O FDA liberou o Elecsys pTau217, exame de sangue da Roche feito em parceria com a Eli Lilly. Ele não diz se a pessoa tem Alzheimer. Ele estima se existe placa amiloide no cérebro, a proteína em que o diagnóstico se apoia, e responde em três faixas: positivo, intermediário ou negativo. Vale para quem tem 55 anos ou mais e já tem queixa de memória ou sinal de declínio cognitivo. Para quem ainda não tem sintoma, não foi liberado.

O que muda é o ponto de partida. Até agora, confirmar amiloide exigia um PET ou uma punção lombar: caro, invasivo e disponível em poucos centros. Agora é um tubo de sangue. E roda na estrutura que já existe, nos mais de 4.500 analisadores cobas instalados nos Estados Unidos. Tanto a Labcorp quanto a Quest já disseram que vão oferecer o exame.

Aqui cabe a distinção que a manchete apagou. O FDA liberou (clearance), que é a via de quem mostra ser equivalente a algo já no mercado. Não aprovou (approval), que exigiria provar segurança e eficácia do zero. E o “primeiro” tem escopo estreito: segundo a Roche, é o primeiro de biomarcador único que serve para as duas coisas ao mesmo tempo, confirmar e afastar amiloide, usando o mesmo ponto de corte na atenção primária e na especializada. A empresa fala em alta concordância com o PET, mas não publicou sensibilidade, especificidade nem valor preditivo negativo.

Limite E não é o primeiro exame de sangue para Alzheimer liberado pelo FDA. É o quarto, e o segundo em uma única semana, segundo a Alzheimer's Association. Também não decide sozinho: o resultado só vale ao lado da avaliação clínica. A própria Roche registra que não ficou estabelecido que o teste sirva para prever quem vai desenvolver demência, nem para acompanhar resposta a tratamento. E o comunicado trata do mercado americano, sem mencionar o Brasil.

O estudo MASAI sorteou 105.934 mulheres suecas entre dois caminhos: a mamografia de rastreio lida com apoio de IA, ou a dupla leitura humana de sempre. A IA achou mais. A sensibilidade subiu de 73,8% para 80,5%. E achou mais sem alarmar mais: a taxa de exames normais corretamente identificados como normais ficou igual nos dois grupos, em 98,5%.

Só que a pergunta central do estudo não era essa. O desfecho principal era o câncer de intervalo, o tumor que aparece depois de uma mamografia normal e antes da seguinte. É a medida do que o rastreio deixou passar. E aí o ganho some. Foram 1,55 casos por mil mulheres com IA, contra 1,76 sem IA. A diferença é pequena demais para o estudo separar do acaso (razão de proporção 0,88, com intervalo de confiança de 0,65 a 1,18, que atravessa o 1; p=0,41). Ou seja: o desenho autoriza dizer que a IA não é pior. Não autoriza dizer que é melhor. O que de fato melhorou foi o perfil do que escapou, com menos tumores invasivos (75 contra 89) e menos tumores já grandes (38 contra 48).

É desse desconto que parte Kristina Lång, autora correspondente do ensaio, no comentário que assina na Nature Medicine. A tese dela é curta: a primeira geração de IA médica foi julgada por empatar com o clínico, e a próxima precisa ser julgada por melhorar o desfecho do paciente. O MASAI já havia mostrado dois ganhos concretos nesse caminho: 44% menos carga de leitura para o radiologista (Lancet Oncology, 2023) e 29% mais cânceres detectados, sem aumentar o falso-positivo (Lancet Digital Health, 2025).

Limite O MASAI mediu acurácia de rastreio, não mortalidade. Ninguém mostrou ainda que essa IA faz menos mulheres morrerem de câncer de mama. O próprio grupo diz que os achados não autorizam substituir o radiologista, porque a leitura com IA continua exigindo pelo menos um humano. Faltam as rodadas seguintes de rastreio e a conta de custo-efetividade. E há um detalhe que muda o tamanho do ganho por aqui: o comparador foi a dupla leitura, que é padrão na Suécia e não é o nosso. Lång declara conselho consultivo da Siemens Healthineers, honorários da AstraZeneca e cofundação de uma empresa de ultrassom de mama com IA.

A Google DeepMind publicou o AlphaGenome Atlas: um catálogo que já traz calculado o efeito previsto de toda troca possível de uma letra do DNA humano. São 9 bilhões de possibilidades, cerca de 1 petabyte de dados, de graça para uso acadêmico.

O alvo é a parte do genoma que ninguém lê bem. Só 2% das nossas três bilhões de letras codificam proteína. Todo o resto funciona como painel de controle, regulando quando e quanto cada gene é usado, e é ali que está, segundo a DeepMind, a maior parte das variantes ligadas a características físicas. Rodar o modelo nessa extensão era caro demais para quase todo laboratório. Agora cada variante já vem com a conta feita e com uma nota pronta, o AVI, que resume num número só o quanto aquela troca deve atrapalhar.

E já houve um caso real. Um grupo do Broad Institute usou o Atlas para eleger uma variante fora da região codificante como provável causa de uma epilepsia grave em um paciente. O conjunto traz ainda mais de 100 milhões de inserções e deleções curtas já observadas em pessoas, e um dicionário de mais de 2.500 trechos de DNA que se repetem pelo genoma.

Limite Nada disso está autorizado para a clínica. A DeepMind declara que o AlphaGenome não foi validado nem aprovado para qualquer uso clínico, e que as predições servem a modelagem teórica e pesquisa. Vale notar uma distinção: o modelo tem artigo revisado por pares (Avsec et al., Nature 649:1206-1218, 2026), mas o trabalho que descreve o Atlas circula como preprint hospedado no servidor da própria empresa, sem revisão. Martin Kircher, do Max Delbrück, resume o limite: o recurso não substitui experimento, nem a avaliação do que é específico de cada paciente. Ainda assim, o chama de uma forma útil e generosa de ampliar o acesso a um modelo forte.