Computação Federada: Inovação da IA na Saúde em 2026

O uso da inteligência artificial na saúde é um tema que suscita muitos debates. As informações necessárias estão frequentemente dispersas entre hospitais, laboratórios, universidades e sistemas públicos. A computação federada surge como uma alternativa inovadora: realizar análises e modelos diretamente nos locais onde os dados estão armazenados. Essa abordagem permite que as instituições colaborem sem perder o controle sobre seus próprios prontuários e bancos de dados.

Ronaldo Pedro da Silva, fundador do ConvergeLab, destaca que a essência da plataforma ConvergeCore é facilitar o processamento distribuído. "Em vez de mover os dados até a computação, buscamos levar a computação até os dados", explica. Na prática, essa proposta integra diferentes modalidades. Na análise federada, uma instituição pode executar uma consulta ou um algoritmo autorizado localmente e retornar resultados permitidos, como indicadores ou estatísticas agregadas. No aprendizado federado, o modelo é treinado ou validado com dados que permanecem na origem. "Essas modalidades são complementares", observa Silva. Uma delas extrai conhecimento coletivo de bases distribuídas, enquanto a outra permite desenvolver e validar modelos de IA.

Essa arquitetura é especialmente útil quando os dados necessários para pesquisa estão distribuídos entre organizações autônomas e sujeitos a restrições de privacidade e regulamentação. O objetivo não é criar um fluxo indiscriminado de informações, mas estabelecer critérios claros sobre o que pode ser compartilhado. A rede pode usar credenciais, chaves criptográficas e registros de auditoria para autenticar participantes e documentar operações, garantindo que cada instituição tenha liberdade para determinar quais análises podem ser realizadas.

Por exemplo, hospitais podem colaborar em uma mesma análise ou validar um modelo com populações distintas, sem transferir conjuntos de dados clínicos. Esse processo enriquece a diversidade das evidências disponíveis para pesquisa e desenvolvimento de IA. No entanto, para resultados comparáveis, é fundamental padronizar dados em cada ambiente, alinhando variáveis, terminologias e critérios de análise. "A federação aborda principalmente a questão de onde e sob qual governança a computação ocorre, mas não substitui os processos de interoperabilidade e qualidade dos dados", explica o executivo.

No Brasil, essa discussão se alinha a iniciativas como a Rede Nacional de Dados em Saúde (RNDS). Silva acredita que essas estruturas podem oferecer elementos compartilhados de interoperabilidade e monitoramento, contribuindo significativamente para a evolução da saúde no país.