Este whitepaper avalia quais tarefas de apoio com IA na atenção primária e na medicina interna têm evidência suficiente para serem consideradas com cautela, quais continuam experimentais e que governança as equipes latino-americanas precisariam. É uma síntese narrativa rápida baseada em buscas no PubMed e buscas direcionadas realizadas em junho e julho de 2026, abrangendo síntese longitudinal, documentação, busca no prontuário eletrônico, mensagens, predição de risco e apoio diagnóstico. É literatura cinzenta não revisada por pares, publicada pela Arkangel AI, e não avalia nenhum produto da Arkangel.
Uma revisão sistemática de 519 estudos de modelos de linguagem em saúde constatou que apenas 5% usaram dados reais de atendimento a pacientes. Em um estudo integrado ao prontuário eletrônico, rascunhos de resposta a mensagens de pacientes gerados por IA aumentaram em 21.8% o tempo de leitura dos médicos, não reduziram de forma significativa o tempo de resposta e deixaram as respostas 17.9% mais longas, e um ensaio randomizado com 50 médicos não encontrou melhora significativa do raciocínio diagnóstico com acesso a um modelo de linguagem. Uma revisão de algoritmos preditivos na atenção primária identificou 43 ferramentas implementadas, com evidência pública limitada ao longo do ciclo de vida. A evidência regional direta é escassa, liderada por uma revisão de escopo brasileira de 27 estudos, e os autores posicionam a IA como apoio revisável para síntese, documentação e busca, e não como ferramenta diagnóstica ou terapêutica independente.
