Os autores informam não haver conflito de interesse.
Palloma Morais de Medeiros Reis (1)
Marcio Antônio da Silva (1)
(1) Faculdade de Ciências Médicas da Santa Casa de São Paulo.
INTRODUÇÃO: A Inteligência Artificial (IA) consiste em um campo abrangente e diversificado de sistemas computacionais desenvolvidos em busca de simular capacidades cognitivas humanas. Sua atuação se baseia na aplicação de algoritmos e modelos estatísticos que permitem que máquinas aprendam com dados, reconheçam padrões, tomem decisões e resolvam problemas de forma autônoma e inteligente. É uma ferramenta que deixou de ser uma promessa do futuro para se tornar uma realidade operacional consolidada no mundo atual, promovendo eficiência, automatização de tarefas e inovação em múltiplos setores. Seu impacto no contexto de Medicina Legal e Perícia Médica (MLPM) também é expressivo, desde contribuir com a análise de volumes robustos de dados médicos, até atuar no refinamento de resultados e na detecção de evidências. A despeito de sua capacidade de redefinir fluxos de trabalho e promover transformações substanciais na sociedade, a IA – paradoxalmente – demanda uma urgência ainda maior na compreensão e mitigação de seus riscos e limitações inerentes, especialmente em áreas onde a precisão e a confiabilidade são atributos inegociáveis, como na MLPM.
OBJETIVO: O presente estudo visa analisar os potenciais e limites do uso da inteligência artificial em Medicina Legal e Perícia Médica, com ênfase nas implicações éticas e legais deste instrumento.
METODOLOGIA: Trata-se de uma revisão de literatura, narrativa, ocorrida nos meses de maio a julho de 2025, baseada no levantamento de produção científica recente e atualizada. A busca envolveu as bases de dados Pubmed e Biblioteca Virtual em Saúde (BVS), empregando os descritores “artificial intelligence” e “legal medicine”, limitados aos campos de título, resumo ou assunto. Foram considerados somente artigos publicados nos últimos cinco anos, disponíveis em texto completo e redigidos em inglês ou português. Inicialmente, designou-se 11 registros na plataforma Pubmed, dos quais seis foram selecionados para análise integral após avaliação dos resumos. Na BVS, por sua vez, 11 estudos foram localizados, resultando em cinco selecionados para revisão após a eliminação de duplicatas e de trabalhos tangenciais ao tema proposto. A seleção de obras também englobou o repositório do Google Scholar, priorizando artigos originais, com o mesmo conteúdo central, robustez metodológica, revisões sistemáticas e citados expressivamente, para garantir a relevância e atualidade das evidências discutidas. Excluíram-se estudos que não abordavam inteligência artificial e Preprints. As 13 produções eleitas foram submetidas a uma avaliação qualitativa detalhada, fundamentando o presente trabalho.
RESULTADOS E DISCUSSÃO: A utilização da inteligência artificial em MLPM configura uma das mais promissoras e desafiadoras fronteiras da saúde digital contemporânea [1,2,3]. Os avanços tecnológicos recentes, impulsionados por uma arquitetura de redes neurais cada vez mais sofisticada, aliados à crescente disponibilidade de dados médicos, têm permitido o desenvolvimento de sistemas de IA capazes de transformar práticas periciais, desde o diagnóstico até a avaliação da responsabilidade profissional [4,6]. Esse tipo de operação pode ser significativamente aprimorado, por exemplo, por algoritmos de aprendizado de máquina e “deep learning” – redes neurais artificiais com múltiplas camadas que analisam dados e aprendem padrões complexos, de modo similar à maneira como o cérebro humano processa informações [1,3,4]. No entanto, a adoção dessas ferramentas exige uma abordagem crítica e fundamentada, considerando tanto os potenciais benefícios quanto os riscos inerentes à sua aplicação [2,5,7]. Pesquisas destacam que a IA pode atuar em três principais dimensões do diagnóstico: na definição e redefinição de categorias patológicas, na identificação e análise de sinais, e na operação de correspondência entre sinais e patologias, resultando em diagnósticos mais precisos e rápidos [9]. Modelos de IA já superam a performance de peritos humanos em tarefas específicas, como a identificação de diatomáceas em casos de afogamento e a classificação de lesões ósseas, com acurácia e velocidade superiores às técnicas convencionais [1,4,6]. Apesar dos avanços, um dos principais desafios enfrentados pela adoção da IA na prática pericial se refere à qualidade e representatividade dos dados utilizados para treinamento dos modelos. Alguns desenvolvidos a partir de bancos de dados limitados ou não representativos tendem a apresentar desempenho insatisfatório em cenários reais, comprometendo a generalização dos resultados. Além disso, a heterogeneidade das coortes estudadas e a falta de padronização dos protocolos de coleta de dados dificultam a validação externa dos algoritmos, restringindo sua aplicabilidade em diferentes contextos [2,11]. Outro ponto crítico é a explicabilidade dos sistemas de IA. Muitos algoritmos, especialmente os baseados em deep learning, funcionam como “caixas-pretas”, dificultando a compreensão do processo decisório por parte dos peritos e magistrados [9,11]. Sabe-se que a engenharia de prompts aprimora a formulação de comandos para IA em busca de respostas coerentes e rigorosas, fatores cruciais para a licitude e confiabilidade da pesquisa científica, uma vez que a qualidade dos resultados está intrinsecamente relacionada à qualidade dos prompts [10]. Essa explicabilidade é fundamental para garantir a robustez dos resultados periciais e para assegurar o direito à defesa nos processos judiciais [8]. Técnicas de explainable artificial intelligence (XAI), como o Grad-CAM, têm sido empregadas para identificar as regiões de interesse utilizadas pelos modelos na tomada de decisão, aumentando a transparência e a confiabilidade dos sistemas [9,11]. Nesse contexto, é importante destacar que a IA ainda não substitui o julgamento humano, atuando como uma ferramenta de apoio à decisão pericial [8]. Sem negligenciar, todavia, o fato de que a economia de tempo proporcionada por essas tecnologias deve ser, em parte, reinvestida em processos rigorosos de validação e auditoria da qualidade dos materiais periciais produzidos, uma vez que o perito permanece responsável pela integridade, acurácia e adequação dos laudos aos preceitos éticos e legais vigentes [12]. O emprego ético e crítico da IA, com reinvestimento constante do tempo ganho em ações de supervisão qualificada e curadoria dos resultados, é indispensável para garantir que a evolução tecnológica caminhe pari passu com o rigor científico e a segurança jurídica exigidos na atuação pericial. Ademais, a integração desses sistemas na avaliação da responsabilidade profissional em saúde também tem sido objeto de discussão na esfera Cível. Isso porque a IA pode auxiliar na análise de grandes volumes de dados relacionados a casos de danos materiais e/ou morais decorrentes da prestação de serviços de saúde, identificando padrões e fatores de risco que podem passar despercebidos em análises tradicionais [13]. Ela pode, também, contribuir para a reconstrução de cadeias causais, avaliação de danos e análise da conformidade das condutas médicas com os padrões de cuidado, tornando o processo de avaliação mais objetivo e eficiente. A questão da responsabilidade legal em casos de erro atribuído a sistemas de IA ainda carece de regulamentação específica [11,13]. Estudos apontam que, atualmente, a responsabilidade recai sobre o profissional de saúde, que deve avaliar criticamente as recomendações geradas pela IA e tomar as decisões finais [13]. O uso de sistemas autônomos, capazes de deliberar sem intervenção humana, ainda é incipiente e enfrenta barreiras éticas e legais, exigindo adaptações na legislação e na formação dos peritos. Os resultados obtidos até o momento demonstram que a IA pode revolucionar a MLPM, tornando os processos periciais mais ágeis, precisos e eficientes [1,4,6,7]. No entanto, sua adoção exige cautela, transparência e constante atualização dos profissionais envolvidos [6,8,11]. Também é argumentado que a eficiência das soluções de inteligência artificial aplicadas à medicina poderia ser muito ampliada caso elas aprimorassem sua habilidade conversacional, fundamentadas em vasto repertório de conhecimentos médicos, enquanto se comunicam com níveis apropriados de empatia e confiança durante as interações [15]. Outra perspectiva sobre o tema é apresentada pelo cardiologista Eric Topol, autor do livro Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Topol argumenta que a inteligência artificial possui potencial para reumanizar o cuidado em saúde, ao favorecer uma relação médico-paciente mais sólida. Segundo ele, ao automatizar processos clínicos, a IA permite ao profissional dedicar maior atenção ao paciente, fato que sedimenta o senso de confiança e presença [14]. Assim, ela se apresenta como uma aliada poderosa da MLPM, de modo que a evolução contínua das técnicas e a busca por modelos mais transparentes são essenciais para assegurar a excelência e a confiabilidade dos resultados apresentados aos tribunais e à sociedade.
CONCLUSÃO: O uso da Inteligência Artificial nos processos de trabalho e na Medicina Legal e Perícia Médica representam um avanço tecno científico importante, além de garantir maior agilidade metodológica e de aumentar a probabilidade de detecção de padrões que poderiam ser negligenciados. Os principais limites desta ferramenta, todavia, envolvem sobretudo questões de transparência, vieses, responsabilidade, proteção de dados e regulamentação. Tais fatores impactam diretamente a segurança, confiabilidade e, por conseguinte, a aceitação dos resultados periciais, exigindo atenção minuciosa de profissionais, reguladores e da própria sociedade. Dessa forma, torna-se imprescindível estabelecer um equilíbrio entre a automação e a expertise humana para garantir que as análises periciais sejam precisas e coerentes. A necessidade de profissionais capacitados para interpretar, questionar e validar os resultados de IA é essencial, uma vez que tal ferramenta não substitui o juízo clínico. Ou seja, o médico deve permanecer como agente decisório central, com sua autonomia profissional certificada. Somente através de um arcabouço ético robusto, da supervisão humana contínua e da participação ativa dos profissionais de saúde na avaliação e uso dos sistemas de IA será possível maximizar seus benefícios e mitigar riscos. A combinação entre tecnologia e expertise humana, aliada a políticas públicas bem estruturadas, é indispensável para fomentar seu potencial transformador, fortalecendo a confiança da sociedade e do sistema de justiça nos resultados periciais. Futuras investigações, por sua vez, devem focar em metodologias para validação externa de algoritmos em diversas coortes forenses e no desenvolvimento de estruturas regulatórias adaptativas, capazes de acompanhar a evolução tecnológica sem, contudo, inibir a inovação.








