Dra. Cassiana Meyer

Ajudo profissionais e lideranças da saúde a entender e navegar a inteligência artificial no setor — com rigor científico, olhar médico e sem hype.

Sou médica formada pela Universidade Federal de Santa Catarina, com especialização em Medicina do Trabalho pela Faculdade de Medicina da USP — um curso de 2.000 horas concluído em 2007. Trabalho na fronteira entre prática clínica e tecnologia desde 2012, e foi nesse período que desenvolvi e implantei um sistema de redução de absenteísmo em ambiente corporativo — trabalho que me ensinou, na prática, a distância entre o que uma tecnologia promete e o que ela entrega quando encontra o fluxo real de um serviço de saúde.

Minha formação em inteligência artificial aplicada à saúde vem de dois lugares complementares. Em maio de 2024 concluí o programa executivo Artificial Intelligence in Health Care, da MIT Sloan School of Management — a escola de administração do MIT, o que significa estudar IA em saúde pelo ângulo de quem precisa decidir sobre ela. Em agosto de 2025, o AI Series: Introduction to Healthcare, da Stanford University School of Medicine, com 12 créditos AMA PRA Categoria 1 — o mesmo assunto pelo ângulo clínico.

Em novembro de 2025, o sistema que desenvolvi com Tatiana Moreira de Almeida Callitto — Sistema Educativo Híbrido para Predição de Sepse: Combinando Transparência com Machine Learning — ganhou o primeiro lugar na categoria Desenvolvimento de Produto do 10º Congresso Multiprofissional do Centro Universitário São Camilo. A ferramenta está pública em sepsecalculator.com, com a fonte de cada critério clínico linkada. Não escrevo sobre transparência em IA na saúde de fora: construí uma, e foi a transparência que premiaram.

Essa distância é a razão de este site existir. O debate sobre IA na saúde oscila entre o entusiasmo de quem vende e o receio de quem nunca usou, e quase nada do que circula ajuda um médico ou um gestor a decidir o que fazer na segunda-feira de manhã. O que falta não é opinião: é rigor sobre o que já é obrigação legal, o que ainda é promessa e o que a evidência sustenta.

• CRM 109.930/SP
• Medicina — Universidade Federal de Santa Catarina, 2002
• Especialização em Medicina do Trabalho — FMUSP, 2.000 h, 2007
• Artificial Intelligence in Health Care — MIT Sloan School of Management, 2024
• AI Series: Introduction to Healthcare — Stanford Medicine, 2025 · 12 créditos AMA PRA Cat. 1

Como verificamos

Toda afirmação factual publicada aqui carrega fonte primária linkada, com data de acesso registrada. Fonte primária quer dizer o documento em si — o texto da lei, a resolução no Diário Oficial, o artigo revisado por pares —, não a notícia sobre ele nem a análise de escritório de advocacia. Quando só existe fonte secundária disponível, a nota diz isso explicitamente, em vez de disfarçar.

A hierarquia é: legislação e órgãos reguladores primeiro, depois periódicos revisados por pares, depois sociedades médicas, depois análise jurídica especializada. Agregadores e comunicados de imprensa servem apenas de ponte para chegar ao documento original.

Fato e interpretação nunca se misturam. O relato factual e o bloco “O que isso significa” são visualmente separados em toda nota. O segundo é a leitura clínica, é assinado, e nunca é gerado automaticamente — nem por mim com pressa, nem por máquina nenhuma. Uma nota sem leitura médica escrita fica marcada como rascunho e não publica.

O rigor é verificado por máquina, não por promessa: o site não compila se um artigo estiver sem fonte, se um marcador de fonte no texto apontar para uma fonte que não existe, ou se uma linha do Mapa Regulatório estiver marcada como futura com data já vencida.

Política de correção

Erro acontece, sobretudo com legislação em movimento. Quando acontece, a correção é pública e datada, exibida no topo da própria nota corrigida. Não há edição silenciosa neste site: o texto anterior não desaparece sem registro.

Se você encontrou um erro, escreva. Fonte melhor do que a que está publicada é sempre bem-vinda, e o crédito vai para quem apontou.