N° 03/2026·Série Científica SBURS
Atualização Científica
Inteligência Artificial na Urologia: aplicações práticas, responsabilidade médica e o novo marco regulatório
Resumo Científico do Webinar SBU-RS · Departamento de Inteligência Artificial e Novas Tecnologias
18 de agosto de 2026
Data do webinar
Depto. de Inteligência Artificial e Novas Tecnologias
DEPARTAMENTO
Inteligência Artificial na Urologia:
TEMA
Resumo Científico SBURS
DOCUMENTO
Introdução
A Sociedade Brasileira de Urologia – Seccional Rio Grande do Sul (SBU-RS) promoveu webinar científico dedicado à Inteligência Artificial (IA) e às novas tecnologias aplicadas à prática urológica. Coordenado pelo Departamento de Inteligência Artificial e Novas Tecnologias, sob a coordenação do Dr. Luis Olímpio Dias Jordão, o encontro reuniu os Drs. Frederico Mascarenhas, Renan Cabral e Sami El Jundi para uma discussão multidisciplinar sobre educação médica, aplicações clínicas, automação, pesquisa científica, proteção de dados, responsabilidade profissional e regulamentação.
01 - Da novidade tecnológica à competência profissional
A primeira mensagem do webinar foi que a IA deixou de ser uma perspectiva futura e passou a integrar concretamente o ecossistema assistencial, científico e administrativo da Medicina. Nesse contexto, a SBU vem discutindo a necessidade de compreender qual é o nível de conhecimento e de proficiência dos urologistas brasileiros e de desenvolver uma estratégia estruturada de capacitação.
A proposta apresentada incluiu a realização de diagnóstico do grau de familiaridade da comunidade urológica com essas ferramentas, seguido de atividades práticas, educação continuada e, progressivamente, workshops voltados à construção de soluções reais. O objetivo não é simplesmente ensinar o uso de uma plataforma específica, mas promover uma verdadeira alfabetização em IA, permitindo ao urologista reconhecer problemas, selecionar ferramentas adequadas, compreender limitações e utilizar a tecnologia de forma crítica.
02 - IA como instrumento de apoio à prática urológica
Foram apresentadas aplicações que já podem ser incorporadas ao cotidiano profissional. Entre elas, destacam-se a busca e síntese inicial de evidências científicas, organização de bases documentais, elaboração de relatórios, estruturação de informações clínicas, preparação de materiais educativos para pacientes, apoio à documentação cirúrgica e automação de tarefas administrativas.
Ferramentas baseadas em grandes modelos de linguagem podem atuar inicialmente de forma reativa, respondendo a perguntas, produzindo textos, resumindo documentos ou estruturando informações. Em um estágio mais avançado, automações e agentes podem executar rotinas previamente definidas, como organizar fluxos de trabalho, preparar documentos, acompanhar processos e auxiliar na gestão de atividades repetitivas.
03 - Pesquisa científica e organização do conhecimento
A IA foi apresentada como potencial acelerador do processo de atualização científica. Plataformas de busca baseadas em evidências e ferramentas capazes de trabalhar sobre um conjunto previamente selecionado de fontes podem reduzir o tempo necessário para localizar informações, comparar documentos, identificar divergências e organizar conteúdos.
Entretanto, os palestrantes enfatizaram que a IA não substitui a leitura crítica do artigo original. Um resumo automatizado pode omitir nuances metodológicas, limitações, critérios de seleção, desfechos secundários ou informações essenciais para uma decisão clínica. Da mesma forma, referências bibliográficas sugeridas por modelos generativos devem ser individualmente verificadas, uma vez que sistemas de IA podem produzir citações inexistentes ou informações incorretas.
04 - Do prompt à criação de soluções personalizadas
Um dos aspectos mais práticos do webinar foi a demonstração de que o desenvolvimento de soluções digitais tornou-se mais acessível. Foram apresentados exemplos de aplicativos e sistemas construídos para resolver problemas específicos da prática urológica, incluindo organização de orçamentos cirúrgicos, acompanhamento pré e pós-operatório, monitoramento de continência e função sexual, estruturação de dados clínicos e geração de dashboards para análise de resultados.
Esse novo paradigma aproxima o médico do processo de inovação: em vez de depender exclusivamente de soluções comerciais prontas, o profissional pode identificar uma necessidade concreta, descrevê-la, testar protótipos e aperfeiçoar progressivamente uma ferramenta. O princípio central destacado foi que a tecnologia deve ser orientada por um problema real da prática clínica e não utilizada apenas pela novidade.
05 - Documentação clínica e cirúrgica: eficiência não significa delegação
A transcrição e a estruturação de consultas foram apontadas como aplicações potencialmente úteis para reduzir perda de informações e otimizar o tempo médico. Da mesma forma, a descrição cirúrgica pode ser parcialmente automatizada a partir de modelos previamente estruturados, nos quais o médico fornece os dados relevantes do procedimento e a ferramenta organiza essas informações em formato documental.
Contudo, foi feita uma distinção importante entre utilizar a IA para registrar informações selecionadas pelo médico e permitir que o sistema selecione autonomamente o que é clinicamente relevante. A anamnese contém informações verbais e não verbais cujo significado depende do contexto e da interpretação profissional. Assim, qualquer conteúdo gerado automaticamente deve ser revisado antes de sua incorporação ao prontuário.
06 - O princípio da responsabilidade médica
A mensagem mais consistente ao longo de todas as apresentações foi inequívoca: a inteligência artificial é uma ferramenta de apoio, e não uma entidade responsável pela assistência. O médico permanece responsável pelas decisões diagnósticas, prognósticas, terapêuticas e cirúrgicas. Não é admissível transferir a responsabilidade profissional ao algoritmo sob o argumento de que determinada conduta foi sugerida por uma ferramenta tecnológica.
Essa posição foi reforçada pela Resolução CFM nº 2.454/2026, que normatiza o uso da IA na Medicina no Brasil. Segundo o Conselho Federal de Medicina, a decisão final permanece sob responsabilidade do médico, que deve exercer julgamento crítico sobre as recomendações produzidas pelos sistemas, manter-se atualizado sobre suas limitações e registrar no prontuário o uso da tecnologia como suporte quando aplicável.
07 - Resolução CFM nº 2.454/2026: principais implicações para o urologista
A regulamentação do CFM representa um marco particularmente relevante para a incorporação da IA à prática médica brasileira. A norma, publicada em fevereiro de 2026 e atualmente em vigor, estabelece princípios para o desenvolvimento, utilização e governança de soluções de IA aplicadas à Medicina.
-
IA como apoio, não como substituição do médico — a autoridade final sobre decisões diagnósticas, terapêuticas e prognósticas permanece com o profissional médico.
-
Supervisão humana e julgamento crítico — o médico pode acolher ou rejeitar recomendações do sistema de acordo com seu julgamento técnico e ético.
-
Transparência perante o paciente — informações claras e acessíveis sobre o uso da IA, especialmente quando ela desempenhar papel relevante no cuidado.
-
Registro e rastreabilidade — o uso da IA como suporte à decisão deve ser adequadamente documentado quando aplicável.
-
Proteção de dados — desenvolvimento, treinamento e implementação devem observar a LGPD e requisitos de segurança da informação em saúde.
-
Classificação de riscos — análise dos sistemas segundo níveis de risco, considerando autonomia, complexidade, impacto sobre direitos fundamentais e sensibilidade dos dados.
-
Governança institucional — instituições que desenvolvem ou utilizam sistemas próprios devem estruturar processos de governança compatíveis com o risco e a criticidade da aplicação.
-
Preservação da relação médico-paciente — a tecnologia não pode comprometer a escuta qualificada, a empatia, a confidencialidade e o respeito à dignidade da pessoa humana.
-
Não delegação da comunicação clínica — a comunicação de diagnóstico, prognóstico ou decisão terapêutica não deve ser delegada à inteligência artificial.
08 - Proteção de dados e anonimização: a 'linha vermelha' da prática
A proteção dos dados sensíveis foi apontada como uma das principais limitações práticas para o uso indiscriminado de ferramentas de IA. Informações que permitam identificar direta ou indiretamente o paciente exigem tratamento particularmente rigoroso. A simples retirada do nome pode não ser suficiente quando a combinação de data, instituição, procedimento, diagnóstico ou outras características permitir a reidentificação.
O webinar ressaltou a necessidade de compreender onde os dados são processados, quais informações podem ser utilizadas para treinamento de modelos, quais garantias contratuais existem e qual é o nível de controle institucional sobre a infraestrutura tecnológica. Em aplicações de maior sensibilidade, a discussão envolve arquitetura de dados, controle de acesso, segregação de permissões, rastreabilidade e governança.
09 - Cadeia de confiança, vieses e propagação de erros
A apresentação jurídica introduziu o conceito de 'cadeia de confiança'. A assistência médica depende de múltiplas fontes de informação: anamnese, exames laboratoriais, imagens, relatórios, avaliações de outros profissionais e sistemas de apoio. A introdução da IA em diferentes etapas pode alterar essa cadeia.
Um erro aparentemente pequeno na seleção ou no resumo de uma informação pode contaminar etapas subsequentes. Uma síntese inadequada da anamnese pode influenciar a formulação de uma pergunta clínica; uma pergunta mal estruturada pode direcionar inadequadamente uma busca bibliográfica; e o resultado desse processo pode influenciar uma decisão posterior. Por isso, a qualidade do resultado final depende da qualidade e da confiabilidade de cada etapa anterior.
10 - Auditabilidade, explicabilidade e contestabilidade
Foram destacados três conceitos fundamentais para sistemas de IA empregados em contextos sensíveis: auditabilidade, explicabilidade e contestabilidade. A auditabilidade está relacionada à possibilidade de examinar e avaliar o funcionamento e o uso de um sistema; a explicabilidade diz respeito à compreensão dos fatores relevantes que contribuíram para determinado resultado; e a contestabilidade envolve a possibilidade de questionar, revisar e corrigir decisões ou resultados potencialmente inadequados.
A decomposição de problemas complexos em etapas foi apresentada como estratégia para tornar o processo de trabalho mais verificável. A literatura sobre chain-of-thought prompting, publicada a partir de 2022, demonstrou que a explicitação de etapas intermediárias pode melhorar o desempenho de modelos em determinadas tarefas de raciocínio. No contexto médico, entretanto, é essencial diferenciar técnicas de prompting e raciocínios ou registros clínicos auditáveis: a justificativa clínica deve permanecer fundamentada em evidências e no julgamento profissional, e não ser confundida com uma explicação automática do funcionamento interno do modelo.
11 - O direito do paciente e os desafios da recusa ao uso da IA
Outro ponto debatido foi a autonomia do paciente diante da crescente incorporação da IA aos processos assistenciais. À medida que algoritmos passam a integrar exames, sistemas de informação e fluxos institucionais, torna-se mais complexo identificar quando e onde a IA participa efetivamente do cuidado.
A transparência, portanto, não deve ser tratada apenas como formalidade. O desafio prático é garantir informação compreensível e preservar os direitos do paciente sem criar promessas impossíveis de cumprir em sistemas nos quais componentes automatizados já estejam incorporados à infraestrutura diagnóstica ou administrativa.
12 - Pesquisa científica: transparência no uso de IA
O webinar também mencionou a crescente importância da transparência quanto ao uso de IA na produção científica. Em 2026, o CNPq publicou sua Política de Integridade na Atividade Científica com diretrizes específicas para inteligência artificial generativa, estabelecendo que seu uso deve ser declarado, com identificação da ferramenta e da finalidade, e reafirmando a responsabilidade integral dos autores pelo conteúdo final.
Para pesquisadores e autores, essa diretriz reforça uma mudança de cultura: a IA pode ser utilizada como instrumento de apoio, mas seu emprego deve ser transparente, compatível com as regras éticas e editoriais aplicáveis e não pode ocultar autoria humana, responsabilidade intelectual ou a necessidade de verificação das informações.
Fontes e referências
01.Conselho Federal de Medicina (CFM). Resolução CFM nº 2.454/2026 — normatiza o uso da inteligência artificial na medicina.
02.Conselho Federal de Medicina. CFM normatiza uso da IA na medicina. 27 fev. 2026 — síntese oficial dos principais dispositivos da Resolução CFM nº 2.454/2026.
03.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq). Política de Integridade na Atividade Científica: diretrizes para o uso de inteligência artificial generativa na pesquisa científica. 2026.
04.European Parliament and Council. Regulation (EU) 2024/1689 of 13 June 2024 — Artificial Intelligence Act.
05.Wei J, Wang X, Schuurmans D, et al. Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. 2022.
06.Wang X, Wei J, Schuurmans D, et al. Self-Consistency Improves Chain of Thought Reasoning in Language Models. 2022.
07.Zhou D, Schärli N, Hou L, et al. Least-to-Most Prompting Enables Complex Reasoning in Large Language Models. 2022.
08.Ferramentas citadas como exemplos: OpenEvidence (busca e síntese de evidências); NotebookLM / ecossistema de IA do Google (organização documental); ChatGPT, Gemini e Claude (modelos generativos de uso geral).
Documento elaborado a partir da transcrição do webinar da SBU-RS e complementado, para a seção regulatória e de referências, com consulta a fontes oficiais e publicações acadêmicas. Trata-se de resumo científico-informativo e não substitui a leitura integral da Resolução CFM nº 2.454/2026 ou de outros instrumentos normativos aplicáveis.
Mensagens finais do webinar
-
01.A incorporação responsável da IA não reduz a importância da formação médica — pelo contrário, exige mais conhecimento, não menos.
-
02.Quanto maior o potencial de uma ferramenta para gerar, resumir ou recomendar informações, maior é a necessidade de conhecimento para reconhecer erros, vieses, alucinações e conclusões inadequadas.
-
03.A IA pode ampliar produtividade, acelerar a atualização científica, melhorar a organização de dados e apoiar a inovação.
-
04.Seu valor real depende da qualidade do problema formulado, da confiabilidade das fontes utilizadas, da proteção adequada dos dados, da supervisão humana e da capacidade do médico de exercer julgamento crítico.
-
05.A responsabilidade profissional permanece com o médico — não é admissível transferi-la ao algoritmo.
Ao promover esse debate, a SBU-RS reafirma seu compromisso com uma incorporação tecnicamente qualificada e eticamente responsável das novas tecnologias à Urologia, preservando a autonomia profissional, a centralidade da relação médico-paciente e a segurança como princípios fundamentais.