Sem uma formação docente adequada, essas ferramentas correm o risco de se tornarem uma versão moderna do antigo “copia e cola”, um atalho que mina o esforço cognitivo dos estudantes e substitui o processo de escrita e reflexão.

O alerta parte de um estudo publicado na revista Teaching and Teacher Education, que mapeou as tensões entre alunos e professores diante da falta de diretrizes pedagógicas para lidar com as novas tecnologias.

O levantamento revelou que, embora haja interesse em usar a IA para economizar tempo ou gerar ideias iniciais, existe um receio legítimo de que o uso excessivo e sem critérios leve a um aprendizado raso e à dependência das plataformas.

O desafio de checar a “máquina de respostas”

Um dos pilares do chamado letramento digital é compreender que os modelos de IA operam por probabilidade estatística, não por discernimento factual.

Isso significa que as ferramentas estão sujeitas a alucinações, a geração de dados falsos, e à reprodução de vieses presentes nos dados usados em seu “treinamento”.

Por isso, o papel do professor se torna ainda mais analítico: ele precisa estar capacitado para ensinar os alunos a avaliar criticamente os resultados gerados pela tecnologia.

Se o educador não souber conduzir essa checagem, a IA passa a ser aceita como verdade absoluta em sala de aula, quando, na realidade, seu potencial está em potencializar o ensino, não em miná-lo ou condicioná-lo.

Da automação de tarefas ao motor de debates

O desafio da educação contemporânea é transformar a IA de uma ferramenta de automação de tarefas em um motor de debates.

Em vez de utilizá-la para substituir a redação de um texto ou a resolução de um problema matemático, a proposta é usá-la como contraponto.

Os professores podem, por exemplo:

• Desafiar os alunos a encontrar erros em um texto gerado pela IA;
• Comparar as respostas da máquina com fontes bibliográficas tradicionais;
• Utilizar os algoritmos para formular diferentes hipóteses de pesquisa.

Nesse sentido, a IA deve funcionar como ponto de partida para o questionamento, não como ponto final do conhecimento.

Três formas de usar a IA generativa sem renunciar ao pensamento crítico

1. Procurar erros: pedir aos alunos que identifiquem imprecisões, alucinações ou vieses em um texto gerado pela IA antes de aceitá-lo como resposta final.

2. Comparar fontes: confrontar o que a IA produz com bibliografia acadêmica e fontes primárias, mantendo a checagem “uma fonte de cada vez”.

3. Formular hipóteses: usar os algoritmos como ponto de partida para levantar perguntas de pesquisa, não como substituto da reflexão do estudante.

Leia a reportagem completa que o Science Arena publicou sobre este tema.

O post IA na educação pode virar novo “copia e cola” apareceu primeiro em Science Arena.

Não se trata mais apenas de indagar sobre o ser ou não ser individual, mas de responder se seremos capazes de compartilhar o mesmo espaço-tempo sem nos anularmos mutuamente. 

Isso vale para muitos aspectos cotidianos, tanto para a biosfera quanto para a própria produção do conhecimento científico e – por que não dizer? – entre indivíduos da nossa própria espécie.

Na ecologia, a coexistência define o equilíbrio dinâmico e, muitas vezes, tenso, em que diferentes espécies compartilham recursos limitados, sem que uma cause a extinção da outra. 

Transposto para a geopolítica do século XX, o termo ganhou o complemento “pacífica” para descrever a busca por um denominador comum que evitasse a destruição mútua total durante a Guerra Fria. 

Hoje, o desafio da coexistência se move para uma nova fronteira: o ecossistema do debate público e da ciência.

Coexistência natural 

O ecologista Peter Chesson, da Universidade do Arizona, nos ajuda a compreender que a coexistência não é sinônimo de harmonia estática, mas de equilíbrio dinâmico. 

Estudos clássicos sobre manutenção da diversidade mostram que diferentes espécies conseguem persistir em uma mesma comunidade quando existem mecanismos que reduzem a exclusão competitiva e favorecem algum grau de diferenciação, alternância, adaptação ou complementaridade. 

Em outras palavras, coexistir não significa ocupar o mesmo lugar da mesma forma, mas encontrar modos de permanecer em relação, mesmo diante de recursos limitados, tensões e assimetrias. 

E já sabemos que a perda da biodiversidade e o desequilíbrio que vem sendo imposto aos ecossistemas pela desconexão humana da natureza tem custado muito caro à saúde das pessoas.

Por outro lado, o paradoxo da hiperconectividade atual é que, ao mesmo tempo em que fomos aproximados digitalmente, fomos fragmentados em bolhas ideológicas.

Diante da complexidade de crises globais, das emergências climáticas às pandemias, a resposta humana tem flertado perigosamente com o isolamento e a intolerância, como se a complexidade do real pudesse ser domada pela recusa do Outro. 

Com isso, o “Outro” passa a ser enxergado não como um interlocutor legítimo, mas como uma ameaça a ser extirpada.

Saberes compartilhados

Para as ciências e a saúde global, a coexistência se desdobra em duas dimensões vitais.

A primeira é interna: a coexistência entre saberes. Os desafios do nosso tempo são complexos demais para serem solucionados por uma única disciplina. A interdisciplinaridade é a tônica. As ciências da saúde precisam das ciências humanas; a ecologia necessita da economia; a tecnologia demanda a ética. 

Promover essa requerida interdisciplinaridade é exercitar a coexistência dentro dos laboratórios, dos grupos de pesquisa, das universidades e dos serviços de saúde, reconhecendo que a pluralidade de saberes enriquece o diagnóstico da realidade.

A segunda dimensão é externa: diz respeito à relação entre a ciência e a sociedade. O avanço do negacionismo e da desinformação não será combatido com arrogância intelectual ou com o isolamento acadêmico que conversa apenas intramuros. 

Exige, pelo contrário, o exercício da alteridade e da escuta ativa. 

Coexistir, nesse cenário, significa construir pontes de linguagem acessível e empatia, validando a ciência como um patrimônio coletivo e democrático. 

Uma luz no fim do túnel, que reverbere esperança em um mundo melhor, mais equitativo, sem distinção entre os seres que coabitam esse tempo e espaço conosco. Portanto, a provocação que o título nos faz não aceita neutralidade. 

A recusa em coexistir, seja entre disciplinas, entre culturas ou entre a razão e a sociedade plural, nos empurra para o esvaziamento do debate público e, no limite, para o colapso socioecológico. 

Futuro Comum 

Acolher o diferente, ampliar o olhar e reconhecer a necessidade da coexistência e das relações de interdependência, que parcela significativa da população mundial ainda ignora. O mundo é simultaneamente múltiplo, contraditório e relacional.

Guimarães Rosa parecia intuir isso ao escrever que “tudo é e não é”. E talvez aí resida a permanência da dúvida hamletiana: não existe resposta definitiva para o ser no mundo. 

Existe apenas a travessia inquieta de aprender a existir com o Outro, com as diferenças, com as contradições e com a complexidade que sustenta a própria vida.

Porque, se já não formos capazes de coexistir nas diferenças, o destino que nos aguarda, ironicamente, será o de não mais existir.

Os artigos e vídeos opinativos não refletem necessariamente a visão do Science Arena e do Einstein.

O post Coexistir ou não (co)existir: eis a questão apareceu primeiro em Science Arena.

O cenário atual revela um “apagão” institucional: professores e futuros docentes buscam usar a IA e tentam fazê-lo por conta própria, de forma limitada e sem suporte metodológico das universidades.

O alerta vem de um estudo publicado na revista científica Teaching and Teacher Education. O levantamento foi realizado em janeiro e fevereiro de 2024 em uma universidade do noroeste dos Estados Unidos e ouviu 52 licenciandos, com idade média de 20 anos, e 21 professores universitários responsáveis por sua formação, com idade média de 54 anos e cerca de duas décadas de experiência docente. 

Os resultados foram reveladores: dos 52 futuros professores entrevistados, 49 declararam nunca ter recebido nenhum tipo de treinamento formal sobre como aplicar IA no ensino.

O desconforto não é exclusivo dos licenciandos. Entre os 21 formadores, 18 afirmaram não usar IA generativa em suas próprias aulas, 18 também relataram nunca ter recebido treinamento sobre o tema e apenas 9 permitem que os alunos utilizem a ferramenta em atividades, ainda que de forma restrita.

Essa ausência de diretrizes institucionais cria uma contradição: o estudo indica que licenciandos e docentes reconhecem vantagens da IA, como economia de tempo e suporte para planos de aula, mas a falta de orientação restringe o uso a experimentações informais e individuais. 

Prova disso é a autoavaliação da própria alfabetização em IA: em uma escala de 0 a 10, a nota média dada pelos licenciandos foi de apenas 4,2, enquanto os formadores se avaliaram com 3,9.

Sem o protagonismo das universidades na reformulação dos currículos de licenciatura, a IA corre o risco de permanecer em uma espécie de “clandestinidade acadêmica”, associada ao medo do plágio e da perda de integridade científica.

O que explica a resistência, apesar do interesse

Para entender por que professores e futuros docentes hesitam em adotar a IA mesmo reconhecendo seu potencial, a pesquisa recorre à teoria da difusão de inovações, formulada pelo sociólogo Everett Rogers em 2003. 

O modelo usa cinco atributos para explicar como novas tecnologias se espalham (ou não) dentro de um grupo social, e ajuda a mapear os pontos de atrito na adoção da IA em sala de aula.

Cinco fatores que explicam a adoção (ou rejeição) da IA na formação docente

1. Vantagem relativa: o quanto a IA é percebida como melhor do que os métodos já existentes — licenciandos citam economia de tempo e apoio à geração de ideias como ganhos concretos.

2. Compatibilidade: o quanto a ferramenta se encaixa nos valores e nas práticas já estabelecidas na formação docente, incluindo preocupações éticas sobre plágio e integridade.

3. Complexidade: o grau de dificuldade percebido para aprender a usar a IA de forma pedagogicamente adequada, sem suporte institucional.

4. Testabilidade: a possibilidade de experimentar a ferramenta antes de incorporá-la de forma consistente ao ensino, hoje restrita a iniciativas informais e individuais.

5. Observabilidade: a facilidade de visualizar resultados concretos do uso da IA em sala de aula, ainda rara diante da falta de diretrizes e exemplos institucionais.

Formação continuada como caminho metodológico

Para superar essa barreira, especialistas apontam que o caminho não passa por oferecer meros tutoriais de softwares ou oficinas isoladas de “como usar o ChatGPT”. 

O que a educação exige são políticas públicas de formação continuada focadas em letramento digital e metodologia.

Se as licenciaturas não assumirem a liderança desse processo agora, professores continuarão tateando no escuro, e alunos se formarão em desvantagem em um mundo já moldado pela tecnologia.

Para os dados detalhados da pesquisa e a análise teórica sobre a difusão da IA na educação, veja a matéria publicada anteriormente no Science Arena.

O post Ensinar professores a usar ChatGPT não basta, alerta estudo  apareceu primeiro em Science Arena.

Esse processo costuma trazer dificuldades mesmo para pesquisadores experientes. Como selecionar os resultados mais relevantes? Por onde começar a redação? Como construir uma discussão que não apenas repita os dados, mas demonstre de que maneira o estudo confirma, amplia ou questiona trabalhos anteriores?

Essas são algumas das questões que serão abordadas no próximo encontro virtual do Science Arena, que acontece no dia 27 de julho, das 18h30 às 19h30, com transmissão online e gratuita pelo Zoom.

A convidada é Érika Rangel, pesquisadora do Einstein Hospital Israelita e professora livre-docente da disciplina de Nefrologia da Escola Paulista de Medicina da Universidade Federal de São Paulo (Unifesp).

A live será realizada via Zoom, mediante inscrição gratuita. Os participantes também poderão enviar perguntas durante a transmissão.

O que será discutido na live?

Ao longo do encontro virtual do Science Arena, serão abordados temas como:

• Por onde começar a escrever um artigo científico;
• Por que a transição dos resultados para a discussão é uma etapa crítica;
• Diferenças entre a escrita de artigos científicos e de propostas de financiamento;
• Como a IA pode ajudar na organização, revisão e aprimoramento dos textos;
• Quais tarefas não devem ser transferidas para ferramentas de IA;
• Como preservar pensamento crítico, criatividade e autoria intelectual;
• Cuidados éticos, privacidade e transparência no uso da IA;

Dos resultados à discussão científica

Durante o encontro, Érika Rangel abordará os principais desafios envolvidos na redação de artigos científicos e propostas de financiamento: desde a estruturação do texto e a apresentação dos resultados até a construção de uma discussão consistente, capaz de evidenciar a contribuição da pesquisa.

“Se você tem seus resultados prontos, se você tem clareza dos seus achados, seu artigo está praticamente meio caminho andado”, afirma Rangel.

Um dos momentos mais desafiadores, porém, é a passagem dos resultados para a discussão. É nessa etapa que o pesquisador precisa comparar seus achados com a literatura, identificar aproximações e divergências e explicar por que determinado resultado acrescenta algo novo ao conhecimento existente.

Qual deve ser o papel da inteligência artificial?

A conversa também discutirá como ferramentas de inteligência artificial (IA) podem ser incorporadas à escrita científica.

Recursos de IA já são utilizados para organizar textos, revisar a gramática, melhorar a clareza de determinados trechos, apoiar levantamentos iniciais da literatura e auxiliar na criação de elementos visuais. Essas aplicações podem reduzir barreiras linguísticas e facilitar etapas operacionais da redação.

O desafio é impedir que a ferramenta assuma tarefas que pertencem ao pesquisador, como interpretar resultados, elaborar hipóteses, avaliar o desenho metodológico, analisar limitações e construir argumentos científicos.

“O pesquisador continua sendo o especialista. É ele que vai interpretar os resultados, fazer a discussão científica, elaborar hipóteses, julgar o desenho metodológico e conhecer as limitações do estudo. Essa avaliação crítica não pode sair do pesquisador”, ressalta Rangel.

Também serão abordados dilemas éticos associados ao uso dessas ferramentas. Entre eles estão a necessidade de declarar sua utilização, a proteção de dados e manuscritos ainda não publicados e os riscos de submeter a sistemas de IA materiais confidenciais.

Por que não perder esta live gratuita?

O encontro é voltado a estudantes de pós-graduação, pesquisadores em início de carreira, professores, orientadores e profissionais de diferentes áreas interessados em aprimorar a comunicação de seus trabalhos científicos.

Além de discutir princípios fundamentais da escrita acadêmica, a live pretende ajudar os participantes a refletir sobre decisões práticas: como organizar o processo de redação, como reconhecer as partes que exigem maior elaboração intelectual e como usar a inteligência artificial sem comprometer a qualidade, a originalidade e a integridade da pesquisa.

A discussão parte da experiência de Érika Rangel nas ciências da saúde, tanto como pesquisadora quanto como professora de escrita científica. Os desafios abordados, no entanto, são comuns a diferentes campos do conhecimento.

Serviço

Participantes

• Bruno de Pierro — mediador: jornalista e editor-chefe do Science Arena;
• Érika Rangel — convidada: pesquisadora do Einstein Hospital Israelita, professora da Escola Paulista de Medicina da Universidade Federal de São Paulo (Unifesp).

Ou copie e cole o endereço em seu navegador:

https://einstein.zoom.us/webinar/register/WN_RP15WPNxRW2Jlsu8psbfYQ#/registration

O post Escrita científica e IA: como preservar pensamento crítico e autoria? apareceu primeiro em Science Arena.

Apenas a editora Elsevier recebeu, em 2025, cerca de 4,2 milhões de manuscritos, dos quais 795 mil foram publicados e o restante foi rejeitado ao longo do processo editorial, muitos deles antes mesmo de chegar aos revisores. 

O relatório 2026 Future of Peer Review mostra que são necessários, em média, cinco convites para que um único pesquisador aceite avaliar um manuscrito.

A disseminação da inteligência artificial (IA) generativa como ferramenta tanto de autores quanto de revisores coloca em debate se e como o sistema de publicação acadêmica deve usá-la. 

Em entrevista ao Science Arena, o médico e pesquisador Howard Bauchner, ex-editor-chefe do Journal of the American Medical Association (JAMA), defende o uso da IA como filtro de pré-revisão. 

“A IA avaliaria o manuscrito, e o editor veria essa avaliação e então teria algumas opções: poderia rejeitar o manuscrito porque a IA está apontando falhas fundamentais, ou devolvê-lo aos autores antes de encaminhá-lo para revisão externa”, sugere.  

Para Bauchner, antes de agilizar o processo, o objetivo do uso de IA é reduzir o volume que chega aos revisores humanos.

Como a triagem por IA funcionaria

Nesse modelo, a IA ficaria responsável pelas tarefas técnicas, verificáveis e repetitivas. Bauchner as nomeia: 

• Adesão a diretrizes de relato;
• Registros do estudo;
• Precisão das referências;
• Detecção de texto artificial não declarado;
• Manipulação de imagens.

Esta última (manipulação de imagens) é especialmente importante para as ciências laboratoriais, e raramente detectada na revisão por pares humana. 

Há ainda, neste cenário, o que Bauchner chama de revisores fantasma: quando o revisor usa IA mesmo em revistas que a proíbem. Ele propõe que o uso seja permitido e declarado, em vez de velado e sem critérios.

O que a IA já consegue fazer na triagem editorial, segundo Howard Bauchner

1. Adesão a diretrizes de relato: verifica se o manuscrito segue os checklists de relato exigidos pelo periódico.

2. Registro do estudo: confirma se ensaios clínicos e outros desenhos de pesquisa foram devidamente pré-registrados.

3. Precisão das referências: identifica citações incorretas ou inexistentes, incluindo as geradas por IA generativa.

4. Detecção de texto artificial não declarado: sinaliza trechos possivelmente escritos por modelos de linguagem sem a devida declaração.

5. Manipulação de imagens: identifica alterações indevidas em figuras científicas — falha frequente na revisão feita só por humanos.

Os limites da inteligência artificial na avaliação de manuscritos

Por enquanto, a IA não substitui o revisor em todas as tarefas. Bauchner explica que ela não consegue avaliar o contexto científico em que um manuscrito se insere, onde aquele trabalho se encaixa no conjunto do que está sendo investigado. 

“E se você perguntar à maioria dos revisores, é exatamente isso que eles gostam de comentar”, diz o ex-editor-chefe do JAMA. 

Jesús Mena-Chalco, professor da Universidade Federal do ABC (UFABC) e pesquisador de cientometria (campo que analisa aspectos quantitativos da ciência), aponta problema similar.

“A questão do ineditismo, de tentar ver se uma pesquisa é ou não inédita, é ou não relevante é papel-chave do avaliador humano.” 

Esse limite aparece também na falta de criticidade dos modelos de IA. “Os modelos atualmente são positivos, eles raramente são críticos”, explica Mena-Chalco.

As vantagens da IA no processo editorial não vêm sem riscos. O mais premente é a confidencialidade de dados. Os manuscritos contêm dados inéditos que não devem ser absorvidos pelos modelos usados pelo avaliador ou pelo próprio autor.

Ainda assim, a IA pode ajudar a combater um problema que ela mesma contribuiu para criar: as referências fabricadas, geradas por modelos de linguagem que produzem citações inexistentes. 

A detecção automática de referências, já prevista no modelo de filtro pré-revisão, ganha urgência diante desse quadro.

Vieses: dos dados de treinamento aos revisores humanos

O aprendizado dos modelos de linguagem de grande porte (LLMs) reflete os vieses das bases de dados nas quais foram treinados, do mesmo modo que revisores humanos também têm os seus. 

Bauchner argumenta que os modelos poderiam ser instruídos a desconsiderar a identidade dos autores, eliminando preconceitos ligados a instituição, país ou idioma. 

Mena-Chalco, da UFABC, acrescenta que os modelos de linguagem têm uma vantagem prática: eles não cansam. 

“Talvez o avaliador humano, ao ter muitos artigos para avaliar, tenha mais viés do que um computador que não canse.” 

Os dois argumentos, porém, descrevem intenções de uso, não garantias: vieses embutidos nos dados de treinamento persistem nos modelos independentemente das instruções que recebem.

Para os dois pesquisadores, a adoção declarada da IA no ecossistema de publicação científica é uma questão de tempo. Mena-Chalco observa que muitos pesquisadores já usam as ferramentas, mas relutam em admitir. 

“Muitas pessoas acabam tendo uma sensação de culpa ao usar o sistema, por temor de que seu trabalho pareça facilitado. Até onde vai o uso?”, questiona. 

Para Mena-Chalco, a resposta virá com a normalização: “Daqui a uns dez anos vai ser desnecessário indicar o uso”, prevê.

Há indícios de que essa incorporação já está em curso. A organização sem fins lucrativos Public Library of Science (PLOS), uma das maiores plataformas de publicação científica em acesso aberto, implementou triagem automatizada de integridade. 

Dados apresentados pea organização mostram que as rejeições na mesa do editor subiram de 13%, em 2021, para 40% em 2025.

Um estudo do próprio corpo editorial da revista Organization Science oferece o primeiro retrato empírico de corpus completo sobre esse fenômeno em um periódico científico.

Entre 2021 e 2026, o volume de submissões ao periódico cresceu 42% desde o lançamento do ChatGPT, em novembro de 2022 – alta puxada majoritariamente por textos produzidos com uso intenso de IA, e não por crescimento orgânico da área. 

Manuscritos com mais de 30% de conteúdo gerado por IA (medido pela ferramenta de detecção Pangram) tiveram taxa de rejeição já na triagem inicial até 30 pontos percentuais mais alta, e a qualidade da escrita, medida pelo Índice de Legibilidade de Flesch, caiu 1,28 desvio-padrão no período. 

Os pareceres de revisores seguiram padrão semelhante: mais de 30% já apresentam algum grau de uso de IA, com textos mais difíceis de ler e foco mais estreito, concentrado em teoria e menos em dados.

Para pesquisadores de países onde o inglês não é a língua de trabalho, a mudança pode ter efeitos concretos antes do prazo previsto.

O que ainda está em aberto são as políticas editoriais que vão acompanhar essa transição e com que impacto sobre a integridade do processo que sustenta a ciência.

O post Avalanche de artigos sobrecarrega revisão por pares: a IA pode ajudar? apareceu primeiro em Science Arena.

A diferença foi um dos temas discutidos por Camila Hernandes Pinheiro, diretora de Alianças e Novos Negócios em Inovação do Einstein Hospital Israelita, em uma live do Science Arena.

A diferença entre invenção e inovação

Segundo Pinheiro, criar algo inédito em laboratório, como uma nova molécula, uma técnica, um protótipo, constitui uma invenção. A inovação, por sua vez, só ocorre quando essa descoberta é implementada na prática e se transforma em um produto, serviço ou processo capaz de resolver um problema concreto do mercado ou da sociedade.

Essa transição, afirma a diretora, exige do cientista uma mudança de mentalidade e o desenvolvimento de competências que vão além do rigor metodológico convencional.

Ciência e mercado mais próximos

Superar o distanciamento histórico e os preconceitos culturais entre a academia e o mercado corporativo é o primeiro grande teste para o pesquisador. Validar hipóteses na arena de negócios significa sair do isolamento da bancada para dialogar com demandas externas.

No setor da saúde, por exemplo, essa validação passa por ouvir médicos, gestores hospitalares e usuários finais, para avaliar se uma tecnologia proposta atende a uma necessidade real do sistema de saúde, se tem viabilidade técnica em escala industrial e se é sustentável do ponto de vista econômico.

Outro passo importante na trajetória de quem quer tirar ideias do laboratório é o conhecimento sobre os processos de propriedade intelectual. Parte do empreendedorismo científico está em saber identificar o momento certo de proteger uma descoberta por meio de patentes — uma decisão estratégica para evitar o licenciamento por terceiros ou uma divulgação precoce que inviabilize negócios com parceiros e financiadores.

Para Pinheiro, o ecossistema científico brasileiro tem capital humano, pessoas talentosas e boas ideias, mas em muitos casos falta o olhar de negócio. É por isso, segundo ela, que iniciativas de capacitação voltadas a startups de base científica cumprem um papel importante na formação do cientista-empreendedor, oferecendo mentoria estruturada para transformar teses e dissertações em produtos inovadores — sem abrir mão da excelência científica e do rigor ético que os fundamentam desde a origem.

Etapas para transformar pesquisa em negócio

1. Diferenciar invenção de inovação: reconhecer que uma descoberta só se torna inovação quando resolve um problema real do mercado ou da sociedade.

2. Dialogar com o mercado: ouvir médicos, gestores e usuários finais para validar necessidade, viabilidade técnica e sustentabilidade econômica da tecnologia.

3. Proteger a propriedade intelectual: identificar o momento certo de patentear uma descoberta, evitando divulgação precoce ou licenciamento por terceiros.

4. Buscar mentoria estruturada: participar de programas de capacitação para startups de base científica, que ajudam a transformar teses e dissertações em produtos viáveis.

Para conhecer mais caminhos para empreender a partir da ciência, assista à conversa completa com Camila Hernandes Pinheiro.

O post Para inovar, pesquisadores precisam validar hipóteses além da ciência apareceu primeiro em Science Arena.

O objetivo da conferência é transformar compromissos políticos em ações coordenadas, práticas e orientadas à equidade no uso da IA em saúde. A programação prevê um balanço do que já funciona, a identificação de resultados concretos obtidos até aqui e apoio a países que buscam ampliar abordagens bem-sucedidas, evitando ao mesmo tempo falhas comuns de implementação.

As discussões foram desenhadas para se adaptar a países com diferentes graus de maturidade digital e capacidade dos sistemas de saúde.

Agenda concentra governança, ética e investimento

A programação da conferência está organizada em cinco eixos temáticos, que abrangem desde a definição de regras até a formação de profissionais capacitados a operar essas tecnologias:

Eixos temáticos da conferência

1. Governança e liderança estratégica: Estruturas de decisão e coordenação institucional para orientar a adoção de IA nos sistemas de saúde.

2. Marcos legais, éticos e de responsabilização: Regras sobre responsabilidade civil, gestão de risco e prestação de contas no uso de sistemas de IA.

3. Governança de dados e infraestrutura digital: Interoperabilidade e infraestrutura de dados como pré-requisitos para uma IA confiável.

4. Preparação da força de trabalho e capacidade institucional: Modelos de implementação sustentável e formação de profissionais para lidar com as novas ferramentas.

5. Investimento responsável em IA: Estratégias e marcos para direcionar recursos financeiros de forma responsável ao setor.

Encontro se apoia em prioridades estratégicas da OMS

A conferência está ancorada em dois documentos estratégicos da organização. O Décimo Quarto Programa Geral de Trabalho 2025–2028 (Fourteenth General Programme of Work) destaca a centralidade de sistemas de saúde resilientes e orientados por dados. Já o Segundo Programa Europeu de Trabalho 2026–2030 (Second European Programme of Work) estabelece que a transformação digital, incluindo a adoção responsável de IA, deve estar baseada em equidade, direitos humanos, interoperabilidade e capacidade institucional.

A participação na conferência é restrita a convidados, mas sessões selecionadas serão transmitidas ao vivo. A transmissão do primeiro dia, 15 de julho, pode ser acompanhada neste link, e a do segundo dia, 16 de julho, neste outro.

O post Evento da OMS reúne especialistas para debater uso responsável de IA na saúde apareceu primeiro em Science Arena.

O problema está na falta de diversidade genética das amostras estudadas. Embora os medicamentos sejam usados globalmente, os dados que sustentam sua eficácia nem sempre refletem os diferentes perfis biológicos, ambientais e sociais dos pacientes que os recebem.

Concentração histórica e o que muda com a entrada de novos países

Historicamente, Estados Unidos e Europa concentraram a maior parte das pesquisas clínicas em oncologia, estabelecendo parâmetros terapêuticos baseados em grupos populacionais relativamente homogêneos. 

Para especialistas, essa concentração pode abrir lacunas importantes na compreensão da doença em outras regiões, como América Latina, África e partes da Ásia.

Um estudo publicado em outubro de 2025 no periódico Cancer, da Sociedade Americana de Câncer (American Cancer Society), analisou duas décadas de ensaios clínicos oncológicos (de 2001 a 2020) em países de baixa e média renda. 

Os autores identificaram um crescimento na participação dessas nações na produção científica internacional, ainda que essa expansão seja desigual e dependa, em graus variados, do crescimento econômico de cada país.

Por que a diversidade nos ensaios clínicos importa

Fatores genéticos, hábitos alimentares, condições ambientais e até diferenças no acesso ao diagnóstico influenciam a forma como os tumores evoluem e respondem aos medicamentos. 

Estudos conduzidos em países de baixa e média renda ajudam a entender como essas particularidades — em populações latinas, africanas ou asiáticas — afetam a resposta aos tratamentos.

Fatores que explicam por que a diversidade nos ensaios importa

1. Genética: perfis biológicos distintos podem alterar a forma como um tumor responde a um mesmo medicamento.

2. Hábitos alimentares: padrões de dieta variam entre regiões e podem influenciar a progressão de determinados tipos de câncer.

3. Condições ambientais: exposição a poluentes e outros fatores do entorno afeta o risco e a evolução da doença.

4. Acesso ao diagnóstico: diferenças estruturais no acesso a exames e diagnóstico precoce mudam o estágio em que o tratamento começa.

Ampliar os estudos clínicos em países em desenvolvimento ajuda a descentralizar a ciência e a produzir dados mais compatíveis com a realidade epidemiológica local. 

A presença de centros de pesquisa nessas regiões também tende a acelerar diagnósticos, facilitar o acesso de pacientes a terapias inovadoras e fortalecer a infraestrutura científica nacional.

Urgência reforçada por projeções da OMS

Segundo a Agência Internacional de Pesquisa em Câncer (IARC), vinculada à Organização Mundial da Saúde (OMS), os casos globais da doença devem crescer 77% até 2050, de cerca de 20 milhões para mais de 35 milhões de diagnósticos por ano, com impacto proporcionalmente maior em países de baixo e médio Índice de Desenvolvimento Humano (IDH). 

Para pesquisadores, esse cenário reforça a urgência de incluir populações historicamente sub-representadas na produção científica global.

Mais do que uma questão de distribuição geográfica, a expansão dessas pesquisas é vista como um passo importante para construir tratamentos mais eficazes, inclusivos e compatíveis com a diversidade real dos pacientes ao redor do mundo.

O post Tratamentos contra o câncer avançam, mas falta diversidade nos ensaios clínicos apareceu primeiro em Science Arena.

Esse tipo de impasse pode ocorrer em tumores das glândulas salivares, entre eles os que acometem a parótida, localizada próxima ao ouvido.

Um estudo publicado em abril na revista einstein, conduzido pela Universidade Estadual de Campinas (Unicamp), com participação de uma pesquisadora da Universidade de Utah, nos Estados Unidos, buscou resolver parte desse problema ao identificar características que ajudem a distinguir dois tipos de tumores que frequentemente se confundem: o tumor de Warthin, benigno, e o carcinoma mucoepidermoide, que é maligno.

Metodologia empregada

Para chegar aos resultados, os pesquisadores analisaram 11 tumores de baixo grau das glândulas salivares com características morfológicas incomuns e um padrão semelhante ao do tumor de Warthin.

Esses tumores reuniam características que dificultavam a distinção entre o tumor de Warthin com alterações metaplásicas e o carcinoma mucoepidermoide rico em estroma linfoide.

Os casos foram divididos em dois grupos, batizados pelos autores de Grupo A e Grupo B. A principal diferença entre eles estava na forma como as células se organizavam: no Grupo A (seis casos), havia uma estrutura em duas camadas (típica do tumor benigno), presente em menos da metade do tecido epitelial; no Grupo B (cinco casos), essa organização não aparecia. 

Como referência de comparação, a equipe também analisou cinco casos de tumor de Warthin e dez de carcinoma mucoepidermoide em sua forma clássica.

Além de observar a aparência das células ao microscópio, os pesquisadores utilizaram uma técnica chamada imunohistoquímica. Esse método funciona como um “teste de marcação”, no qual se usam substâncias que se ligam a proteínas específicas dentro das células para revelar padrões que não são visíveis apenas pela forma.

Achados do projeto

Os resultados mostraram que os tumores dos dois grupos, apesar das semelhanças morfológicas, apresentavam diferenças importantes na organização do tecido e nos padrões revelados pela imunohistoquímica. 

Ao aprofundar a análise, os pesquisadores observaram que as diferenças não estavam apenas na aparência geral dos tumores, mas também na organização das células e na distribuição de marcadores específicos no tecido.

Outra diferença importante foi o grau de fibrose, um tipo de “cicatriz” interna no tecido ao redor do tumor, mais frequente no Grupo B. Esse achado indica que esse tipo de tumor pode estar provocando uma resposta mais intensa do organismo.

Os pesquisadores também avaliaram o índice Ki-67, que mede o quanto as células estão se multiplicando. 

O resultado, no entanto, foi contraintuitivo: esse índice foi mais alto no Grupo A (o mais próximo do tumor benigno), chegando a 30% em um dos casos, enquanto nenhum caso do Grupo B ultrapassou 5%. 

Isso reforça a ideia de que nenhum marcador isolado é suficiente, sozinho, para definir se um tumor é benigno ou maligno.

Outros marcadores, como p63, CK14 e CK5/6, também forneceram informações úteis, embora com diferentes graus de sobreposição entre os grupos. A p63, por exemplo, apresentou perfis semelhantes nos dois grupos analisados e nos carcinomas mucoepidermoides de referência. Já a CK14 ajudou a identificar células basais organizadas em padrão linear, mais associado aos tumores do Grupo A. 

Os autores defendem, por isso, que esses marcadores sejam interpretados em conjunto com a CK7 e os antígenos mitocondriais.

Por outro lado, a CK7 e os antígenos mitocondriais se destacaram por revelar padrões distintos entre os grupos e podem se tornar ferramentas úteis para auxiliar no diagnóstico. Os autores do estudo, porém, ressaltam que esses resultados precisam ser validados em amostras maiores.

Impacto no tratamento dos pacientes

Um dos principais pontos discutidos no estudo é que a análise tradicional, baseada apenas na aparência das células, pode levar a erros, já que alguns tumores benignos podem sofrer alterações que os fazem parecer malignos, e vice-versa.

Os autores defendem o uso combinado de diferentes métodos de investigação. 

A imunohistoquímica ajuda a revelar padrões “invisíveis”, mostrando como determinadas proteínas se distribuem nas células. Testes genéticos, embora não tenham sido aplicados à totalidade dos casos deste estudo, são apontados pelos próprios autores como um complemento importante: eles permitem identificar alterações no DNA do tumor, somando um nível adicional de precisão ao diagnóstico.

Entre esses testes está a busca por alterações em um gene chamado MAML2, frequentemente associado ao carcinoma mucoepidermoide. Sua detecção pode fornecer uma evidência molecular importante em favor desse diagnóstico quando a aparência do tumor ao microscópio deixa dúvidas. 

Os autores apontam o fato de a análise dos rearranjos de MAML2 não ter sido realizada em todos os casos como uma das limitações do estudo.

Os pesquisadores classificam os critérios propostos como preliminares e defendem que estudos com amostras maiores e testes moleculares mais abrangentes são necessários para confirmar os achados.

Referência

Bonfitto JF, Scarini JF, Ferreira IV, de Lima-Souza RA, Egal ES, Altemani A, et al. Preliminary diagnostic criteria for distinguishing metaplastic Warthin tumors from mucoepidermoid carcinomas rich in lymphoid stroma. einstein (São Paulo). 2026; 24: eAO1591. https://dx.doi.org/10.31744/einstein_journal/2026AO1591 

O post Estudo identifica pistas para diferenciar tumor benigno de câncer nas glândulas salivares apareceu primeiro em Science Arena.

A avaliação é do biólogo Martin Bonamino, chefe do Programa de Imunoterapia Celular e Gênica do Instituto Nacional de Câncer (INCA), presidente da Associação Brasileira de Terapia Celular e Gênica e chair do Outreach Committee da American Society of Gene & Cell Therapy.

Entre os avanços mais importantes dessa área estão as terapias com células CAR-T, que utilizam células de defesa modificadas em laboratório para reconhecer e atacar o câncer. 

A estratégia já alcançou resultados expressivos no tratamento de alguns cânceres hematológicos, como leucemias, linfomas e mieloma múltiplo. 

Sua expansão, no entanto, ainda esbarra em desafios como a duração da resposta ao tratamento, a aplicação em tumores sólidos e os altos custos de produção, um obstáculo especialmente relevante para sua incorporação aos sistemas públicos de saúde.

Em entrevista ao Science Arena, Bonamino analisa os caminhos para ampliar e prolongar a eficácia das terapias CAR-T, as perspectivas de sua aplicação em tumores sólidos e o potencial do Brasil para desenvolver e produzir terapias avançadas. 

O pesquisador também discute as estratégias para ampliar o acesso a esses tratamentos e explica por que considera a edição genética uma das tecnologias com maior potencial para transformar a medicina nos próximos anos.

Science Arena – As terapias CAR-T transformaram o tratamento de alguns cânceres hematológicos. Quais são os principais desafios para ampliar e prolongar esses resultados e reproduzi-los nos tumores sólidos?

Martin Bonamino – Nos cânceres hematológicos, um dos principais desafios é que as células CAR-T nem sempre permanecem tempo suficiente no organismo para eliminar todas as células tumorais. Isso está relacionado à qualidade das células T coletadas do próprio paciente para fabricar o tratamento. 

Como esses pacientes geralmente já passaram por várias terapias, suas células podem estar menos funcionais. Para contornar o problema, as células podem ser coletadas mais precocemente ou obtidas de doadores saudáveis.

Outro mecanismo de resistência ocorre quando as células tumorais deixam de expressar o alvo reconhecido pelas CAR-T, tornando-se invisíveis ao sistema imune. Uma estratégia para superar essa limitação é desenvolver células CAR-T capazes de reconhecer mais de um alvo tumoral.

Nos tumores sólidos, além desses desafios, o próprio microambiente do tumor costuma bloquear a ação dos linfócitos antitumorais. Modificações adicionais nas células CAR-T podem torná-las mais resistentes a esses mecanismos de defesa. 

Os primeiros resultados são promissores, mas as taxas de sucesso ainda permanecem inferiores às observadas nos cânceres do sangue.

O Brasil consegue ser um dos protagonistas no desenvolvimento de terapias celulares e gênicas ou ainda depende excessivamente de tecnologias produzidas no exterior?

O Brasil tem capacidade para desenvolver e produzir no campo das terapias avançadas (que englobam as terapias celulares e gênicas). Dependemos menos de tecnologias no exterior e mais dos insumos que são produzidos fora. 

Não há equivalentes na produção nacional e eles apresentam altos custos e muita demora para chegar ao país quando adquiridos. Isso reduz a competitividade do Brasil para o desenvolvimento de novas terapias. 

No entanto, o país tem uma capacidade de orquestrar ações nacionais com o respaldo do Ministério da Saúde que outros países não possuem, incluindo a produção de insumos críticos para estas terapias avançadas. Esse arranjo pode tornar o Brasil mais competitivo e colocá-lo em posição de destaque global.

Qual é o maior obstáculo para democratizar o acesso às terapias CAR-T e fazê-las chegar a um número maior de pacientes?

Neste momento, temos alguns desafios grandes. O primeiro deles é o valor que está sendo cobrado para o preparo desta terapia por cada paciente. A alternativa adotada pelo país vem sendo produzir a terapia localmente, em centros especializados. 

O que se tem hoje de resultados sobre custo-efetividade em torno das terapias celulares?

Ainda com estes valores elevados de comercialização, estas terapias possuem um perfil bastante favorável de segurança e toxicidade e um resultado de desfecho muito positivo. Intervenções como as terapias com células CAR-T apresentam custos elevados, mas também menos complicações (e potencialmente menor custo) quando comparados a alternativas terapêuticas mais agressivas, como é o caso do transplante de medula óssea a partir de doadores. 

O barateamento do processo de produção das células CAR-T e a eventual maior potência antitumoral das células CAR-T geradas mais recentemente tendem a aumentar ainda mais este perfil de custo-efetividade, através da redução de custos e melhoria dos desfechos.

Os modelos celulares e tecnologias de modificação genética podem ajudar a entender melhor outras doenças, além do câncer?

Sem dúvida. As tecnologias de edição genética são hoje uma das principais ferramentas para estudar doenças. Elas permitem criar modelos biológicos que reproduzem essas condições em laboratório e avaliar se terapias gênicas em desenvolvimento podem beneficiar pacientes com doenças de origem genética. 

Essa forma rápida e direta de compreender a doença e testar possíveis soluções está revolucionando a medicina.

Entre edição gênica, células universais e inteligência artificial, qual tecnologia tem maior potencial para transformar a pesquisa biomédica e a prática clínica nos próximos anos?

Acredito que a edição genética será o principal fator nessa equação. Ela está na base da criação de células universais e pode ter seu desenvolvimento acelerado por ferramentas de inteligência artificial.

O post Brasil pode ganhar destaque global em terapias celulares e gênicas, diz Martin Bonamino apareceu primeiro em Science Arena.