FDA afrouxa supervisão de IA na saúde: com 1.250+ dispositivos aprovados, o que muda na governança?

Em janeiro de 2026, a Food and Drug Administration (FDA) dos Estados Unidos revisou suas diretrizes para produtos digitais de saúde com inteligência artificial, sinalizando uma mudança significativa rumo à flexibilização regulatória. Com mais de 1.250 dispositivos médicos habilitados por IA já autorizados no país, a decisão reacende um debate fundamental: como equilibrar inovação e segurança do paciente quando algoritmos tomam decisões clínicas?

O que a FDA mudou

Em 6 de janeiro de 2026, a FDA publicou uma revisão de suas orientações sobre produtos digitais de saúde (digital health technologies), expandindo os critérios de discrição regulatória — ou seja, as condições sob as quais a agência opta por não exercer fiscalização ativa sobre determinados softwares.

A mudança mais relevante diz respeito ao Clinical Decision Support (CDS) — softwares que auxiliam profissionais de saúde na tomada de decisões clínicas. A orientação revisada amplia a discrição regulatória para casos em que o software fornece uma única recomendação clinicamente apropriada, desde que o profissional de saúde possa revisar independentemente a base da recomendação.

Esse ponto é crucial: a lógica da FDA é que, se o clínico pode verificar o raciocínio por trás da sugestão do algoritmo, a supervisão humana é suficiente para mitigar riscos. A orientação se estende, inclusive, a funcionalidades de IA generativa, desde que os profissionais consigam verificar a lógica subjacente das recomendações.

Além disso, softwares de baixo risco habilitados por IA e dispositivos vestíveis (wearables) podem agora ficar inteiramente fora do escopo de regulação como dispositivos médicos, dependendo de sua classificação de risco.

O panorama: 1.250+ dispositivos e crescendo

Para dimensionar o impacto dessas mudanças, é preciso compreender a escala do mercado. O banco de dados da FDA registra mais de 1.250 dispositivos médicos habilitados por IA já autorizados para uso nos Estados Unidos — um salto expressivo em relação aos 950 listados em agosto de 2024.

Esse crescimento de mais de 30% em menos de dois anos reflete a aceleração da adoção de IA em praticamente todas as especialidades médicas:

• Radiologia: algoritmos para detecção de nódulos pulmonares, fraturas e lesões mamárias — a especialidade com maior concentração de dispositivos aprovados.
• Cardiologia: IA para análise de eletrocardiogramas, detecção de arritmias e monitoramento contínuo via wearables.
• Patologia: análise automatizada de lâminas histológicas para identificação de células cancerígenas.
• Oftalmologia: triagem automatizada de retinopatia diabética em clínicas de atenção primária.
• Saúde mental: algoritmos de predição de crises e monitoramento comportamental via dados de smartphones.

Paralelamente, a FDA está alinhando sua Quality Management System Regulation (QMSR) ao padrão internacional ISO 13485:2016, o que pode facilitar a aprovação de dispositivos já certificados em outros mercados — e vice-versa.

As mudanças no CDS: transparência como substituto de regulação?

A expansão da discrição regulatória sobre softwares CDS representa a mudança conceitual mais profunda. A premissa regulatória agora é: se o profissional de saúde consegue entender por que o algoritmo recomendou determinada ação, a regulação direta do software é dispensável.

Essa abordagem levanta questões importantes:

O clínico realmente tem tempo e capacidade para verificar cada recomendação de IA? Em ambientes de alta pressão — pronto-socorros, UTIs, clínicas com alto volume de pacientes — a tendência é confiar na saída do algoritmo sem revisão profunda. A literatura de automation bias documenta extensivamente esse fenômeno.

O que significa "revisar independentemente a base" quando se trata de IA generativa? Modelos de linguagem de grande escala produzem saídas probabilísticas — a "lógica subjacente" nem sempre é transparente ou verificável, mesmo por especialistas.

Quem é responsável quando a recomendação falha? Se o software não é regulado como dispositivo médico, a cadeia de responsabilidade se torna nebulosa — recai sobre o clínico, o hospital, o desenvolvedor?

Para especialistas em governança de IA, a abordagem da FDA transfere uma parcela significativa do ônus de segurança da esfera regulatória para a esfera clínica — uma escolha que pode funcionar em sistemas de saúde com profissionais bem treinados e tempo adequado de consulta, mas que representa risco em contextos de sobrecarga assistencial.

Riscos da desregulamentação: o que dizem os críticos

A decisão da FDA não é consensual. Organizações de defesa do paciente e pesquisadores em segurança de IA apontam riscos concretos:

• Viés algorítmico não detectado: dispositivos treinados predominantemente com dados de populações específicas podem apresentar desempenho inferior em grupos sub-representados — disparidades que a supervisão regulatória ajudaria a identificar antes da comercialização.
• Erosão da vigilância pós-mercado: com menos dispositivos classificados como médicos, menos dados de eventos adversos serão reportados ao sistema MAUDE da FDA, reduzindo a capacidade de identificar problemas após o lançamento.
• Corrida regulatória global: a flexibilização americana pode pressionar outros reguladores a reduzir barreiras para não perder competitividade, criando um nivelamento por baixo em segurança.
• Concentração de mercado: grandes empresas de tecnologia, com recursos para navegar ambiguidades regulatórias, podem se beneficiar desproporcionalmente em relação a startups e desenvolvedores menores.

A tensão fundamental é clara: a inovação em IA na saúde avança mais rápido do que a capacidade regulatória de acompanhá-la. A resposta da FDA — reduzir o perímetro regulatório — é pragmática, mas transfere riscos que antes eram gerenciados centralmente para uma rede difusa de profissionais e instituições de saúde.

Implicações para o Brasil: ANVISA, CFM e o vácuo regulatório

O movimento da FDA tem implicações diretas para o Brasil, onde o cenário regulatório de IA na saúde ainda está em formação:

A ANVISA publicou em 2024 a RDC 740, estabelecendo requisitos para Software as a Medical Device (SaMD), mas o framework para IA adaptativa — modelos que continuam aprendendo após o deployment — permanece em discussão. A flexibilização americana pode servir de referência tanto positiva quanto negativa para a regulamentação brasileira.

O Conselho Federal de Medicina (CFM) publicou a Resolução 2.338/2023, que regulamenta a telemedicina e aborda tangencialmente o uso de IA, exigindo que o médico mantenha autonomia na decisão clínica. No entanto, não há orientação específica sobre softwares CDS com IA — lacuna que se torna mais urgente à medida que esses produtos chegam ao mercado brasileiro.

Três pontos de atenção para reguladores brasileiros:

• Harmonização seletiva: o alinhamento da FDA com a ISO 13485 pode facilitar a entrada de dispositivos americanos no Brasil via reconhecimento mútuo. A ANVISA precisa avaliar se seus critérios de segurança e eficácia são suficientes para dispositivos aprovados sob as novas regras mais flexíveis.
• Proteção de dados sensíveis: diferentemente dos EUA, o Brasil tem a LGPD, que classifica dados de saúde como sensíveis. Dispositivos de IA que processam dados clínicos precisam atender requisitos de proteção de dados que não existem na regulação americana — uma camada adicional que pode ser vantagem competitiva em governança.
• Equidade no acesso: em um sistema de saúde como o SUS, dispositivos de IA podem ampliar o acesso a diagnósticos especializados em regiões carentes de especialistas — mas apenas se a regulação garantir que esses algoritmos são validados para a população brasileira, com seus perfis epidemiológicos específicos.

O papel da governança: além da regulação

A experiência da FDA demonstra que a regulação governamental, por si só, não é suficiente para garantir o uso seguro e ético de IA na saúde. É necessário construir camadas complementares de governança:

• Governança institucional: hospitais e redes de saúde precisam de comitês de IA com autoridade para avaliar, aprovar e monitorar algoritmos em uso clínico.
• Transparência algorítmica: desenvolvedores devem fornecer documentação padronizada sobre treinamento, limitações conhecidas, populações de validação e métricas de desempenho.
• Vigilância contínua: monitoramento de desempenho em tempo real, com alertas automáticos quando a acurácia do modelo degrada abaixo de limiares pré-definidos.
• Formação profissional: programas de educação médica que preparem clínicos para interagir criticamente com sistemas de IA, compreendendo suas limitações.

O IBGIA acompanha de perto a evolução regulatória de IA na saúde globalmente, produzindo análises e recomendações para o ecossistema brasileiro. A flexibilização da FDA é um marco que merece atenção de todos os atores — reguladores, profissionais de saúde, desenvolvedores e, sobretudo, pacientes cujas vidas dependem dessas decisões.