Videocast Anahp
Séries sobre os caminhos e
avanços para a saúde no Brasil

EP05 | IA Agora Anahp

IA Multimodal na prática médica e Cognware (Cognição Artificial Multimodal em Saúde)

24 de fevereiro de 2026

Neste episódio do IA Agora Anahp aprofundamos conceitos essenciais para entender a transformação digital na saúde. Guilherme Hummel explica os “Glossários de IA” (disponibilizados desde o Episódio 1) e apresenta a importância da multimodalidade na medicina – base para o conceito de COGNWARE: Cognição Artificial Multimodal em Saúde. O debate também provoca uma reflexão: por que, no contexto assistencial, falar em “Cognição Artificial” pode ser mais adequado do que simplesmente “Inteligência Artificial”?

O episódio traz ainda exemplos reais em vídeo que mostram a cognição artificial em ação: uma aluna e um médico interagindo com imagens médicas por meio de sistemas multimodais. Mais do que teoria, a proposta é evidenciar como essa nova camada cognitiva já está redesenhando a prática clínica, ampliando a capacidade humana de análise e decisão.

Links:

Glossário de Termos de IA Médica – Fonte: The Physician AI Handbook
https://physicianaihandbook.com/appendices/glossary.html

Glossário de Aprendizado de Máquina: IA Generativa – Fonte Google (atualiza os termos a cada três meses)
https://developers.google.com/machine-learning/glossary/generative?utm_source=chatgpt.com&hl=pt-br

Glossário de Saúde Digital e Inteligência Artificial da FDA – Recurso Educacional – Fonte: FDA
https://www.fda.gov/science-research/artificial-intelligence-and-medical-products/fda-digital-health-and-artificial-intelligence-glossary-educational-resource Estudo/Link: “Bridging modalities with AI: a review of AI advances in multimodal biomedical Imaging” (tradução livre: Integrando modalidades com IA: uma revisão dos avanços da IA em imagens biomédicas multimodais). Estudo publicado pela Communications Engineering em 13/02/2026, sendo uma revisão técnica sobre como a IA está aprendendo a “costurar” modalidades de imagem biomédica (multimodalidades), não para substituir cada exame isoladamente, mas para extrair ganho de informação no cruzamento entre eles (estrutura, função e sinais moleculares).
https://www.nature.com/articles/s44172-026-00602-x