Artigo de revisão
Inteligência Artificial na Perícia Médica: Ferramenta Auxiliar na Elaboração de Pareceres
Como citar: Borges DD, Borges EMDOL. Inteligência Artificial na Perícia Médica: Ferramenta Auxiliar na Elaboração de Pareceres. Persp Med Legal Pericia Med. Vol. 11, 2026; 260209.
https://dx.doi.org/10.47005/260209
Recebido em 08/09/2025
Aceito em 27/02/2026
O autor informa não haver conflito de interesse.
Artificial Intelligence in Forensic Medicine: An Auxiliary Tool in Expert Reports
Resumo
INTRODUÇÃO: A perícia médica enfrenta desafios de padronização, rastreabilidade e tempo de análise, especialmente com a judicialização da saúde. A Inteligência Artificial (IA) — incluindo machine learning e processamento de linguagem natural (PLN) — surge como ferramenta de apoio capaz de reduzir variabilidade e dar suporte ao perito na elaboração de pareceres. MATERIAL E MÉTODO: Foi realizada uma revisão narrativa da literatura (PubMed, Scopus, SciELO), abrangendo revisões sistemáticas e estudos aplicados em Medicina Legal/forense publicados entre 2015 e 2024, complementada pela análise de experiência nacional em auditoria regulatória na saúde suplementar. RESULTADOS: A análise da literatura revela que a IA já oferece ferramentas com eficácia demonstrada para a prática pericial, atuando principalmente em duas frentes. A primeira é a análise de imagem forense, com aplicações em virtópsia, detecção de fraturas em PMCT e classificação de traumas. A segunda é a análise de documentos, onde o Processamento de Linguagem Natural (PLN) é usado para extrair informações de laudos. DISCUSSÃO: A evidência indica que a IA já agrega valor à perícia, otimizando análises de imagem e mineração de documentos, mas sua implementação exige governança robusta para mitigar riscos como viés algorítmico e garantir explicabilidade, conformidade com a LGPD e alinhamento a diretrizes profissionais e regulatórias. CONCLUSÃO: A IA não substitui o perito; atua como ferramenta estratégica para ampliar precisão, consistência e eficiência dos pareceres. A integração ética e regulada de algoritmos pode acelerar fluxos, favorecer transparência e fortalecer a credibilidade da prova pericial.
Palavras Chave: Inteligência artificial; Perícia médica; Medicina legal; Virtópsia; Processamento de linguagem natural.
Abstract
INTRODUCTION- Forensic medicine faces challenges of standardization, traceability, and analysis time, particularly with health litigation. Artificial Intelligence (AI)—including machine learning and natural language processing (NLP)—emerges as a support tool to reduce variability and assist experts in drafting reports. MATERIAL AND METHOD- A narrative literature review was conducted (PubMed, Scopus, SciELO), covering systematic reviews and applied studies in forensic medicine/sciences published between 2015 and 2024, supplemented by the analysis of Brazilian experience in regulatory medical auditing. RESULTS- Literature analysis reveals that AI already offers tools with demonstrated efficacy for forensic practice, primarily in two areas. The first is forensic image analysis, with applications in virtopsy, PMCT fracture detection, and trauma classification. The second is document analysis, where Natural Language Processing (NLP) is used to extract information from reports. DISCUSSION- Evidence indicates that AI already adds value to forensic medicine by optimizing image analysis and document mining, but its implementation requires robust governance to mitigate risks such as algorithmic bias and ensure explainability, compliance with data protection laws (LGPD), and alignment with professional and regulatory guidelines. CONCLUSION- AI does not replace the medical expert; it acts as a strategic tool to enhance the accuracy, consistency, and efficiency of expert reports. The ethical and regulated integration of algorithms can accelerate workflows, promote transparency, and strengthen the credibility of forensic evidence.
Keywords (MeSH): Artificial intelligence; Forensic medicine; Expert testimony; Virtopsy; Natural language processing.
1. INTRODUÇÃO
A perícia médica é uma interface crítica entre a Medicina e o Direito, essencial para subsidiar decisões em esferas judiciais e administrativas. No contexto brasileiro, o fenômeno da judicialização da saúde expõe desafios como a heterogeneidade de relatórios, a morosidade processual e a variabilidade interpretativa entre os profissionais. Declarações públicas de líderes globais ressaltam a centralidade estratégica da Inteligência Artificial (1,2). No campo da Medicina Legal, revisões recentes documentam o crescimento exponencial do uso de IA, sobretudo em áreas como patologia forense, virtópsia (a autópsia virtual) e análise automatizada de laudos (3,4). Nesse cenário de crescente demanda por objetividade e celeridade, a Inteligência Artificial emerge não como uma mera inovação, mas como uma ferramenta estratégica com potencial para mitigar a variabilidade interpretativa e fortalecer a qualidade da prova pericial.
2. MATERIAL E MÉTODOS
Foi conduzida uma revisão narrativa da literatura, com buscas realizadas nas bases de dados PubMed, Scopus e SciELO, para o período de 2015 a 2024. Foram utilizados os descritores (e seus correspondentes em português): artificial intelligence, forensic medicine, forensic pathology, expert testimony, natural language processing. Os critérios de inclusão abrangeram revisões sistemáticas, estudos aplicados e publicações de alto impacto na área. De forma complementar, analisou-se a experiência nacional relatada em trabalho sobre auditoria em saúde premiado em âmbito nacional e aceito para publicação no Jornal Brasileiro de Auditoria em Saúde (5), bem como o debate regulatório do Seminário de Inteligência Artificial na Saúde (realizado em Brasília), sobre o Projeto de Lei nº 2.338/2023.
3. RESULTADOS
A análise da literatura revela que a IA já oferece ferramentas com eficácia demonstrada para a prática pericial, atuando principalmente em duas frentes. A primeira é a análise de imagem forense, com aplicações em virtópsia, detecção de fraturas em PMCT e classificação de traumas. A segunda é a análise de documentos, onde o Processamento de Linguagem Natural (PLN) é usado para extrair informações de laudos. Os principais benefícios reportados nos estudos são o aumento da agilidade, a melhoria da padronização e a garantia de rastreabilidade dos dados.
4. DISCUSSÃO
A evidência indica que a IA já agrega valor concreto na perícia médica, sobretudo em análises de imagem post-mortem e na mineração de documentos. Declarações e diretrizes de importantes associações internacionais, como a American Heart Association (13,14), e sínteses de periódicos de alto impacto como o NEJM (15,16) reforçam a necessidade de governança e robustez metodológica. Estudos sobre a colaboração humano-IA destacam o papel central da explicabilidade para a confiança e a efetividade da tomada de decisão (17,18).
4.1. IMPLICAÇÕES PRÁTICAS
O uso de IA na perícia médica pode trazer ganhos operacionais, como na triagem documental, no auxílio à consistência terminológica e na checagem de completude dos laudos. Em termos de qualidade, a IA favorece a padronização de seções, a rastreabilidade de citações e a redução da variabilidade interavaliador. Contudo, existem riscos como o viés algorítmico, a opacidade de modelos (black box) e o drift (degradação do desempenho do modelo ao longo do tempo), que exigem validação contínua, controle de versões e auditorias periódicas.
4.2. DESAFIOS ÉTICO-JURÍDICOS
A explicabilidade (XAI) é um requisito essencial para o escrutínio judicial e para garantir o direito ao contraditório, conforme amplamente discutido na literatura (11). A proteção de dados é outro pilar, exigindo conformidade estrita com a Lei Geral de Proteção de Dados (LGPD) e o uso de técnicas de anonimização ou pseudonimização nos fluxos de trabalho periciais. A regulação deve seguir as diretrizes de órgãos profissionais, como a ABMLPM e o Conselho Federal de Medicina (CFM), e acompanhar o debate regulatório nacional, como o do PL 2.338/2023.
4.3. PAPEL DO MOP (MODELO OPERACIONAL PADRÃO) COMO “PROMPT PERICIAL”
O Modelo Operacional Padrão (MOP) — estruturado com base nas normas ABNT e alinhado ao Código de Processo Civil de 2015 (art. 473), ao Código de Ética Médica e às diretrizes da ABMLPM — funciona como um prompt técnico-científico exclusivo do médico perito. O escopo do MOP abrange a estrutura formal do parecer (introdução, síntese dos autos, análise técnico-pericial, quesitos, conclusão), regras de forma (linguagem técnica clara, citações rastreáveis) e princípios obrigatórios (objetividade, rigor científico, imparcialidade). A IA pode apoiar a busca, organização e checagem de informações dentro desse modelo, mas o método, a análise crítica e a validação final são atividades indelegáveis ao perito.
5. CONCLUSÃO
A integração ética e regulada da Inteligência Artificial à perícia médica eleva a padronização, a rastreabilidade e a eficiência, sem substituir o juízo técnico do perito. O MOP atua como um framework de governança metodológica, reduzindo a variabilidade e favorecendo a transparência. O contexto brasileiro, com um debate regulatório ativo e produção técnica crescente, mostra-se propício para consolidação segura da perícia médica assistida por IA.
A consolidação desse avanço se beneficiaria enormemente da continuidade dos debates sobre diretrizes éticas e técnicas, já em curso no âmbito de sociedades de especialidade. Adicionalmente, a agenda futura aponta para a necessidade de estudos de validação com dados da população brasileira e para a importância de aprofundar a discussão sobre a incorporação do tema na formação e educação continuada dos peritos, garantindo que a tecnologia seja uma aliada da justiça e da medicina.
Referências bibliográficas
1. CNN. Artificial intelligence will rule the world, says Russian President Vladimir Putin. CNN International. 2017 Sept 1 [acesso em 2025-09-08]. Disponível em: https://edition.cnn.com/2017/09/01/world/putin-artificial-intelligence-will-rule-world
2. Time. 15 Quotes on the Future of Artificial Intelligence. Time Magazine. 2023 [acesso em 2025-09-08]. Disponível em: https://time.com/partner-article/7279245/15-quotes-on-the-future-of-ai
3. Villa MSC, Viana JFM, et al. Artificial intelligence in forensic medicine and pathology: A systematic review. Legal Med. 2023;64:102352. doi:10.1016/j.legalmed.2023.102352.
4. Chen Z, Wang H, et al. A review of artificial intelligence in forensic science. Forensic Sci Int Synergy. 2022;4:100249. doi:10.1016/j.fsisyn.2022.100249.
5. Borges DD, Borges EMOL, et al. Inteligência Artificial aplicada à triagem de solicitações com DUT: relato de experiência. J Bras Auditoria Saúde. [aceito para publicação].
6. Filograna L, Gibelli D, et al. A deep learning approach for trauma classification on post-mortem computed tomography. Int J Legal Med. 2020;134(6):2021-2030. doi:10.1007/s00414-020-02330-8.
7. van der Goot MRKM, Broos IAMJ, et al. Automated detection of rib fractures in post-mortem computed tomography (PMCT) using a deep learning-based algorithm. Forensic Sci Int. 2021;322:110626. doi:10.1016/j.forsciint.2020.110626.
8. Rapp CO, de-Mar-y-Alba FGR, et al. The use of artificial intelligence for the estimation of post-mortem interval based on vitreous humor potassium levels. J Forensic Leg Med. 2020;74:101968. doi:10.1016/j.jflm.2020.101968.
9. Azevedo JMZV, Oliveira LMM. Natural Language Processing for Clinical and Forensic Applications. In: De Carvalho Filho AO, Yen GG, eds. Artificial Intelligence in Medicine. Adv Exp Med Biol. 2021;1295:187-199. doi:10.1007/978-3-030-64553-4_13.
10. Cutrona S, Roccuzzo M, Agosta G, et al. Artificial intelligence in forensic pathology: A key to the future of death investigation? J Forensic Leg Med. 2023;94:102697. doi:10.1016/j.jflm.2023.102697.
11. Doshi-Velez F, Kortz M, Budish R, et al. Opening the black box: The promise and limitations of explainable machine learning in law. Harvard John M. Olin Center for Law, Economics, and Business Discussion Paper. 2019. [acesso em 2025-09-08]. Disponível em: https://dash.harvard.edu/handle/1/37366392
12. Silva MEP, Souza RFG, et al. Inovações tecnológicas e o futuro da Antropologia Forense no Brasil: uma revisão. Rev Bras Criminalística. 2021;10(2):55-67. doi:10.15260/rbc.v10i2.463.
13. Armoundas AA, Narayan SM, Arnett DK, et al. Use of artificial intelligence in improving outcomes in heart disease: A scientific statement from the American Heart Association. Circulation. 2024;149(14):e1028-e1050. doi:10.1161/CIR.0000000000001201.
14. Hanneman K, Playford D, Dey D, et al. Value creation through artificial intelligence and cardiovascular imaging: A scientific statement from the American Heart Association. Circulation. 2024;149(6):e296-e311. doi:10.1161/CIR.0000000000001202.
15. Rajpurkar P, Lungren MP. The current and future state of AI interpretation of medical images. N Engl J Med. 2023;388(21):1981-1990. doi:10.1056/NEJMra2301725.
16. Hunter DJ, Holmes C. Where medical statistics meets artificial intelligence. N Engl J Med. 2023;389(13):1211-1219. doi:10.1056/NEJMra2212850.
17. Reverberi C, Rigon T, Solari A, et al. Experimental evidence of effective human-AI collaboration in medical decision-making. Sci Rep. 2022;12:14952. doi:10.1038/s41598-022-18751-2.
18. Gaube S, Suresh H, Raue M, et al. Non-task expert physicians benefit from correct explainable AI advice when reviewing X-rays. Sci Rep. 2023;13:1383. doi:10.1038/s41598-023-28633-w.
