O Crepúsculo dos Deuses de Jaleco

Por que a Medicina Precisa de Menos Algoritmo e Mais Argumentação

Por: Glenio S Guedes ( advogado )

"Na ciência, trocamos a arrogância da 'Verdade Absoluta' pela humildade da 'Verossimilhança' — a busca constante por estar cada vez menos errado, sabendo que a certeza total é impossível."

I. Introdução: A Crise da Justificação

Vivemos um paradoxo no campo da saúde. Nunca tivemos tanto acesso a dados científicos e, simultaneamente, jamais estivemos tão perdidos na neblina da desinformação. A locução "evidência científica" — outrora um termo técnico rigoroso — sofreu um processo de erosão semântica. Hoje, discursos que mimetizam a ciência são utilizados nas redes sociais para vender "soros da imunidade" e protocolos estéticos sob o carimbo de "comprovado", banalizando o conceito a ponto de esvaziá-lo de sentido, como alerta o Dr. Fernando Ganem, diretor médico do Hospital Sírio-Libanês.

O problema de fundo é um clássico dilema de Epistemologia: a confusão entre Doxa (opinião) e Episteme (conhecimento verdadeiro e justificado). A tradição filosófica nos ensina que, para que uma crença ascenda ao status de conhecimento, ela precisa de justificação racional. O influenciador que acerta um tratamento por acaso pode até deter uma verdade, mas lhe falta a cadeia de justificação metodológica. Ao dispensar esse rigor, a medicina moderna corre o risco de rebaixar a ciência à categoria de "opinião com grife".

II. O Peru de Russell e a Ilusão da Indução

A raiz dessa confusão reside em uma compreensão ingênua de como a ciência opera. Muitos operam sob uma lógica indutiva primitiva, ilustrada pela parábola do "Peru de Russell". O peru, alimentado todos os dias às 9h, conclui que "ser alimentado" é uma lei universal. Essa "evidência robusta" se acumula até a véspera do Natal, quando a regra é quebrada pelo fio da faca.

Na clínica, essa falácia alimenta o cientificismo: a crença de que a acumulação de dados passados garante certeza absoluta. Esquecemos a lição de Karl Popper: a ciência não prova verdades imutáveis; ela apenas falha, provisoriamente, em refutar hipóteses. Quem promete cura garantida "baseada em evidência" não está fazendo ciência; está agindo como o peru antes da faca.

Muitos médicos também caem na armadilha do P-valor. É vital esclarecer: um p-valor baixo (comumente < 0,05) em um estudo não é um "atestado de verdade" ou uma prova de eficácia clínica. Ele é apenas uma medida estatística que diz quão incompatíveis seriam os dados observados se o tratamento fosse inútil (hipótese nula). Confundir essa métrica de raridade estatística com a probabilidade real de cura é um dos erros fundamentais que alimentam a falsa certeza na medicina.

III. A Hipertrofia da Indução: O Desafio do "Dr. ChatGPT"

Se o peru de Russell errava por confiar cegamente em dados repetidos, a Inteligência Artificial Generativa industrializa esse erro. O "Dr. ChatGPT" opera como uma máquina de indução massiva: ele prevê a próxima palavra provável baseado em bilhões de textos, sem compromisso inerente com a veracidade clínica.

Isso gera a Inversão Epistêmica: a autoridade migra do médico para o dado bruto, mas sem o filtro da crítica. O paciente chega ao consultório armado de papers descontextualizados, exigindo exames baseados em uma "alucinação estatística". O médico precisa desmontar essa lógica falha com ferramentas superiores.

IV. A Clínica como Arena de Argumentação

A solução para o impasse com o paciente não é apenas técnica, é retórica. A epistemologia moderna, vista através da Teoria da Argumentação, mostra que justificar uma verdade é um ato social.

O erro comum é o médico tentar usar argumentos de "Auditório Universal" (estatística fria) para convencer um "Auditório Particular" (o paciente com medo). A competência essencial do novo médico é a tradução argumentativa:

1. Lógica Informal: A consulta deixa de ser um monólogo e vira um diálogo deliberativo. O médico deve apresentar a evidência como a "melhor razão disponível".

2. Persuasão Racional: Não basta deter o dado; é preciso construir o argumento que conecte esse dado aos valores do paciente. Sem essa ponte retórica, a melhor evidência científica é inútil, pois não gera adesão.

   
   

V. A Síntese Bayesiana: O Ponto de Encontro

Para operar essa argumentação com rigor, o modelo ideal é o Bayesiano - dinamismo cognitivo. Ao contrário da estatística frequentista tradicional — que analisa a frequência de eventos em longo prazo —, o pensamento bayesiano incorpora o que chamamos de Probabilidade Pré-Teste (ou priors).

O que é a Probabilidade Pré-Teste? É o ponto de partida. Antes de pedir qualquer exame ou aplicar um protocolo, o médico avalia a probabilidade daquela doença existir baseando-se na prevalência local, na história clínica e no exame físico.

Quando o médico acolhe a dúvida do paciente (ou o dado do paper) e o usa para atualizar essa estimativa inicial, ele está praticando uma ciência mais robusta.

Mas o Bayesianismo é a única via?

Não. Como destacam Bacchi e Alencar, o pensamento bayesiano e o frequentista não são inimigos, mas complementares. A estatística frequentista (dos grandes ensaios clínicos) nos dá a regra geral, a "média populacional". O raciocínio bayesiano nos permite pegar essa regra e individualizá-la para o paciente à nossa frente. Abandonar um pelo outro seria um erro; a sabedoria está na integração.

VI. Conclusão: Por uma Consciência Epistemológica

A crise da "evidência" denuncia uma falha educacional. Nossas faculdades formam técnicos competentes, mas muitas vezes negligenciam a formação do pensador crítico. Iniciativas inovadoras, como a nova graduação do Hospital Sírio-Libanês, que integram ciências básicas e raciocínio clínico desde o início, apontam para a correção desse rumo.

Precisamos de médicos que saibam ler um p-valor sem fetichizá-lo, que compreendam a natureza provisória do conhecimento e que usem a arte da argumentação para resgatar a medicina de sua banalização. O médico do futuro não será substituído pela IA, mas por outro médico que saiba pensar — e argumentar — melhor do que ela.

Bibliografia

Obra Base:

• Bacchi, André D.; Alencar, José Nunes de. Manual de Medicina Baseada em Evidências. 2. ed. Barueri: Manole, 2025. (Especialmente Capítulo 2: "Introdução à epistemologia e à origem da medicina baseada em evidências").

Referências Complementares e Entrevistas:

• Estadão (O Estado de S. Paulo). "Estudantes de Medicina precisam aprender o que é evidência científica de fato, diz diretor do Sírio". Entrevista com Fernando Ganem por Fabiana Cambricoli. Publicado em 20/12/2025.

• Dutra, Luiz Henrique de Araújo. Introdução à Teoria da Ciência. Florianópolis: Ed. da UFSC, 2010. (Conceitos de Falibilismo e Demarcação Científica).

• Moser, Paul K.; Mulder, Dwayne H.; Trout, J. D. A Teoria do Conhecimento: Uma introdução temática. São Paulo: Martins Fontes, 2004. (Definição de Conhecimento e Justificação).

• Perelman, Chaïm; Olbrechts-Tyteca, Lucie. Tratado da Argumentação: A Nova Retórica. São Paulo: Martins Fontes, 1996. (Conceitos de Auditório e Argumentação).