Paraná adota IA do Google na oncologia: análise de 1 semana em 1 hora

O Paraná se tornou o primeiro estado brasileiro a colocar uma ferramenta de Inteligência Artificial do Google em produção dentro do SUS para tratar câncer. Em quatro meses de uso, o Hospital do Câncer de Londrina e o Hospital São Vicente, em Guarapuava, conseguiram cortar o tempo de pesquisa científica para decisões oncológicas de cerca de uma semana para aproximadamente uma hora — sem trocar o médico pela máquina, e sim entregando ao médico uma base de evidência que antes era humanamente impossível de montar.

O que mudou na prática

A plataforma usada se chama Capricórnio e foi construída em parceria com o Princess Máxima Center, o maior centro de oncologia pediátrica da Europa, localizado na Holanda. Por baixo, ela roda em cima de Google Cloud e BigQuery, com acesso ao PubMed — a maior base biomédica do mundo, hoje com mais de 35 milhões de artigos e 1,5 milhão a 1,7 milhão de novas publicações por ano.

O fluxo é direto: o médico alimenta a plataforma com o perfil clínico do paciente (histórico, exames, mutações, características do tumor, tratamentos anteriores e resposta a terapias). A IA cruza esse contexto com a literatura científica usando busca semântica — ou seja, entende relações entre conceitos, não apenas palavras-chave — e devolve em minutos os estudos mais relevantes para aquele caso específico.

O ganho não é só velocidade. É cobertura. Um oncologista lendo aos domingos consegue ler alguns artigos por semana. A plataforma lê os 35 milhões em minutos.

Casos reais nos hospitais do SUS

Dois casos já apareceram em reportagens sobre o projeto.

Ana Beatriz Carvalho, 42 anos, convive há três anos com um tumor neuroendócrino. Em um exame recente, surgiram três novas lesões no fígado e a equipe precisava decidir entre trocar a terapia ou mantê-la. A plataforma localizou estudos com perfis clínicos parecidos em minutos. A equipe optou por manter a terapia principal e fazer a remoção cirúrgica das novas lesões — decisão respaldada por evidência recente.

Paciente de Guarapuava com câncer de origem desconhecida: metástases já tinham atingido linfonodos, ossos e pleura, dificultando a identificação do tumor primário. A IA identificou padrões moleculares compatíveis com instabilidade genômica — uma assinatura que sugere testes genéticos mais aprofundados. O achado abriu caminho para imunoterapia, que talvez nem entrasse no radar sem a leitura cruzada da plataforma.

Os dois casos ilustram o ponto: a IA não substituiu ninguém. Ela encurtou o caminho entre a dúvida clínica e a evidência.

O que sustenta o "1 semana → 1 hora"

Três peças de tecnologia combinadas:

1. BigQuery + Google Cloud — processa consultas sobre bases massivas (PubMed inteiro) com baixa latência. Sem isso, qualquer busca semântica sobre 35 milhões de artigos seria economicamente inviável.
2. Busca semântica — modelos que entendem o contexto clínico (perfil molecular, tipo de tumor, linha de tratamento) em vez de procurar palavras isoladas. É o que transforma a pesquisa de "texto" em "inteligência".
3. Modelos de fundação ajustados para oncologia — não é um LLM genérico respondendo sobre câncer. É um sistema treinado em literatura biomédica revisada por pares, com curadoria do Princess Máxima Center.

Esse arranjo é exatamente o que diferencia um "chatbot de IA" de uma solução que vira infraestrutura de hospital. O chatbot responde uma pergunta. O Capricórnio reorganiza o trabalho da equipe multidisciplinar.

O que isso significa para founders de HealthTech no Brasil

Três leituras práticas:

1. Verticalização vence generalismo. O modelo não é "ChatGPT para médicos". É uma stack específica (PubMed + Google Cloud + modelos ajustados) para um problema específico (decisão oncológica). Para founders brasileiros, a lição é clara: quanto mais nichado o problema, mais valiosa a IA.

2. A barreira de entrada agora é regulatória, não técnica. A peça de IA existe e está acessível via Google Cloud, AWS Bedrock ou Azure. O desafio real é validar com hospital, com conselho profissional, com comitê de ética, com a vigilância sanitária. Quem constrói o relacionamento clínico mais rápido constrói o moat.

3. SUS é mercado. O Paraná usou o SUS como ambiente de produção, não como piloto. Hospitais públicos geram volume e dados. Para HealthTechs brasileiras, mirar o SUS é mirar escala — desde que o produto tenha o rigor exigido por oncologia, cardiologia ou qualquer especialidade regulada.

Limites que o próprio projeto reconhece

Os responsáveis reforçam que a IA não substitui o médico. Ela entrega a evidência organizada; a decisão final continua sendo da equipe multidisciplinar — oncologistas, radioterapeutas, cirurgiões, patologistas. Essa clareza é parte do que torna o projeto aceitável dentro do SUS e da comunidade médica.

O segundo limite é o escopo. Capricórnio hoje é um sistema de apoio à decisão clínica, não um sistema de diagnóstico autônomo. Não lê imagem, não fecha laudo, não prescreve. Auxilia a organizar a literatura para a decisão humana.

O próximo capítulo

O governo do Paraná já sinalizou que quer expandir o uso da IA para outras áreas da saúde além da oncologia. É o mesmo movimento que vimos em outras frentes — quando um caso de uso dá certo dentro do SUS, o caminho para cardiologia, nefrologia e doenças raras costuma se abrir rápido.

Para quem constrói produto: a janela para virar a stack de IA por trás dessa expansão ainda está aberta.

Conclusão

A IA na oncologia brasileira deixou de ser promessa e virou produção. O Paraná mostrou que é possível entregar, dentro do SUS, infraestrutura de decisão clínica que era impensável há dois anos. Para founders de HealthTech, o recado é direto: a tecnologia já está disponível, o gargalo agora é construir a ponte regulatória e clínica que transforma protótipo em produto instalado.