de uma tarefa de alto volume e baixa variabilidade, em que a função clínica consiste sobretudo em verificar critérios definidos previamente. Estimativas correntes na literatura americana situam o custo da não adesão a medicamentos entre US$ 100 bilhões e US$ 300 bilhões por ano, e atrasos na renovação contribuem para esse número.

O Brasil conhece bem essa pressão. Filas para consultas especializadas no SUS, concentração de médicos nas capitais e o peso crescente das doenças crônicas numa população que envelhece tornam atraente qualquer mecanismo capaz de liberar tempo clínico para os casos complexos. Não por acaso, o governo federal lançou em 2025 o programa Agora Tem Especialistas para reduzir o tempo de espera por consultas e exames. A premissa econômica que levou Utah ao experimento existe aqui com intensidade ainda maior, e a tentação de automatizar tarefas clínicas rotineiras vai crescer na mesma proporção.

A resposta brasileira: o médico como responsável final

A Resolução CFM 2.454/2026 foi publicada em 27 de fevereiro e entrou em vigor em 26 de agosto. Seu princípio central é inequívoco: a decisão final cabe sempre ao médico, e a IA funciona exclusivamente como ferramenta de apoio às decisões diagnósticas, terapêuticas e prognósticas. A norma veda que o sistema comunique diagnósticos ou condutas ao paciente sem mediação humana, exige que o paciente seja informado sobre o uso de IA em seu cuidado, classifica os sistemas por grau de risco e prevê instâncias internas de governança nas instituições que utilizam ferramentas próprias, tudo sob observância estrita da LGPD.

O modelo de Utah, transplantado para o Brasil hoje, esbarraria nessa regra. Uma renovação automática sem médico responsável pela decisão contraria o núcleo da resolução. Se o software se enquadrar como dispositivo médico, entra também em cena a RDC 657/2022 da Anvisa, que disciplina o software como dispositivo médico.

O vácuo legislativo

O ponto mais delicado está em outro lugar. As regras brasileiras sobre IA vêm sendo escritas por órgãos setoriais antes que o legislador defina parâmetros gerais. O PL 2338/2023, marco legal da inteligência artificial aprovado pelo Senado em dezembro de 2024, segue aguardando parecer na Câmara dos Deputados. Conselhos profissionais, agências reguladoras e a ANPD avançam cada um em sua esfera, e o risco de fragmentação é concreto. Onde termina a responsabilidade do médico e começa a do desenvolvedor? Como conciliar segredo comercial e dever de transparência? A resolução do CFM responde parte dessas perguntas para a medicina e deixa as demais para uma lei que ainda não veio.

Três lições para quem lidera serviços profissionais

O experimento de Utah e a resolução brasileira oferecem lições que valem para além da saúde.

A primeira é tratar a regulação como território de engenharia institucional. Utah criou uma estrutura para testar a tecnologia com segurança antes que ela estivesse perfeita. Líderes de setores regulados ganham quando participam desde cedo de sandboxes e grupos de trabalho que moldam as regras, levando ao regulador métricas que possam ser reportadas com regularidade.

A segunda é identificar o fluxo mínimo viável para a autonomia. A Doctronic isolou uma interação repetitiva, cheia de atrito e com modo de falha detectável cedo, construiu infraestrutura em torno dela e deixou o restante do atendimento com os médicos. Qualquer setor tem tarefas com esse perfil.

A terceira é desenhar o escalonamento antes de automatizar. Os gatilhos que devolvem o caso ao profissional humano são a peça mais importante do sistema. No Brasil, a resolução do CFM torna esse desenho obrigatório na medicina, e é provável que outros conselhos profissionais sigam caminho semelhante.

A pergunta relevante para os próximos anos diz respeito a quem vai construir a infraestrutura confiável para governar a automação de julgamentos rotineiros. Utah escolheu testar a autonomia sob vigilância. O Brasil escolheu preservar o médico no centro da decisão. As duas escolhas serão julgadas por dados, e quem medir melhor terá mais argumentos quando chegar a hora de revisar as regras.