A desinformação em saúde tornou-se um dos maiores desafios da sociedade contemporânea, impulsionada pela disseminação rápida de conteúdos sem base científica nas redes sociais. Pesquisas sobre genética, microbiomas e medicina personalizada são frequentemente distorcidas, gerando falsas expectativas sobre diagnósticos, terapias e resultados. Esta revisão discute o papel da bioinformática e das ciências ômicas como ferramentas estratégicas para o enfrentamento da desinformação biomédica, promovendo transparência, reprodutibilidade e acesso público a evidências confiáveis. Ao integrar grandes volumes de dados genômicos, proteômicos e metagenômicos, a bioinformática possibilita análises robustas que fortalecem a comunicação científica e a confiança social na pesquisa. Além disso, estratégias de ciência aberta, bancos de dados interoperáveis e práticas FAIR (Findable, Accessible, Interoperable, Reusable) contribuem para a verificação independente dos achados e para o engajamento informado da população. Argumenta-se que, na era digital, a alfabetização em dados biológicos e a colaboração entre cientistas, comunicadores e plataformas tecnológicas são fundamentais para mitigar os impactos da desinformação em saúde e consolidar uma ciência mais ética, participativa e transparente.
Autores: Ruan Vítor Santos Silva, Gabriel Quintanilha-Peixoto, Aristóteles Góes-Neto
-
Download PDF
1. Introdução
Entende-se ciências biomédicas pelo conjunto de áreas que estudam os processos biológicos relacionados à saúde, às doenças e ao funcionamento do corpo humano. Nesse contexto, a bioinformática pode ser entendida como uma área estratégica pelo fornecimento de ferramentas computacionais necessárias para analisar, integrar e interpretar os dados de genômica, proteômica, transcriptômica, metagenômica, entre outros [1, 2, 3]. O avanço das ciências ômicas permitiu a evolução das ciências biomédicas, proporcionando análises integradas de dados ômicos de amostras humanas, por exemplo [3]. Tendo em vista disso, doenças complexas, como câncer, ganharam melhorias para prognósticos e tratamentos, já que não basta conhecer as variantes genéticas; também é necessário entender quais genes são expressos e como essas proteínas codificadas se comportam, além de como interagem com o microbioma humano, possibilitando modulação da imunidade ou respostas à tratamentos [4].
Paralelamente, a divulgação científica enfrenta limitações ao não conseguir estabelecer, de forma clara, uma comunicação plena e acessível entre a ciência e a sociedade [5]. A literatura sugere que a comunicação institucional nem sempre alcança o público de maneira efetiva [5], que a mediação jornalística pode gerar ruídos e dificultar a compreensão [6] e que a ausência de estratégias amplas de educação científica pode favorecer a entrada de desinformação em ambientes digitais [7]. Assim, pode-se entender que essas limitações podem ter ampliado o distanciamento entre especialistas e público, criando condições para a disseminação de informações imprecisas ou completamente falsas. À medida que pesquisadores divulgam avanços no desenvolvimento de novos tratamentos e terapias, muitas vezes ainda experimentais, a desinformação tende a distorcer esses achados, exagerando resultados preliminares. Esse tipo de conteúdo é frequentemente favorecido por algoritmos que priorizam postagens com forte apelo emocional ou sensacionalista, ampliando sua visibilidade [8].
Elementos como as redes sociais, big data derivados de seu uso e seus algoritmos baseados em inteligência artificial (IA) desempenham agora papéis duplos, permitindo tanto a disseminação quanto a detecção de informações enganosas sobre saúde, passando a existir interpretações simplificadas demais e/ou distorcidas. Entre os exemplos pertinentes às ômicas, pode-se citar promessas de “dietas baseadas no DNA” ou alegações sobre “genes da felicidade” [9]. Essas narrativas, muitas vezes descontextualizadas, enfraquecem a confiança pública na pesquisa e distorcem o papel da ciência biomédica, promovendo um status de desinformação que hoje já se nomeia como “infodemia” [10]. A bioinformática surge como área estratégica para enfrentar esse cenário, não apenas por sua capacidade de analisar grandes volumes de dados, mas por possibilitar a verificação, reprodutibilidade e comunicação transparente de evidências científicas [9]. Este trabalho discute como a integração entre bioinformática, ciência aberta e comunicação científica pode contribuir para o combate à desinformação em saúde, destacando os impactos sociais e éticos dessa interação.
2. Desenvolvimento
A desinformação biomédica é um fenômeno multifatorial, resultante da combinação entre complexidade científica, falta de literacia em dados e disseminação irresponsável de informações [7, 10]. Um estudo identificou padrões de hesitação vacinal nos EUA que correlacionam diretamente a exposição à desinformação online e redução nas taxas de vacinação infantil [11]. Ainda, surtos de sarampo foram associados à circulação de informações falsas sobre segurança de vacinas, principalmente em redes sociais. Entre as principais consequências estão o aumento de hospitalizações, maior custo para o sistema de saúde e risco aumentado para imunocomprometidos [11].
No contexto da pandemia de COVID-19, as crenças em tratamentos ineficazes, como ivermectina e hidroxicloroquina, resultaram em atraso no tratamento adequado e aumento da mortalidade [12]. Substancialmente, as plataformas digitais foram como uma força motriz, a possibilidade de disseminação de informações errôneas [12]. Outrossim, a exposição contínua a teorias conspiratórias sobre saúde aumenta a ansiedade, estresse, sensação de ameaça e probabilidade de rejeitar tratamentos médicos embasados [11, 12, 13]. Continuamente, pesquisas sobre desinformação em HIV/AIDS demonstram que crenças equivocadas diminuem a adesão ao tratamento antirretroviral [14].
A bioinformática oferece ferramentas essenciais para mitigar esses problemas. A adoção de padrões FAIR (Findable, Accessible, Interoperable, Reusable) permite que dados e metadados estejam acessíveis e verificáveis, possibilitando que diferentes grupos de pesquisa reproduzam análises e confirmem resultados [9]. Da mesma forma, o uso de pipelines reprodutíveis em plataformas como Nextflow e Snakemake promove a rastreabilidade das etapas analíticas, evitando erros metodológicos e interpretações enviesadas, mostrando assim um passo a passo lógico, que promove o aumento da confiabilidade [8, 15]. Nesse sentido, a bioinformática e a ciência aberta trabalham em um ciclo de confiança que, ao promover o rigor técnico e a transparência (FAIR), permitir a detecção e o combate à desinformação em saúde, fortalecendo a credibilidade científica e a comunicação pública, onde pode-se visualizá-lo em um esquema representativo na figura 1.
Figura 1. O Ciclo da Confiança: Bioinformática, Ciência Aberta e o Combate à Desinformação em Saúde.
Além do aspecto técnico, há uma dimensão social fundamental: a democratização do acesso à informação científica. Repositórios abertos, como o Gene Expression Omnibus e o European Nucleotide Archive, permitem que jornalistas, educadores e influenciadores científicos baseiem suas comunicações em dados verificados [17]. Dessa forma, a aproximação entre a ciência e o público leigo pode diminuir, fortalecendo a confiança nas instituições científicas aos olhos da sociedade.
Adicionalmente, o uso de inteligências artificiais permite detectar padrões de desinformação em redes sociais, avaliando a propagação de conteúdos falsos sobre terapias genéticas, biotecnologias emergentes e outros conceitos pertinentes à bioinformática [13]. Tais abordagens comumente combinam análise textual e mineração de dados para orientar estratégias de comunicação pública mais eficazes e baseadas em evidências.
Enquanto boatos sobre saúde podem alterar o comportamento populacional, a bioinformática permite modelar impacto de fake news em curvas epidêmicas, cenários contrafactuais e regiões vulneráveis à queda de cobertura vacinal [16]. Dessa maneira, pode permitir que órgãos de saúde (como Institutos Nacionais de Doenças, Centros de Controle e Prevenção de Doenças e Ministérios da Saúde e Informação) intervenham antes que maiores danos ocorram [16, 18].
O uso ético dessas tecnologias requer atenção. A abertura de dados genômicos deve respeitar princípios de privacidade e consentimento, garantindo que a transparência científica não comprometa direitos individuais [19]. Assim, o desafio não é apenas técnico, mas também moral e político: como comunicar a complexidade biológica sem reduzir sua precisão científica.
3. Conclusão
O combate à desinformação em saúde exige mais do que políticas de checagem de fatos; requer uma transformação cultural baseada em ciência aberta, ética de dados e comunicação responsável. Assim como existem sistemas de vigilância epidemiológica, tornar o processo de averiguação da verdade nas redes sociais, melhorias de divulgação científica e contribuição para a propagação das informações de desenvolvimento tecnológico dentro das universidades é uma forma de combater veementemente a desinformação e também tornar o propósito científico acadêmico transparente e acessível. Comparar estudos em larga escala (meta-análises computacionais), verificar a reprodutibilidade de dados e fluxos de trabalho e detectar discrepâncias ou interpretações incorretas pode permitir que algoritmos identifiquem inconsistências em dados genômicos ou clínicos frequentemente usados em boatos [16].
Com o monitoramento da evolução de vírus como o Sars-CoV-2 e MPox, assim como suas variantes e surtos, muitos boatos surgem de incertezas sobre a origem dessas variantes, mutações perigosas, transmissibilidade, e desinformação sobre as vacinas contra cepas novas, dentre outros, por meio da desinformação [8]. Tendo em vista disso, a genômica pode promover o rastreamento de mutações em tempo real [20], calcular impacto funcional, como escape imune e prever comportamento epidemiológico [21]. Dessa forma, pode ser possível gerar respostas públicas mais rápidas, amparadas em dados. Ainda, promover a instalação de ética em IA, é uma das formas possíveis de se combater a infodemia, por meio da desmistificação das avalanches produzidas pela desinformação, tornando a checagem de fatos e detecção dos super espalhadores das inverdades, supramencionadas na presente pesquisa [22].
Ao integrar práticas de reprodutibilidade, dados abertos e literacia científica, a bioinformática contribui para restaurar a credibilidade da ciência e empoderar a sociedade diante da avalanche de informações imprecisas. O futuro da pesquisa biomédica se ampara na capacidade de unir rigor técnico, clareza comunicativa e compromisso ético, elementos essenciais para que a ciência permaneça um bem público, acessível e confiável.
4. Referências
[1] ALBERTS, Bruce et al. Molecular Biology of the Cell. 6. ed. New York: Garland Science, 2014. Disponível em: https://openlibrary.org/books/OL21074168M. Acesso em: 03 out. 2025.
[2] MOUNT, David W. Bioinformatics: Sequence and Genome Analysis. 2. ed. Cold Spring Harbor: Cold Spring Harbor Laboratory Press, 2004. Disponível em: https://academic.oup.com/clinchem/article/51/11/2219/5629817. Acesso em: 04 out. 2025.
[3] CARPENTER, Anne E. et al. A field guide to cultivating computational biology. arXiv preprint, 2021. Disponível em: https://arxiv.org/pdf/2104.11364. Acesso em: 05 out. 2025.
[4] MANZONI, C. et al. Genome, transcriptome and proteome: the rise of omics data and their integration in biomedical sciences. Briefings in Bioinformatics, v. 19, n. 2, p. 286–302, 2018. doi: 10.1093/bib/bbw114.
[5] HUNTER, P. The communications gap between scientists and public: More scientists and their institutions feel a need to communicate the results and nature of research with the public. EMBO Reports, v. 17, n. 11, p. 1513–1515, 2016. doi: 10.15252/embr.201643379.
[6] BELDA, Francisco. Credibilidade jornalística em notícias de ciência: desafios contemporâneos na mediação científica. Assembleia Legislativa do Estado de São Paulo, 2019. Disponível em: https://www3.al.sp.gov.br/repositorio/ilp/anexos/4985. Acesso em: 06 out. 2025.
[7] FERREIRA, Ana Paula; OLIVEIRA, Ana Luísa. Desinformação e crise de confiança na ciência: desafios para a comunicação científica. Ciência da Informação Express, v. 2, n. 1, p. 1–15, 2021. doi: 10.60144/v2i.2021.28.
[8] PAPANIKOU, V. et al. Health Misinformation in Social Networks: A Survey of Information Technology Approaches. Future Internet, v. 17, p. 129, 2025. doi: 10.3390/fi17030129.
[9] WILKINSON, M. D. et al. The FAIR Guiding Principles for Scientific Data Management and Stewardship. Scientific Data, v. 3, p. 160018, 2016. doi: 10.1038/sdata.2016.18.
[10] TASCHNER, N. P.; ORSI, C.; ALMEIDA, P.; PILATI, R. The impact of personal pseudoscientific beliefs in the pursuit for non-evidence-based health care. Journal of Evidence-Based Healthcare, v. 3, p. e3516-e3516, 2021.
[11] TUCKERMAN, J.; KAUFMAN, J.; DANCHIN, M. Effective Approaches to Combat Vaccine Hesitancy. Pediatric Infectious Disease Journal, v. 41, n. 5, p. e243–e245, 2022. doi: 10.1097/INF.0000000000003499.
[12] FERREIRA CACERES, M. M. et al. The impact of misinformation on the COVID-19 pandemic. AIMS Public Health, v. 9, n. 2, p. 262–277, 2022. doi: 10.3934/publichealth.2022018.
[13] VOSOUGHI, S.; ROY, D.; ARAL, S. The spread of true and false news online. Science, v. 359, n. 6380, p. 1146–1151, 2018. doi: 10.1126/science.aap9559.
[14] SMALLWOOD, S.; PARKS, F. Quanto mais as coisas mudam, mais elas permanecem as mesmas: mitos e desinformação sobre HIV/AIDS nos Estados Unidos rurais. Health Promotion Practice, v. 25, p. 707–716, 2023. doi: 10.1177/15248399231180592.
[15] DI TOMMASO, P. et al. Nextflow enables reproducible computational workflows. Nature Biotechnology, v. 35, n. 4, p. 316–319, 2017. doi: 10.1038/nbt.3820.
[16] FENG, X. et al. Health Misinformation Detection: Approaches, Challenges and Opportunities. Inquiry, v. 62, p. 469580251384784, 2025. doi: 10.1177/00469580251384784.
[17] EDGAR, R.; DOMRACHEV, M.; LASH, A. E. Gene Expression Omnibus: NCBI gene expression and hybridization array data repository. Nucleic Acids Research, v. 30, n. 1, p. 207–210, 2002. doi: 10.1093/nar/30.1.207.
[18] PADALKO, H. et al. A Novel Comprehensive Framework for Detecting and Understanding Health-Related Misinformation. Information, v. 16, n. 3, p. 175, 2025. doi: 10.3390/info1603017.
[19] BRASIL. Lei n.º 13.709, de 14 de agosto de 2018. Dispõe sobre a proteção de dados pessoais e altera a Lei n.º 12.965, de 23 de abril de 2014 (Marco Civil da Internet). Diário Oficial da União: seção 1, Brasília, DF, 15 ago. 2018. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm. Acesso em: 10 out. 2025.
[20] RUECA, M. et al. Genomic and Epidemiologic Surveillance of SARS-CoV-2 in the Pandemic Period: Sequencing Network of the Lazio Region, Italy. Viruses, v. 15, n. 11, p. 2192, 2023. doi: 10.3390/v15112192.
[21] BLEHER, Michael et al. Topological data analysis identifies emerging adaptive mutations in SARS-CoV-2. arXiv:2106.07292 [q-bio.PE], 25 ago. 2023. Disponível em: https://doi.org/10.48550/arXiv.2106.07292. Acesso em: 18 out. 2025.
[22] PARK, M. K.; ASHWOOD, N.; CAPES, N. Ethics of Artificial Intelligence in Medicine. Cureus, 2025. DOI: 10.7759/cureus.83567. Disponível em: https://doi.org/10.7759/cureus.83567. Acesso em: 22 out. 2025.