PB-2026-009 — IA na Saúde Mental: Riscos, Salvaguardas e Recomendações para o Sistema de Saúde Brasileiro

Autores: Thiago Almeida, André Nakamura Data: Março de 2026 Classificação: Policy Brief DOI (preprint): IBGIA-PB-2026-009

Resumo Executivo

A aplicação de Inteligência Artificial em saúde mental é uma das fronteiras mais promissoras — e mais arriscadas — da tecnologia atual. Aplicativos de terapia assistida por IA, chatbots de suporte emocional, algoritmos de triagem para depressão e plataformas de monitoramento de risco de suicídio estão se multiplicando rapidamente no Brasil, em grande parte sem regulação específica, evidências robustas de eficácia ou salvaguardas adequadas para populações vulneráveis.

Este Policy Brief mapeia o ecossistema de IA em saúde mental no Brasil, analisa os principais riscos clínicos, éticos e regulatórios, e propõe dez recomendações práticas para o Ministério da Saúde, ANVISA, CFM, Conselho Federal de Psicologia e o Congresso Nacional.

Palavras-chave: saúde mental, IA, ANVISA, terapia digital, suicídio, privacidade, regulação, SUS

1. O Ecossistema de IA em Saúde Mental no Brasil

1.1 Panorama de Adoção

O Brasil enfrenta uma crise de saúde mental de proporções históricas:

33 milhões de pessoas com transtornos de ansiedade (2ª maior prevalência mundial)
11,5 milhões com depressão (5ª maior prevalência)
Déficit estimado de 40.000 psicólogos e psiquiatras no SUS
Apenas 22% dos municípios brasileiros têm CAPS (Centro de Atenção Psicossocial)

Nesse contexto, aplicativos e plataformas de IA para saúde mental encontraram mercado fértil:

Principais categorias de produtos:

Chatbots de suporte emocional: Wysa, Woebot, BetterHelp (com componentes de IA)
Apps de mindfulness e autorregulação: Headspace, Calm, Meditopia (BR)
Plataformas de terapia online com IA: sempre.me, Vittude, Telavita
Ferramentas clínicas assistidas por IA: algoritmos de triagem para profissionais no SUS
Monitoramento de risco: modelos preditivos de crise e risco de suicídio em plataformas

1.2 Evidências de Eficácia

A literatura científica sobre eficácia de IA em saúde mental é mista:

O que as evidências mostram:

Chatbots baseados em TCC (Terapia Cognitivo-Comportamental) apresentam redução moderada de sintomas de ansiedade leve (efeito d ≈ 0.5; revisão Cochrane, 2023)
Apps de mindfulness reduzem estresse percebido em populações sem diagnóstico clínico
Mas: poucos estudos com populações clínicas brasileiras; maioria em populações jovens, universitárias, países de alta renda

O que não sabemos:

Eficácia para transtornos graves (esquizofrenia, bipolaridade, TPB)
Efeitos de longo prazo (>12 meses)
Impacto em populações com baixa literacia digital
Riscos de dependência ou substituição inadequada de cuidado humano

2. Riscos Específicos

2.1 Risco Clínico: Diagnóstico e Triagem Automática

O problema: Algoritmos de triagem automatizada de depressão e ansiedade apresentam taxas de falso negativo preocupantes em estudos reais:

Populações negras e indígenas sub-representadas nos dados de treinamento → viés diagnóstico
Expressão cultural de sofrimento psíquico diverge do padrão WEIRD (Western, Educated, Industrialized, Rich, Democratic) dos datasets
Risco de banalização: "app diz que estou bem" pode afastar quem precisa de cuidado

Caso ilustrativo: Estudo da UFRJ (2024) identificou que algoritmo de triagem de depressão treinado em dados norte-americanos classificou corretamente apenas 61% dos casos em amostra clínica brasileira — contra 89% na população original.

2.2 Risco de Crise Aguda: Chatbots e Situações de Emergência

O problema mais grave: Quando uma pessoa em crise aguda interage com um chatbot de saúde mental, o que acontece?

Chatbots mal configurados podem dar respostas inadequadas a expressões de ideação suicida
Falta de protocolo padronizado de escalada para serviços humanos (CVV, SAMU, CAPS)
Plataformas internacionais muitas vezes direcionam para serviços de crise que não existem no Brasil

Regulação vigente: A ANVISA ainda não possui regulamentação específica para softwares de saúde mental; a RDC 657/2022 sobre Software como Dispositivo Médico (SaMD) cobre o caso mas a interpretação regulatória é inconsistente.

2.3 Privacidade e Dados Sensíveis

Dados de saúde mental são os mais sensíveis que existem:

Revelar histórico de depressão pode afetar emprego, seguros, guarda de filhos
A maioria dos apps de saúde mental coleta dados de humor, diário, gravações de voz
Muitos compartilham dados com terceiros para publicidade e pesquisa sem consentimento granular

Falha sistêmica documentada: Análise de 2024 mostrou que 72% dos 50 apps de saúde mental mais baixados no Brasil compartilhavam dados com ao menos uma plataforma de anúncios (Mozilla Foundation, "Privacy Not Included" — edição brasileira adaptada).

2.4 Substituição do Cuidado Humano

O maior risco de longo prazo é sistêmico: usar IA para resolver a crise de acesso à saúde mental em vez de investir na expansão dos CAPS, NASF e formação de profissionais. IA pode ser complemento valioso; não pode ser substituto de política pública de saúde mental.

3. Marco Regulatório Atual

3.1 ANVISA e SaMD

A RDC 657/2022 classifica Software como Dispositivo Médico em quatro classes de risco (I-IV). Algoritmos de diagnóstico de saúde mental enquadram-se nas classes III ou IV — mas a classificação depende de avaliação caso a caso e o processo de registro é moroso.

Problema: Apps de "bem-estar mental" frequentemente evitam reivindicações clínicas para escapar da regulação ANVISA. Isso cria um vácuo onde produtos com funcionalidades clínicas de facto operam sem supervisão.

3.2 CFM e CFP

Resolução CFM 2.314/2022: permite teleconsulta com restrições para psiquiatria; silente sobre IA
Resolução CFP 11/2018 e 4/2020: regula psicoterapia online; silente sobre co-terapia com IA
Lacuna: nenhum conselho profissional possui regulamentação sobre uso de IA assistida em sessões

3.3 PL 2338/2023 e Saúde Mental

O PL classifica sistemas de IA em saúde como alto risco, exigindo:

Avaliação de Impacto Algorítmico
Supervisão humana em decisões de diagnóstico e tratamento
Transparência sobre o uso de IA ao paciente

Mas não resolve: protocolos de emergência para chatbots; requisitos de evidência clínica pré-mercado; padrões de privacidade específicos para dados de saúde mental.

4. Recomendações

Recomendação 1 — ANVISA: Regulação Específica para IA em Saúde Mental

Emitir instrução normativa específica para apps e plataformas de saúde mental com componentes de IA, estabelecendo:

Critérios de classificação (bem-estar vs. dispositivo médico)
Requisitos mínimos de evidência clínica para claims terapêuticos
Obrigação de protocolo de crise integrado ao CVV e SAMU

Recomendação 2 — CFM e CFP: Diretrizes sobre IA em Prática Clínica

Publicar resolução conjunta regulando:

Condições para uso de IA como ferramenta auxiliar em psiquiatria e psicologia
Vedação de delegação de diagnóstico e alta clínica a sistemas automatizados
Responsabilidade do profissional por decisões tomadas com auxílio de IA

Recomendação 3 — Ministério da Saúde: Protocolo Nacional de Crise em IA

Estabelecer protocolo técnico obrigatório para todo app de saúde mental no Brasil:

Detecção de linguagem de crise com escalada imediata para CVV (188)
Informação sobre CAPS mais próximo
Proibição de respostas automatizadas a expressões de ideação suicida ativa

Recomendação 4 — Marco Legal da IA: Evidência Clínica Pré-Mercado

Incluir obrigação de apresentação de evidência clínica para sistemas de IA em saúde mental antes do deployment comercial, similar ao exigido pela FDA nos EUA para SaMD de alto risco.

Recomendação 5 — ANPD: Regulação Específica para Dados de Saúde Mental

Emitir orientação sobre o tratamento de dados de saúde mental por apps, incluindo:

Proibição de uso para fins publicitários (mesmo com consentimento)
Prazo máximo de retenção de dados de humor e diário
Requisito de privacy by design para novos produtos

Recomendação 6 — Pesquisa e Evidência Nacional

Criar programa de financiamento (FAPESP/CNPq/MS) para pesquisa de eficácia de IA em saúde mental com populações brasileiras, com foco em grupos sub-representados (negros, indígenas, periferias urbanas).

Recomendação 7 — SUS: Adoção Responsável de IA

Desenvolver framework de avaliação para incorporação de IA em CAPS e serviços da RAPS, com:

Critérios de evidência, privacidade e equidade
Preferência por soluções de código aberto e auditáveis
Capacitação das equipes antes de qualquer deployment

Recomendação 8 — Plataformas Digitais

Redes sociais com audiência brasileira significativa devem:

Detectar e intervir em conteúdo de risco de suicídio com protocolos validados localmente
Disponibilizar API de pesquisa para academia estudar impacto de algoritmos em saúde mental
Publicar relatório anual de transparência sobre moderação de conteúdo de saúde mental

Recomendação 9 — Educação e Literacia Digital

Incluir literacia em saúde digital e uso crítico de apps de saúde mental no currículo de graduação em psicologia, medicina e enfermagem.

Recomendação 10 — Monitoramento e Avaliação

Criar registro nacional de incidentes envolvendo IA em saúde mental, com relatório semestral público, permitindo identificar padrões de dano e ajustar regulação em tempo real.

5. Conclusão

A IA pode ser uma ferramenta poderosa para democratizar o acesso à saúde mental no Brasil — um país com grave déficit de serviços e profissionais. Mas essa promessa só se realizará se acompanhada de regulação adequada, evidências robustas e proteções específicas para as populações mais vulneráveis.

A janela regulatória está aberta: o Marco Legal da IA está em debate, a ANVISA atualiza seus frameworks de SaMD e os conselhos profissionais revisam suas resoluções. Este é o momento para o Brasil estabelecer um padrão de responsabilidade para IA em saúde mental que proteja pacientes e incentive inovação responsável.

Referências

ABERTA (Associação Brasileira de Empresas de Tecnologia em Saúde). Panorama HealthTech Brasil 2025. 2025.
ANVISA. RDC 657/2022 — Regulamento Técnico sobre Software como Dispositivo Médico (SaMD). 2022.
Cochrane Collaboration. Digital Psychological Interventions for Mental Health: A Systematic Review. 2023.
Mozilla Foundation. Privacy Not Included: Mental Health Apps Edition. 2024.
OMS. World Mental Health Report: Transforming Mental Health for All. 2022.
Senado Federal. PL 2338/2023. 2023.
UFRJ. Validação de Algoritmos de Triagem de Depressão em População Clínica Brasileira. 2024.

IA na Saúde Mental: Riscos, Salvaguardas e Recomendações para o Sistema de Saúde Brasileiro