O que o comitê de ética deve perguntar antes que dados de participantes entrem numa IA
Aldemar Araujo Castro
Criação: 13/09/2026
Atualização: 13/09/2026
Palavras: 3990
Tempo de leitura: 20 minutos
Voz na sala fria
papel que atravessa o mar
e volta sem nome
Resumo. Este texto examina o uso de inteligência artificial generativa sobre dados de participantes de pesquisa e o dever de exame das instâncias de ética. Sustenta que inserir transcrições ou prontuários em serviço externo é operação de tratamento de dados sensíveis, com transferência internacional e retenção por terceiro, e não detalhe operacional. Discute os limites da anonimização diante da evidência sobre reidentificação, articula a Lei Geral de Proteção de Dados Pessoais com a legislação de pesquisa com seres humanos, propõe cláusula para o termo de consentimento, oferece roteiro de sete perguntas ao parecerista e avalia o processamento local.
Introdução
Uma mestranda conclui dezoito entrevistas em profundidade com pacientes de um ambulatório de feridas crônicas. As gravações estão no computador do grupo de pesquisa, as transcrições ocupam mais de trezentas páginas e o prazo da qualificação se aproxima. Ela abre um assistente de inteligência artificial no navegador, cola a primeira transcrição inteira e pede que o sistema identifique os núcleos de sentido recorrentes. A resposta vem em segundos, é boa, e ela repete o procedimento com as outras dezessete. Nenhuma linha do projeto aprovado pelo Comitê de Ética em Pesquisa previa esse passo, porque, quando o protocolo foi submetido, o passo não existia como possibilidade corriqueira.
Não houve má-fé, não houve fraude e não houve, em sentido estrito, descumprimento de uma proibição expressa. Houve outra coisa, mais difícil de nomear e por isso mesmo mais frequente: relatos de sofrimento, itinerários terapêuticos, nomes de serviços, menções a familiares e descrições clínicas suficientemente singulares para identificar seus autores saíram do perímetro institucional e foram entregues a um terceiro cuja política de retenção ninguém no grupo leu. A pergunta que interessa não é se a pesquisadora agiu mal. É por que o sistema de proteção que existe precisamente para antecipar esse risco não o viu chegar.
A discussão brasileira sobre inteligência artificial na pesquisa tem se concentrado em autoria, em plágio e em integridade textual, todos temas de conduta do pesquisador diante do texto que produz. Este texto trata de outra coisa, que é a proteção de dados do participante, e sustenta que o uso de ferramentas de inteligência artificial generativa deixou de ser detalhe operacional para se tornar elemento do delineamento, sujeito a declaração no protocolo, a previsão no Termo de Consentimento Livre e Esclarecido (TCLE) e a exame da instância de ética. Ao final, propõe um roteiro de sete perguntas que o parecerista pode aplicar sem dominar a técnica, e discute qual é a resposta proporcional, que não é a proibição genérica.
O protocolo que nada diz
O silêncio do projeto sobre a ferramenta costuma ser lido como esquecimento burocrático, algo que se resolve com uma linha genérica sobre o uso de recursos computacionais. É um erro de diagnóstico. O silêncio é lacuna metodológica, da mesma natureza da omissão sobre onde ficarão guardados os questionários preenchidos, quem terá a chave do armário e por quanto tempo o material será conservado. Ninguém aprovaria hoje um protocolo que declarasse apenas que os dados serão armazenados com segurança, sem dizer onde, sob responsabilidade de quem e por qual prazo. Quando o armazenamento migra para a nuvem de um terceiro situado em outro continente, a exigência de especificação não diminui, aumenta.
A dificuldade é que o repertório de análise dos comitês foi construído em torno de objetos físicos e de riscos previsíveis. Pareceristas experientes verificam com rigor o termo de compromisso para uso de dados, a guarda de prontuários e a destruição de material biológico ao fim do estudo, porque essas são as perguntas que a formação em ética em pesquisa consolidou ao longo de três décadas. A cadeia de tratamento que se inicia quando um texto é colado numa caixa de diálogo não pertence a esse repertório, e por isso atravessa a análise sem despertar suspeita. O protocolo passa, o parecer é favorável e o risco permanece intocado, não por leniência, mas por invisibilidade.
Jones (2025) enfrentou exatamente essa assimetria ao propor uma heurística de vinte perguntas, distribuídas em cinco temas, para que pesquisadores qualitativos documentem as decisões tomadas com apoio de sistemas generativos, incluídas as práticas de dados e a interação com participantes. O mérito da proposta não está no número de perguntas, e sim no reconhecimento de que as diretrizes de relato existentes não cobrem os pontos de decisão que ficam ocultos dentro de um sistema opaco. Se o pesquisador não descreve esses pontos, o comitê não tem o que examinar, e a análise ética se converte em exame de um objeto incompleto. O Decreto nº 12.651, de 2025, ao atribuir aos comitês, no artigo 23, inciso II, o dever de assegurar a confidencialidade e o controle de acesso a documentos e dados em conformidade com a legislação de proteção de dados, tornou esse dever expresso. Não se assegura o controle de um acesso que não se conhece.
Colar um texto é tratar um dado
O gesto é tão banal que resiste a ser descrito com a gravidade que merece. Selecionar, copiar, colar, enviar. Do ponto de vista da Lei nº 13.709, de 2018, conhecida como Lei Geral de Proteção de Dados Pessoais (LGPD), esse encadeamento de cliques realiza várias operações de tratamento ao mesmo tempo, entre as quais o acesso, a transmissão, a transferência e o armazenamento, conforme a definição ampla do artigo 5º, inciso X. A trivialidade do gesto não altera a natureza jurídica da operação, assim como a facilidade de fotocopiar um prontuário nunca tornou a cópia inofensiva.
Duas consequências decorrem disso e costumam passar despercebidas. A primeira diz respeito aos papéis. O pesquisador e sua instituição figuram como controladores, porque são eles que decidem a finalidade e os meios do tratamento. O provedor do serviço de inteligência artificial figura como operador ou, a depender do que seus termos estabeleçam sobre uso próprio dos dados, como controlador em relação a finalidades adicionais. Essa distinção não é acadêmica: ela define quem responde perante o participante e perante a autoridade. Quando o pesquisador usa uma conta pessoal gratuita, não existe contrato institucional algum, e o que rege a relação é um termo de adesão de consumo que a universidade jamais negociou e que o comitê nunca viu.
A segunda consequência diz respeito à natureza do dado. Informação sobre saúde é dado pessoal sensível, nos termos do artigo 5º, inciso II, da LGPD, e seu tratamento obedece ao regime restritivo do artigo 11, que não admite as bases legais mais flexíveis aplicáveis a dados comuns. A lei prevê hipótese específica para estudos por órgão de pesquisa, no artigo 11, inciso II, alínea c, e no artigo 13, mas o faz condicionando o tratamento à garantia de sigilo e determinando que se promova a anonimização sempre que possível. Ramos et al. (2021) examinam precisamente essa tensão entre o interesse público na pesquisa e a proteção dos direitos fundamentais do titular, e mostram que a solução brasileira não confere ao pesquisador um salvo-conduto, e sim um regime de responsabilidade qualificada. Quem invoca a pesquisa como fundamento para tratar dado sensível assume, junto com a prerrogativa, o ônus de demonstrar as salvaguardas.
Há ainda uma via de entrada que escapa por completo à percepção do pesquisador, e que merece registro autônomo: a ferramenta embutida. Gravadores que transcrevem automaticamente a reunião, editores de texto que oferecem sugestões de redação, aplicativos de videoconferência que geram resumos da consulta e gerenciadores de referências com assistente incorporado enviam conteúdo a servidores remotos sem que nenhum ato deliberado de colar tenha ocorrido. O pesquisador que grava uma entrevista em um aplicativo com transcrição automática já realizou a transferência antes de abrir qualquer assistente. Para efeito de protocolo, portanto, a pergunta não é apenas o que o pesquisador pretende enviar, e sim por quais programas o material passará ao longo de todo o percurso, da captação ao arquivamento.
Anonimizar não encerra a discussão
A objeção mais comum a tudo o que foi dito até aqui é simples e aparentemente decisiva: basta remover os nomes. Se o texto colado não contém identificação direta, o problema desapareceria por definição, já que o artigo 12 da LGPD estabelece que dados anonimizados não são considerados dados pessoais. O raciocínio seria correto se a anonimização fosse um interruptor. Ela é um contínuo, e a evidência empírica sobre onde esse contínuo se rompe é mais desconfortável do que a intuição sugere.
Rocher et al. (2019) desenvolveram um modelo generativo capaz de estimar, para um indivíduo específico, a probabilidade de reidentificação correta em bases incompletas, isto é, em amostras que representam apenas uma fração da população. O resultado que ficou conhecido é que 99,98% dos estadunidenses seriam corretamente reidentificados em qualquer base de dados a partir de quinze atributos demográficos. O achado metodologicamente mais relevante, porém, é outro: a incompletude da amostra, que por muito tempo serviu de argumento tranquilizador, não protege como se supunha, porque o modelo consegue avaliar a unicidade de um registro mesmo sem acesso à população inteira. A desidentificação por remoção de identificadores diretos perde, assim, boa parte do seu poder protetivo quando o registro conserva combinações raras de atributos.
Em pesquisa qualitativa a situação é ainda menos favorável, e convém dizê-lo sem eufemismo. Uma transcrição de entrevista não é uma linha de planilha. Ela carrega o nome do serviço onde o participante é atendido, a sequência de internações, a profissão, o número de filhos, o bairro, o modo particular de narrar uma perda. Retirar o nome próprio de um relato assim reduz o risco, não o elimina, e em populações pequenas, como a de um ambulatório especializado de um único município, a singularidade do relato pode ser suficiente para que colegas do serviço reconheçam quem falou. Daí decorre uma regra prática que vale a pena fixar: a pergunta correta não é se o material foi anonimizado, e sim qual é o grau de identificabilidade residual e se ele é compatível com o destino que se pretende dar ao material.
Onde o dado fica e por quanto tempo
Admitido que o material inserido é dado pessoal, e frequentemente sensível, restam quatro perguntas de fato, cuja resposta o pesquisador precisa obter antes da submissão, não depois do parecer. A primeira é sobre retenção: por quanto tempo o provedor conserva o conteúdo enviado, e com que finalidade, incluída a finalidade legítima de monitorar abusos, que por si só implica leitura humana potencial. A segunda é sobre treinamento: o conteúdo enviado alimenta o aperfeiçoamento dos modelos do provedor. A terceira é sobre subprocessadores: quem mais, na cadeia contratual, pode acessar o conteúdo. A quarta é sobre jurisdição: em que país ocorre o processamento e sob que regime jurídico ficam os registros.
Sobre esse conjunto, uma advertência de método é indispensável. As respostas variam entre provedores, entre planos do mesmo provedor e ao longo do tempo, e é comum que o tratamento aplicado a uma conta de consumo difira substancialmente do aplicado a um contrato corporativo ou ao acesso por interface de programação de aplicações. Não cabe, portanto, afirmar em um texto de blog qual é a política vigente de cada empresa, e desconfio de qualquer material que o faça com segurança, porque essa informação envelhece em semanas. O que cabe recomendar é o procedimento: o pesquisador deve localizar a versão vigente dos termos aplicáveis ao plano que efetivamente usará, registrar a data de consulta e anexar esse documento ao protocolo, como se anexa qualquer termo de compromisso. O comitê não precisa auditar a empresa, precisa apenas verificar se o pesquisador sabe a que se vinculou.
A transferência internacional merece registro próprio, porque é a etapa mais silenciosa de todas. Quando o processamento ocorre em servidores fora do território nacional, incide o capítulo específico da LGPD, com exigência de mecanismo adequado de transferência, entre os quais as cláusulas contratuais padrão editadas pela Autoridade Nacional de Proteção de Dados. Nada disso é exótico ou inviável, e boa parte das instituições brasileiras já convive com arranjos semelhantes em serviços de correio eletrônico e de armazenamento em nuvem. A diferença é que naqueles casos houve contratação institucional, com avaliação jurídica prévia, e no caso do assistente aberto no navegador não houve contratação alguma. A Lei nº 14.874, de 2024, ao exigir no artigo 50 que o local de armazenamento disponha de sistema de segurança capaz de garantir o sigilo da identidade do participante, pressupõe justamente que alguém saiba dizer qual é esse local.
O que a norma brasileira já exige
Há uma objeção recorrente segundo a qual faltaria norma aplicável, já que nenhum dos diplomas vigentes menciona modelos de linguagem. A objeção confunde o objeto da regulação. As normas brasileiras não regulam marcas de ferramentas, regulam operações de tratamento de dados e deveres de proteção do participante, e essas categorias alcançam a ferramenta nova sem necessidade de emenda. O arcabouço já disponível é, na verdade, bastante denso.
A LGPD fornece a estrutura geral, com o regime especial dos dados sensíveis e as regras de transferência internacional. A Lei nº 14.874, de 2024, que dispõe sobre a pesquisa com seres humanos, impõe no artigo 17 o dever de todos os envolvidos zelarem pela confidencialidade dos dados e pelo anonimato do participante, determina no artigo 19 que a pesquisa seja conduzida de modo a garantir anonimato, privacidade e sigilo das informações, restringe no artigo 45 a utilização de material e dados à finalidade prevista, salvo autorização expressa no TCLE para usos futuros, e exige no artigo 50 segurança no armazenamento. O Decreto nº 12.651, de 2025, que a regulamenta e está em vigor desde 7 de outubro de 2025, explicita no parágrafo único do artigo 1º que suas disposições se aplicam às pesquisas que envolvam dados pessoais, informações sensíveis ou material biológico em conformidade com a LGPD, atribui aos comitês, no artigo 23, inciso II, o dever de assegurar confidencialidade e controle de acesso, e reafirma no artigo 34 o princípio da finalidade exclusiva.
A esse conjunto somam-se as resoluções do Conselho Nacional de Saúde que permanecem aplicáveis, com destaque para a Resolução nº 466, de 2012, e para a Resolução nº 510, de 2016, esta última especialmente relevante nas pesquisas em ciências humanas e sociais, campo em que a entrevista transcrita é o material por excelência. Convém ser honesto quanto a um ponto: a articulação precisa entre a lei nova, seu decreto regulamentador e o acervo normativo do Conselho Nacional de Saúde ainda está em acomodação, e há divergência legítima entre instâncias sobre o alcance de cada diploma em situações concretas. Essa incerteza, porém, não socorre quem nada declarou, porque nenhuma das leituras possíveis dispensa a confidencialidade, a finalidade exclusiva e a segurança do armazenamento. Quanto ao projeto de marco legal da inteligência artificial em tramitação no Congresso Nacional, prefiro não afirmar estágio nem conteúdo, dado que as fontes secundárias disponíveis divergem sobre o calendário. Quem precisar do dado deve consultá-lo diretamente no portal da casa legislativa, na data em que for usá-lo.
O que o TCLE precisa declarar
Reconhecida a incidência das normas, surge a pergunta prática: o que dizer ao participante. Existe aqui um risco real de excesso, que é transformar o termo em contrato de tecnologia, com menção a arquiteturas, provedores e cláusulas padrão que nada significam para quem assina. O TCLE é um instrumento de comunicação, e a Lei nº 14.874, de 2024, ao tratá-lo, insiste na linguagem acessível. A informação devida, portanto, é sobre o que acontece com o relato do participante, não sobre a engenharia que o processa.
Uma redação possível, e deliberadamente simples, seria a seguinte. As entrevistas serão transcritas e analisadas com o auxílio de programas de computador que utilizam inteligência artificial. Antes dessa etapa, seu nome e os dados que permitam identificá-lo diretamente serão retirados do texto. O material poderá ser processado em servidores localizados em outro país, sob contrato que obriga o fornecedor a manter sigilo, e não será utilizado para nenhuma finalidade além desta pesquisa. Se você não concordar com esse procedimento, poderá participar do estudo do mesmo modo, e a análise de sua entrevista será feita sem esse recurso. Três frases informam o essencial, e a quarta preserva a voluntariedade em um ponto em que ela costuma ser esquecida.
Caso distinto, e muito frequente na prática dos comitês, é o da pesquisa com dados secundários, em que houve dispensa do TCLE porque o material provém de prontuários ou de bases administrativas e o contato com o participante é inviável. A dispensa do termo não dispensa a proteção, e é precisamente aqui que a cautela deve subir de grau, pela razão evidente de que não existe ninguém a quem perguntar. Quando o comitê autoriza o acesso a prontuários mediante compromisso de sigilo, o perímetro autorizado é o da instituição que guarda aqueles registros, e a inserção desse conteúdo em serviço de terceiro extrapola o que foi autorizado, ainda que o pesquisador tenha agido com a melhor das intenções. Em protocolos dessa natureza, o processamento local deixa de ser preferência e passa a ser, a meu ver, a única configuração claramente defensável quando o material conserva identificabilidade.
Resta o caso mais espinhoso, que é o do consentimento já colhido. Protocolos aprovados antes da difusão dessas ferramentas contêm termos que nada dizem a respeito, e é tentador interpretar a cláusula genérica de sigilo como autorização suficiente. Não é, e a própria lei fecha essa porta ao exigir, no artigo 45, autorização expressa para uso diverso do previsto, e ao assegurar ao participante, no artigo 40, inciso X, o direito de consentir ou não com usos futuros. O caminho correto é a emenda ao protocolo, submetida à instância de ética, com a justificativa da mudança e, conforme o grau de identificabilidade do material, com novo consentimento ou com a dispensa devidamente fundamentada. É um procedimento trabalhoso, e é o procedimento previsto. A alternativa, que consiste em ampliar por interpretação o alcance de um consentimento que ninguém deu, transfere ao participante um risco que ele não teve oportunidade de recusar.
Sete perguntas do parecerista
O parecerista não precisa dominar arquitetura de sistemas para exercer sua função, assim como nunca precisou dominar cromatografia para avaliar um protocolo que a utilize. Precisa de um roteiro que separe o declarado do não declarado e que permita identificar quando a resposta é vaga. Proponho sete perguntas, que se aplicam em sequência e cuja ausência de resposta já constitui, por si, achado relevante.
A primeira pergunta é qual ferramenta será usada, em que versão e sob que modalidade de acesso, com distinção explícita entre conta pessoal gratuita, assinatura individual, contrato institucional e acesso programático. Resposta suficiente nomeia o serviço e o plano; resposta insuficiente fala em inteligência artificial no singular abstrato. A segunda é qual material exatamente será inserido, com descrição do grau de identificabilidade após o preparo, e aqui a resposta suficiente descreve o procedimento de desidentificação e o que dele resta, enquanto a insuficiente afirma que os dados serão anonimizados sem dizer como. A terceira é quem é o controlador, qual a base legal invocada e onde consta a cadeia de responsabilidade perante o participante.
A quarta pergunta é onde ocorre o processamento e se há transferência internacional, com indicação do mecanismo de adequação quando houver. A quinta é o que o provedor faz com o conteúdo, isto é, se o utiliza para treinamento, por quanto tempo o retém e quem mais o acessa, com a versão datada dos termos anexada ao protocolo. A sexta é o que o TCLE informa sobre tudo isso e, em protocolos já aprovados, se a mudança foi submetida como emenda. A sétima, que é a mais negligenciada e talvez a mais importante, é qual alternativa menos invasiva foi considerada e por que foi descartada, porque a proporcionalidade não se demonstra afirmando que a ferramenta escolhida é conveniente, e sim mostrando que as opções de menor risco foram examinadas e se revelaram inadequadas ao objetivo. Um protocolo que responda a essas sete perguntas em meia página está mais bem instruído, nesse quesito, do que a maioria dos que hoje tramitam. Convém, ainda, que as respostas obtidas fiquem consignadas no parecer consubstanciado, e não apenas na conversa da reunião, porque é esse registro que permitirá ao próprio comitê acompanhar o protocolo ao longo do tempo e demonstrar, se algum dia for necessário, que a questão foi efetivamente examinada no momento da aprovação.
A resposta proporcional
Seria simples, e seria ruim, concluir daqui pela proibição. Comitês de Ética em Pesquisa que vedam genericamente o uso de inteligência artificial produzem dois efeitos previsíveis, ambos indesejáveis: empurram a prática para a clandestinidade, onde ela ocorre sem qualquer salvaguarda, e privam pesquisas legítimas de ganhos reais de qualidade e de tempo. A resposta proporcional consiste em graduar a arquitetura conforme a identificabilidade do dado, e há pelo menos três arranjos disponíveis, com custos distintos.
O primeiro arranjo é o uso de serviço comercial apenas com material efetivamente desidentificado, o que serve bem a tarefas que não dependem do detalhe identificador, como revisar a redação de uma seção de métodos ou discutir a estrutura de um instrumento. O segundo é a contratação institucional, com cláusulas de confidencialidade, vedação de uso para treinamento e mecanismo adequado de transferência internacional, hipótese em que a responsabilidade deixa de repousar sobre a leitura individual de um termo de adesão. O terceiro, e o mais relevante para dado identificável, é a execução local do modelo, em servidor da própria instituição, sem que o conteúdo transite para fora do perímetro controlado.
Esse terceiro caminho deixou de ser hipótese teórica. Wiest et al. (2025) descreveram e avaliaram o LLM-Anonymizer, sistema de desidentificação de documentos médicos que roda integralmente em hardware local com modelos de pesos abertos, justamente para permitir que instituições preparem material clínico sem enviá-lo a terceiros. Em trabalho anterior, Wiest et al. (2024) demonstraram que um pipeline de código aberto executado localmente, baseado em modelo de pesos abertos, extraiu informação estruturada de textos clínicos com 100% de sensibilidade e 96% de especificidade para a detecção de cirrose hepática descompensada, desempenho que sustenta o argumento de que a alternativa local não é sinônimo de alternativa fraca.
Os custos, contudo, precisam ser ditos com franqueza, sob pena de o conselho virar retórica. A execução local exige hardware com placa gráfica adequada, exige competência técnica para instalação e manutenção, exige validação do desempenho na tarefa específica antes do uso em produção e, via de regra, entrega resultados inferiores aos dos modelos comerciais de fronteira em tarefas de raciocínio complexo. Para muitos grupos, sobretudo em instituições públicas com orçamento apertado, a via realista de curto prazo é a combinação, isto é, desidentificação rigorosa feita localmente ou manualmente, seguida de uso comercial do material já empobrecido de identificadores. O que não é defensável, em nenhuma dessas configurações, é a ausência de escolha consciente, com o dado do participante seguindo o caminho que a interface mais cômoda ofereceu naquela tarde.
Uma última observação diz respeito ao endereço da decisão. Resolver isso protocolo a protocolo, com pareceristas improvisando exigências conforme o próprio repertório, produz inconsistência e desgasta tanto o comitê quanto o pesquisador. O problema é de política institucional, e sua solução passa por um documento de orientação da própria instância de ética, construído com a assessoria jurídica e com o setor de tecnologia da informação, que fixe o que deve constar do protocolo, o que a instituição oferece como infraestrutura e quais tarefas ficam vedadas em serviço externo. Instituições que fizerem esse trabalho antes do primeiro incidente estarão em posição muito melhor do que as que o fizerem depois, e a diferença entre uma situação e outra costuma ser apenas o tempo que se leva para reconhecer que o problema já chegou.
Considerações finais
O deslocamento que este texto propõe é modesto na forma e exigente na prática. Trata-se de reconhecer que a inteligência artificial generativa entrou no ciclo da pesquisa pela porta do tratamento de dados, e não apenas pela porta da escrita, e que a instância de ética precisa enxergá-la nessa condição. Nada disso demanda norma nova, porque a confidencialidade, a finalidade exclusiva, a segurança do armazenamento e o consentimento informado já são deveres estabelecidos, e alcançam a ferramenta recente com a mesma naturalidade com que alcançaram o armário trancado e a planilha protegida por senha. Demanda, isso sim, que o protocolo diga o que faz, que o parecerista pergunte o que precisa perguntar e que a instituição ofereça alternativa técnica a quem lida com material identificável.
Há uma assimetria moral no fundo dessa discussão que convém não perder de vista. O pesquisador que cola a transcrição na caixa de diálogo assume um risco calculado em nome da própria produtividade, mas o risco que ele assume não é dele. É do participante que aceitou narrar a própria doença a um desconhecido, confiando em uma promessa institucional de sigilo cuja cadeia ele não pode verificar. Essa confiança é o ativo mais frágil e mais valioso do sistema de pesquisa com seres humanos, e leva décadas para se reconstruir depois de um episódio de exposição. Perguntar onde o dado vai parar não é obstáculo ao avanço da ciência, é a condição de possibilidade de continuarmos sendo autorizados a fazê-la.
Fontes
[1]. Rocher L, Hendrickx JM, de Montjoye YA. Estimating the success of re-identifications in incomplete datasets using generative models. Nat Commun. 2019;10(1):3069. DOI: https://doi.org/10.1038/s41467-019-10933-3 Disponível em: https://www.nature.com/articles/s41467-019-10933-3 Comentário: fornece a base empírica para a seção sobre os limites da anonimização. O modelo generativo proposto estima a probabilidade de reidentificação correta de um indivíduo em bases incompletas, o que desmonta o argumento de que amostras parciais protegem por si sós. O achado de que quinze atributos demográficos bastariam para reidentificar a quase totalidade de uma população nacional é o dado mais citado do artigo, mas a contribuição metodológica central é a avaliação de unicidade sem acesso à população inteira.
[2]. Wiest IC, Leßmann ME, Wolf F, Ferber D, Van Treeck M, Zhu J, et al. Deidentifying medical documents with local, privacy-preserving large language models: the LLM-Anonymizer. NEJM AI. 2025;2(4). DOI: https://doi.org/10.1056/AIdbp2400537 Disponível em: https://ai.nejm.org/doi/full/10.1056/AIdbp2400537 Comentário: sustenta a seção sobre a resposta proporcional ao demonstrar que a desidentificação de documentos médicos pode ser executada integralmente em hardware local, com modelos de pesos abertos, sem que o conteúdo transite para servidores de terceiros. Interessa ao comitê de ética menos pelo desempenho relatado e mais por estabelecer que existe alternativa técnica concreta a ser exigida quando o material conserva identificabilidade.
[3]. Wiest IC, Ferber D, Zhu J, van Treeck M, Meyer SK, Juglan R, et al. Privacy-preserving large language models for structured medical information retrieval. npj Digit Med. 2024;7:257. DOI: https://doi.org/10.1038/s41746-024-01233-2 Disponível em: https://www.nature.com/articles/s41746-024-01233-2 Comentário: ancora o argumento de que a execução local não equivale a desempenho insuficiente. O pipeline de código aberto descrito extraiu informação estruturada de textos clínicos com sensibilidade de 100% e especificidade de 96% para cirrose hepática descompensada, em ambiente controlado pela própria instituição. O trabalho também expõe, por contraste, o esforço técnico que essa configuração exige de quem a adota.
[4]. Jones KML. Generative AI in qualitative research and related transparency problems: a novel heuristic for disclosing uses of AI. Int J Qual Methods. 2025;24. DOI: https://doi.org/10.1177/16094069251404329 Disponível em: https://journals.sagepub.com/doi/10.1177/16094069251404329 Comentário: fundamenta a seção sobre o protocolo silencioso. O autor demonstra que as diretrizes de relato existentes não alcançam os pontos de decisão ocultos em sistemas opacos e propõe heurística de vinte perguntas, distribuídas em cinco temas, entre os quais as práticas de dados e a interação com participantes. É a referência mais próxima do roteiro de perguntas proposto neste texto.
[5]. Ramos EMB, Madureira AS, Sena JP, Leal PST. Questões éticas e perspectiva jurídica da proteção de dados. Cad Ibero-Am Direito Sanit. 2021;10(3):172-90. DOI: https://doi.org/10.17566/ciads.v10i3.796 Disponível em: https://www.cadernos.prodisa.fiocruz.br/index.php/cadernos/article/view/796 Comentário: oferece a leitura jurídica brasileira da tensão entre o interesse público na pesquisa e os direitos fundamentais do titular dos dados. Serve ao texto para afastar a interpretação, ainda difundida, de que a finalidade científica funcionaria como salvo-conduto para o tratamento de dados sensíveis, quando o que a lei institui é regime de responsabilidade qualificada.
Pontos para Recordar
- Inserir transcrições, prontuários ou planilhas de pesquisa em um serviço de inteligência artificial generativa é operação de tratamento de dados pessoais, com acesso, transmissão e armazenamento por terceiro, e não simples uso de software.
- Dados de saúde são dados pessoais sensíveis e seu tratamento obedece ao regime restritivo da Lei Geral de Proteção de Dados Pessoais, que exige sigilo e determina anonimização sempre que possível, inclusive nas hipóteses de pesquisa.
- A remoção de identificadores diretos reduz, mas não elimina o risco de reidentificação, porque combinações raras de atributos e a singularidade dos relatos qualitativos preservam identificabilidade residual.
- O pesquisador deve localizar a versão vigente dos termos do plano que efetivamente usará, registrar a data de consulta e anexá-la ao protocolo, já que as políticas de retenção, de treinamento e de jurisdição variam entre provedores e mudam com frequência.
- A Lei nº 14.874, de 2024, e o Decreto nº 12.651, de 2025, já impõem confidencialidade, finalidade exclusiva e segurança do armazenamento, o que alcança as ferramentas de inteligência artificial sem necessidade de norma específica.
- O uso de inteligência artificial sobre material identificável em protocolo já aprovado exige emenda submetida à instância de ética, e não interpretação extensiva de cláusula genérica de sigilo.
- A resposta proporcional gradua a arquitetura conforme a identificabilidade do dado, admitindo serviço comercial para material desidentificado, contrato institucional com cláusulas de proteção e processamento local quando o conteúdo permanece identificável.
Declaração de uso de Inteligência Artificial Generativa
Este texto foi produzido com o auxílio do Claude, desenvolvida pela Anthropic, utilizado como ferramenta de apoio nas fases de brainstorming, de estruturação do conteúdo e de produção do texto. As imagens foram produzidas com auxílio do ChatGPT da OpenAI. A responsabilidade pela versão final e precisão das informações, pelo pensamento crítico, pela seleção das fontes e pelo conteúdo publicado é integralmente do autor.