EM POUCAS LINHAS
- AlphaGenome 2 prevê efeitos de sequências e variantes de DNA em condições celulares específicas; não é uma ferramenta diagnóstica validada.
- O Gemini for healthcare foi anunciado para conectar dados e coordenar tarefas clínicas e administrativas, inicialmente em prévia com parceiros.
- A comparação de desempenho divulgada para AlphaGenome 2 é molecular, não uma medida de acerto diagnóstico.
- As fontes não confirmam acesso à prévia clínica, condições locais de uso ou validação para instituições brasileiras.
Os nomes aparecem próximos no noticiário de IA em saúde, mas apontam para problemas diferentes. Em 11 de novembro de 2026, o Google DeepMind anunciou o AlphaGenome 2, voltado a investigar efeitos de sequências e variações de DNA em células humanas. Em 10 de novembro de 2026, o Google Cloud anunciou o Gemini for healthcare, apresentado como solução para coordenar trabalho sobre dados clínicos, operacionais e administrativos. São anúncios de fornecedores, não demonstrações de que os dois sistemas estejam prontos para diagnóstico ou implantação em serviços de saúde brasileiros.
AlphaGenome 2: prever efeitos moleculares para orientar pesquisa
O DeepMind descreve o AlphaGenome 2 como um modelo condicional: ele recebe uma sequência de DNA e uma condição biológica escolhida, como tecido, tipo celular ou estado da célula, para prever efeitos nessa condição. Isso importa porque uma alteração no DNA pode ter consequências distintas conforme a célula examinada. A saída ajuda a formular hipóteses sobre quais variantes e mecanismos merecem investigação; não é, por si só, um laudo sobre uma pessoa.
Segundo o anúncio do DeepMind, o modelo prevê medidas associadas à função do DNA, entre elas expressão gênica, acessibilidade da cromatina e metilação do DNA. O fornecedor também relata treinamento com dados de amostras humanas e de camundongos, incluindo mais de 107 milhões de perfis celulares individuais. Esses dados descrevem a base declarada para construir o modelo; a quantidade de perfis não informa, isoladamente, quão confiável será uma previsão para uma variante ou população específica.
Como evidência de desempenho, o DeepMind relata que, no conjunto TenK10K, o AlphaGenome 2 identificou variantes causais nas proporções de 30% contra 16% para o AlphaGenome anterior ajustado com dados de célula única e outras ferramentas especializadas. Trata-se de uma comparação divulgada pelo próprio fornecedor em uma tarefa de pesquisa, não de uma taxa de acerto diagnóstico. A publicação anuncia o sistema em novembro, mas não fornece, nessa descrição do resultado, uma data de realização do estudo que permita tratá-la como a data do experimento. Para avaliar uso em saúde, ainda seria necessário examinar o desenho das avaliações e a correspondência entre previsões e evidências pertinentes ao caso de interesse.
O limite mais explícito está no próprio aviso do DeepMind: AlphaGenome e AlphaGenome 2 destinam-se somente à pesquisa e não foram validados nem aprovados para fins clínicos ou diagnósticos. Priorizar variantes para estudo e orientar uma decisão médica são tarefas que exigem padrões de evidência diferentes.
Gemini for healthcare: coordenar tarefas, não interpretar variantes
Já o Google Cloud apresenta o Gemini for healthcare como uma solução que reúne informações de prontuários eletrônicos, plataformas de faturamento, diretrizes clínicas e bases Medicare por meio de conectores e sistemas de terceiros. As tarefas citadas no anúncio incluem sintetizar registros médicos e apoiar a revisão de autorizações prévias. O foco, portanto, é organizar informações e etapas de trabalho, não prever o efeito molecular de uma mudança no DNA.
O anúncio afirma que os fluxos operariam dentro de limites definidos e com supervisão humana apropriada. Essa declaração indica o desenho pretendido, mas a página recebida não apresenta uma avaliação independente que permita quantificar erros, efeitos sobre pacientes ou tempo efetivamente economizado. Uma síntese de registros, por exemplo, precisaria preservar a origem dos dados, distinguir informação ausente de informação negativa e permitir a conferência por quem responde pelo atendimento. Esse é um critério de avaliação, não um resultado já demonstrado para o produto.
Medicare e revisão de autorização prévia aparecem no contexto descrito pelo Google Cloud. Não se deve transportar esse fluxo automaticamente para a organização do cuidado ou para sistemas de informação no Brasil. Para uma discussão mais ampla sobre o que avaliações de agentes conseguem — e não conseguem — provar na pesquisa em saúde, veja também nossa análise sobre agentes de IA em laboratório.
Que acesso foi anunciado e o que falta verificar no Brasil?
Na data do anúncio, o DeepMind declarou acesso ao AlphaGenome 2 pela AlphaGenome API para pesquisa não comercial e prévia privada para pesquisa comercial. A distinção é relevante: disponibilidade anunciada para pesquisa não equivale a autorização para diagnóstico, e prévia privada não é acesso geral. A fonte não estabelece condições específicas de uso da API por pesquisadores no Brasil.
O Google Cloud informou que o Gemini for healthcare estaria inicialmente em prévia com parceiros de lançamento, entre eles HCA Healthcare, Highmark Health e Northwell Health. Isso não comprova oferta geral nem entrada de instituições brasileiras na prévia. Preço, elegibilidade local, integração com sistemas usados no país, condições de tratamento dos dados e adequação a exigências aplicáveis permanecem pendentes nas fontes recebidas.
A resposta prática é separar a pergunta antes de escolher uma ferramenta: pesquisadores que estudam efeitos de variantes podem investigar as previsões do AlphaGenome 2 dentro do escopo de pesquisa declarado; equipes que estudam automação de tarefas assistenciais e administrativas precisam avaliar o Gemini for healthcare como proposta de fluxo supervisionado, ainda com acesso inicial limitado. Nenhum dos anúncios, isoladamente, demonstra benefício clínico ou justifica presumir disponibilidade para uso assistencial no Brasil.
Fontes e referências
- AlphaGenome 2: Deciphering how cells read DNA to better understand disease — Google DeepMinddeepmind.google · Consultado em 12/11/2026
- Google Cloud Gemini for healthcare: AI workflow automationblog.google · Consultado em 12/11/2026