Introdução
Vivemos na era dos diagnósticos rápidos, dos aplicativos de bem-estar e das promessas tecnológicas. Mas, quando o assunto é a depressão e a complexidade da mente humana, será que uma linha de código poderá substituir a avaliação clínica, a escuta e o vínculo terapêutico?
Um artigo científico de Gabrielle Bezerra Sales Sarlet e Fábio de Holanda Monteiro lança luz sobre um cenário que já faz parte do presente: o uso da Inteligência Artificial (IA) como ferramenta de apoio à saúde mental. Os autores discutem as possibilidades da IA no contexto da depressão, mas também os desafios éticos, jurídicos e clínicos envolvidos nessa transformação digital.
A proposta é fascinante, mas também nos força a fazer uma pergunta fundamental: onde termina o papel da máquina e onde começa aquilo que exige compreensão humana?
Quais são os sintomas da depressão e como é feita a avaliação?
A dimensão do problema é enorme.
A Organização Mundial da Saúde (OMS), estima que aproximadamente 332 milhões de pessoas no mundo vivam com depressão. A própria OMS destaca que a depressão é diferente das oscilações comuns de humor e pode envolver tristeza persistente ou perda de interesse e prazer, além de alterações no sono, apetite, energia, concentração, autoestima e perspectivas sobre o futuro.
Quando consideramos os transtornos mentais de forma mais ampla, o número é ainda maior. Sarlet e Monteiro registram que, em 2019, os transtornos mentais afetavam cerca de 1 bilhão de pessoas no mundo e destacam a elevada prevalência da depressão no Brasil e na América Latina.
Uma revisão sistemática e meta-análise sobre a prevalência de transtornos depressivos na América Latina encontrou uma prevalência ao longo da vida de 17,38% no Brasil, a maior entre os países analisados naquela revisão. Para a prevalência em 12 meses, a estimativa brasileira foi de 8,11%. Esses números devem ser interpretados com cautela, pois combinam estudos realizados em períodos e populações diferentes.
Mas existe uma particularidade importante na avaliação da depressão.
Ao contrário de muitas doenças que podem ser investigadas por exames laboratoriais ou de imagem, a depressão não possui um único exame capaz de, por si só, estabelecer o diagnóstico. No Brasil, o Ministério da Saúde define o diagnóstico como clínico, realizado a partir da história do paciente e do exame do estado mental, ressaltando que não existem exames laboratoriais específicos para diagnosticar depressão.
A avaliação considera não apenas a presença dos sintomas, mas também sua intensidade, duração, evolução e impacto sobre a vida pessoal e social do indivíduo. As diretrizes clínicas recomendam ainda que sejam considerados o histórico de saúde, experiências anteriores de tratamento, relacionamentos, condições de vida, acontecimentos estressantes ou traumáticos, uso de álcool e outras drogas, isolamento social e outros fatores que possam ter contribuído para o desenvolvimento ou agravamento do quadro.
E existe outro elemento fundamental nesse processo: o quanto o paciente consegue comunicar aquilo que está vivendo.
A depressão pode afetar a concentração, a energia, a autoestima e a capacidade de se relacionar. Para algumas pessoas, colocar o próprio sofrimento em palavras pode ser extremamente difícil. Outras podem minimizar o que sentem, não reconhecer a gravidade dos sintomas ou simplesmente não encontrar palavras para descrever uma experiência que, muitas vezes, é subjetiva e complexa.
Por isso, a avaliação clínica não deve depender exclusivamente de uma narrativa perfeita e articulada do paciente. Quando existem dificuldades de comunicação, a avaliação pode precisar ser adaptada e, quando apropriado, informações complementares de familiares ou cuidadores podem ajudar a compreender melhor a situação.
É justamente nesse ponto que a Inteligência Artificial surge como uma ferramenta potencialmente útil.
Sistemas de IA podem analisar grandes volumes de dados, identificar padrões de comportamento e reconhecer alterações que talvez passem despercebidas em uma observação isolada.
Pesquisas recentes já investigam o uso de linguagem, fala, expressões comportamentais, dados fisiológicos, dispositivos vestíveis e outras fontes para identificar sinais associados à depressão. Uma revisão sistemática e meta-análise publicada em 2026, que analisou 123 estudos sobre detecção de depressão por linguagem com processamento de linguagem natural e aprendizado de máquina, encontrou uma acurácia agrupada de aproximadamente 80%. Entretanto, os pesquisadores também encontraram elevada heterogeneidade entre os estudos e ressaltaram a necessidade de padronização e validação antes de uma utilização clínica ampla.
Portanto, a IA pode funcionar como um radar.
Mas existe uma diferença fundamental entre detectar um padrão de risco e diagnosticar uma pessoa.
Um sistema pode identificar alterações na linguagem ou no comportamento que mereçam atenção. Isso não significa, por si só, que exista um diagnóstico de depressão.
O algoritmo pode indicar que alguma coisa mudou.
A avaliação clínica precisa investigar o que essa mudança significa.
O perigo da "linha de montagem" e a medicalização excessiva.
Se a tecnologia pode oferecer a vantagem do tempo por meio da detecção precoce, ela também traz riscos quando utilizada sem critérios clínicos e éticos.
Imagine um cenário de automação excessiva:
A IA identifica sinais → o sistema presume um diagnóstico → ocorre o encaminhamento automático → o paciente recebe uma prescrição → o processo é considerado encerrado.
O problema, nesse caso, não está necessariamente na medicação.
Antidepressivos podem desempenhar um papel importante no tratamento da depressão e, dependendo da gravidade do quadro, das características individuais e das preferências do paciente, podem ser indicados isoladamente ou em combinação com intervenções psicológicas.
Diretrizes clínicas contemporâneas não tratam psicoterapia e medicação como opções necessariamente excludentes. A diretriz do NICE, por exemplo, recomenda que a escolha do tratamento considere a gravidade, as necessidades e as preferências da pessoa, podendo envolver intervenções psicológicas, medicamentos ou uma combinação entre elas.
O risco está em transformar um problema humano complexo em uma sequência automatizada: sinal detectado → diagnóstico presumido → receita → encerramento do processo.
Quando o cuidado se reduz exclusivamente à intervenção farmacológica, existe o perigo de deixar em segundo plano fatores psicológicos, sociais, relacionais e ambientais que também podem participar do sofrimento.
O problema, portanto, não é a existência da medicação.
É transformar a medicação em uma resposta automática para um problema que exige avaliação individualizada.
Nassim Nicholas Taleb, ao desenvolver o conceito de antifragilidade, chama atenção para a maneira como sistemas complexos respondem à incerteza, à variabilidade e aos choques. Sua obra não é uma diretriz clínica sobre depressão, mas oferece uma reflexão útil para pensar os limites de modelos excessivamente orientados à previsão, ao controle e à simplificação de sistemas complexos.
O ser humano não funciona como uma máquina na qual basta identificar uma peça defeituosa e substituí-la.
Uma metáfora ajuda a compreender essa questão.
Nossas emoções e sintomas podem, em determinadas circunstâncias, funcionar como luzes de alerta no painel de um carro. Se a luz do óleo acende, o problema não é a luz: é o motor que pode estar precisando de óleo.
Da mesma maneira, aliviar um sintoma pode ser importante e, em determinadas situações, necessário. O problema surge quando confundimos o desaparecimento do sinal com a resolução daquilo que provocou o sinal.
É como cortar o fio da luz de alerta do painel para que ela se apague.
A luz desapareceu, mas isso não significa que o problema do motor tenha sido resolvido.
Da mesma forma, reduzir um sintoma depressivo não significa necessariamente que todas as circunstâncias psicológicas, sociais ou ambientais relacionadas ao sofrimento tenham sido compreendidas.
O objetivo do tratamento não deve ser simplesmente fazer a luz desaparecer. Deve ser compreender por que ela acendeu e cuidar do que está por trás dela.
O que Randolph Nesse acrescenta a essa discussão?
O psiquiatra evolucionista Randolph Nesse propôs uma perspectiva interessante sobre o significado evolutivo do humor deprimido.
Em seu artigo Is Depression an Adaptation? Publicado em 2000, nesse discute hipóteses segundo as quais determinados componentes do baixo humor poderiam ter desempenhado funções relacionadas a situações de perda, ameaça, conflitos hierárquicos, objetivos inatingíveis ou condições nas quais insistir em determinado comportamento poderia aumentar os riscos ou os custos para o indivíduo.
É importante fazer uma ressalva:
Nesse não afirma simplesmente que a depressão clínica seja “boa” ou que não deva ser tratada.
A questão é mais complexa.
Sua proposta é investigar se alguns componentes do baixo humor podem ter funções adaptativas em determinadas circunstâncias e como a perspectiva evolucionista pode contribuir para compreender os transtornos mentais.
Essa distinção é importante para o nosso argumento.
Se um sintoma possui contexto, função ou significado, simplesmente eliminá-lo não necessariamente explica a situação que o produziu.
A pergunta não deve ser apenas:
“Como podemos reduzir este sintoma? ”
Mas também:
“O que está acontecendo com esta pessoa? ”
Os dois sistemas da mente e os limites da Inteligência Artificial
A Inteligência Artificial trabalha fundamentalmente com dados, padrões e probabilidades. É justamente por isso que ela pode ser tão eficiente na identificação de determinadas regularidades.
O psicólogo Daniel Kahneman popularizou, em Thinking, Fast and Slow, a distinção entre dois modos de funcionamento cognitivo:
Sistema 1: rápido, intuitivo e automático.
Sistema 2: mais lento, deliberativo e analítico.
Essa estrutura é útil para pensar sobre como tomamos decisões, embora seja importante lembrar que Kahneman não desenvolveu essa teoria especificamente para explicar a depressão.
Na depressão, pensamentos automáticos negativos podem assumir um papel importante, envolvendo autocrítica, desesperança, culpa e desamparo.
A IA pode potencialmente identificar alterações relacionadas à linguagem, ao comportamento ou a outros padrões observáveis que indiquem que algo mudou.
Mas identificar o padrão não significa necessariamente compreender seu significado.
Uma alteração no modo de falar pode ser detectada.
Uma mudança na frequência das interações pode ser registrada.
Uma sequência de palavras pode apresentar características estatisticamente associadas a determinados estados emocionais.
Mas: por que aquela pessoa está sofrendo?
Essa pergunta exige contexto.
O sofrimento pode estar relacionado a um luto, a uma crise de identidade, ao isolamento social, a dificuldades econômicas, a conflitos familiares, a experiências traumáticas, a condições médicas ou a uma combinação de diferentes fatores.
A própria revisão de 2026 sobre detecção automatizada de depressão destaca que sinais linguísticos não devem ser interpretados isoladamente, porque podem refletir fatores situacionais, culturais e emocionais que não correspondem necessariamente a um transtorno depressivo.
O algoritmo pode reconhecer o sinal.
O profissional precisa compreender a pessoa por trás do sinal.
A importância da psicoterapia no tratamento
É por isso que a detecção antecipada por IA só alcança seu verdadeiro potencial quando serve para aproximar o paciente de um cuidado adequado.
A tecnologia pode ajudar a ganhar tempo.
A medicação pode ser indicada quando necessária e contribuir para a redução dos sintomas.
A psicoterapia pode oferecer um espaço estruturado para compreender pensamentos, emoções, comportamentos, relações e circunstâncias relacionadas ao sofrimento.
Não se trata, portanto, de escolher entre tecnologia, medicação e psicoterapia como se fossem alternativas mutuamente excludentes.
O verdadeiro desafio é construir um cuidado integrado e individualizado.
As diretrizes clínicas atuais reconhecem justamente essa diversidade de possibilidades. A NICE recomenda diferentes intervenções psicológicas e farmacológicas de acordo com a gravidade da depressão, as características clínicas e as preferências do paciente, incluindo situações em que a combinação de psicoterapia e antidepressivos pode ser apropriada.
A Organização Mundial da Saúde também reconhece a existência de tratamentos psicológicos eficazes e afirma que medicamentos podem ser considerados dependendo da idade e da gravidade do quadro.
A dinâmica do cuidado em saúde mental
Detecção e triagem — IA: identifica padrões e possíveis sinais de risco, ajudando a direcionar a atenção.
Avaliação clínica: profissionais analisam os sintomas, a história, o contexto e as necessidades individuais.
Tratamento: pode envolver psicoterapia, medicamentos, mudanças comportamentais, intervenções sociais ou uma combinação dessas estratégias, conforme cada caso.
Acompanhamento: observa a evolução do paciente e permite ajustar o tratamento quando necessário.
Nesse modelo, a IA não ocupa o lugar do profissional.
Ela funciona como uma ferramenta.
Pode ajudar a responder:
“O que está acontecendo? ”
Mas a avaliação clínica precisa investigar:
“O que isso significa para esta pessoa? ”
E essa diferença é enorme.
O processo psicoterapêutico pode ser um espaço para elaborar lutos, compreender padrões de pensamento, trabalhar experiências traumáticas, enfrentar crises de identidade, reconstruir relações e desenvolver novas formas de lidar com o sofrimento.
Mas é importante não transformar essa afirmação em outra forma de reducionismo.
A psicoterapia não é uma resposta universal para todos os casos, assim como a medicação não é uma resposta universal.
O tratamento precisa acompanhar a pessoa real — e não apenas a categoria diagnóstica.
Tecnologia para ganhar tempo, humanidade para compreender
A Inteligência Artificial na saúde mental é uma realidade promissora.
Pesquisas recentes mostram que algoritmos podem identificar padrões associados à depressão em diferentes tipos de dados, inclusive linguagem e sinais comportamentais. Porém, os mesmos estudos apontam limitações relacionadas à heterogeneidade dos dados, à generalização dos modelos, ao viés, à privacidade, à interpretabilidade e à necessidade de validação clínica.
Por isso, seu papel mais seguro não é substituir o diagnóstico clínico, o psicólogo ou o psiquiatra, mas ampliar a capacidade humana de perceber sinais, organizar informações, acompanhar pacientes e identificar situações que merecem atenção.
A questão central não é se a tecnologia funciona.
É como ela será utilizada.
O maior risco talvez não esteja na existência da Inteligência Artificial, mas na expectativa de que ela possa transformar a complexidade humana em uma equação simples.
Depressão não é apenas um conjunto de sintomas.
É uma experiência que acontece dentro de uma pessoa, inserida em uma história, em relações e em determinado contexto de vida.
Por isso, talvez a pergunta mais importante não seja se um algoritmo consegue detectar a depressão.
A pergunta é: depois que o algoritmo detectar o sofrimento, o que faremos com essa informação?
Se a resposta for apenas automatizar diagnósticos e prescrições, teremos usado uma tecnologia sofisticada para reproduzir um modelo limitado de cuidado.
Se, porém, utilizarmos a tecnologia para reconhecer sinais mais cedo, encaminhar pessoas para avaliação adequada e ampliar o acesso ao cuidado, ela poderá cumprir uma função verdadeiramente valiosa.
A IA pode ajudar a perceber o sofrimento.
A medicina pode ajudar a tratá-lo.
A psicoterapia pode ajudar a compreendê-lo e elaborá-lo.
E o cuidado humano continua sendo aquilo que conecta todas essas dimensões.
Talvez esse seja o verdadeiro limite da Inteligência Artificial na saúde mental:
ela pode aprender a reconhecer padrões cada vez mais complexos, mas cuidar de uma pessoa exige muito mais do que reconhecer um padrão.
Referências
FISHER, Hadar; JAFFE, Nigel M.; PIDVIRNY, Kristina et al. Language-based detection of depression with machine learning: systematic review and meta-analysis. npj Digital Medicine, 2026.
KAHNEMAN, Daniel. Thinking, Fast and Slow. New York: Farrar, Straus and Giroux, 2011.
NATIONAL INSTITUTE FOR HEALTH AND CARE EXCELLENCE (NICE). Depression in adults: treatment and management. Guideline NG222. London: NICE, 2022, atualizado posteriormente.
NESSE, Randolph M. Is depression an adaptation? Archives of General Psychiatry, v. 57, n. 1, p. 14–20, 2000. DOI: 10.1001/archpsyc.57.1.14.
SARLET, Gabrielle Bezerra Sales; MONTEIRO, Fábio de Holanda. Inteligência artificial e depressão: um novo cenário e caminho para a efetivação do direito humano e fundamental à saúde mental. *Revista de Direito Sanitário*, v. 25, n. 1, e0015, 2025. DOI: 10.11606/issn.2316-9044.rdisan.2025.231321.
TALEB, Nassim Nicholas. Antifragile: Things That Gain from Disorder. New York: Random House, 2012.
WORLD HEALTH ORGANIZATION (WHO). Depressive disorder (depression). Geneva: WHO, 2025.
WORLD HEALTH ORGANIZATION (WHO). Clinical descriptions and diagnostic requirements for ICD-11 mental, behavioural and neurodevelopmental disorders (CDDR). Geneva: WHO, 2024.
ZHAO, et al. Prevalence of depressive disorder in the adult population of Latin America: a systematic review and meta-analysis. The Lancet Regional Health – Americas, 2023.