Escolhas · IA e longevidade
Na nossa jornada, meu filho Alek e eu conhecemos mais de cem especialistas em longevidade em 39 países e estados, e em quase todo lugar, mais cedo ou mais tarde, a conversa chegava à inteligência artificial. Em Xangai, atravessamos um laboratório onde robôs e IA trabalham lado a lado para procurar novos remédios. Em Los Angeles, Peter Diamandis nos disse que o maior impacto na longevidade virá da IA. E, de novo e de novo, os cientistas que a usam todos os dias nos disseram, com a mesma clareza, o que ela ainda não consegue fazer. Esta página fala de como a IA está mudando a descoberta de remédios, a ciência das proteínas, os exames, os testes e os relógios do envelhecimento, do que ela pode significar para os seus próprios dados de saúde e para os médicos de IA, e dos seus limites honestos – dados, erros, privacidade e de quem são os seus dados –, nas palavras dos especialistas que nos ensinaram, com gratidão.
Por Marek Piotrowski · Atualizado 2026-10-30
Em resumo
A IA está dando à ciência da longevidade algo que ela nunca teve: o poder de ler mais dados do que qualquer pessoa jamais conseguiria. Ela já está ajudando os cientistas a encontrar mais rápido novos candidatos a remédios, a prever o formato das proteínas, a detectar cânceres em exames de imagem e a ler a nossa idade em testes – e um dia pode transformar os seus dados de saúde espalhados numa única sugestão clara que faça uma diferença real.
É uma ferramenta, e uma ferramenta só é tão boa quanto os dados com que aprende e as pessoas que a usam. Usada com sabedoria, ela pode nos dar mais anos saudáveis e alegres – e dar às pessoas que cuidam de nós mais tempo para nós. [1][2][3]
Longevidade, do jeito que entendemos: mais anos saudáveis e alegres. O que queremos dizer →
O seu corpo é um sistema enorme e agitado, e a ciência hoje consegue medir mais dele do que qualquer pessoa jamais conseguiria ler. A inteligência artificial, ou IA, é um programa de computador que aprende padrões a partir de quantidades enormes de dados e depois os usa para fazer previsões. É por isso que tantos dos cientistas que conhecemos estavam animados com ela.
Em Los Angeles, Peter Diamandis – uma das primeiras pessoas que me inspiraram sobre longevidade, com os seus podcasts – disse isso com tanta força quanto qualquer um na nossa jornada:
“Sem dúvida, o maior impacto na longevidade virá da IA. Sem nenhuma dúvida, certo? E por isso estou o tempo todo olhando para essa interseção em que a IA nos ajuda a entender em nível molecular o que está acontecendo dentro de uma célula e a fazer trilhões de experimentos, quando antes só conseguíamos fazer centenas. Como esses sistemas podem rodar in silico, eles podem rodar numa espécie de sistemas imaginários e encontrar informações novas.”
Em palavras simples: A IA pode testar ideias dentro de um computador, muito rápido, antes que alguém toque num tubo de ensaio. Assim os cientistas podem testar muito mais ideias do que nunca e guardar para o laboratório só as melhores.
No Buck Institute, na Califórnia – um lugar calmo e lindo, com pequenos cervos do lado de fora das janelas –, Eric Verdin nos contou como ela já está mudando os laboratórios dele:
“Você vai ver isso na maioria dos laboratórios, inclusive aqui: a robótica está entrando na equação. Temos um microscópio robótico que nos permite fazer o trabalho de muitos cientistas, e você vê isso se espalhando por toda parte. Um dos maiores avanços seria a IA também acelerar o nosso jeito de pensar. De certa forma, a IA é basicamente robótica para o cérebro. Ela nos permite realmente aprender a encontrar padrões onde não conseguimos ver com os nossos próprios olhos.”
Em palavras simples: Os robôs fazem o trabalho de laboratório de muitas mãos. A IA faz o trabalho de pensar de muitos olhos: encontra nos dados padrões que nunca veríamos sozinhos.
Criar um remédio novo leva muitos anos. Os cientistas precisam encontrar o alvo certo – muitas vezes uma proteína do corpo que se comporta mal –, depois desenhar uma molécula que o corrija, testá-la no laboratório e só então testá-la em pessoas. A IA ajuda mais nos primeiros passos.
Em dezembro de 2023, Alek e eu visitamos em Xangai um laboratório de que todo mundo na área falava: robôs fazem os experimentos e a IA decide o que testar em seguida. Zhihu Qu, um engenheiro que trabalhava nos robôs dele quando visitamos, nos mostrou o lugar:
“Suponha que a gente leve um remédio até o PCC: isso deveria levar quase três anos, mas a gente termina em 18 meses. […] Acho que, em certas fases, a IA pode acelerar muita coisa, talvez várias vezes com o tempo. […] Mas é só para a descoberta inicial. Na outra parte, temos que ir passo a passo. Vai ser como o estudo clínico. Esse a gente não consegue acelerar.”
Em palavras simples: Um “PCC” é um candidato pré-clínico: a molécula que os cientistas escolhem levar adiante rumo aos testes. A IA e os robôs podem tornar essa busca inicial muito mais rápida. Mas testar um remédio com segurança em pessoas continua levando o tempo que leva.
Pesquisadores analisaram remédios encontrados com IA que tinham chegado a estudos em pessoas. Na primeira fase, que verifica sobretudo a segurança, 80–90% tiveram sucesso – mais do que a taxa normal. Na segunda fase, que começa a verificar se um remédio funciona, cerca de 40% tiveram sucesso, mais ou menos o mesmo que os remédios encontrados do jeito antigo. Os números dessa segunda fase ainda são pequenos.
Com base em: Uma análise das carteiras de empresas · ainda é o começo [2]A IA não só desenha moléculas. Ela também lê. Em Londres, Avi Roy, biogerontólogo, nos explicou por que os cientistas precisam dessa ajuda:
“A chegada do aprendizado de máquina e da computação tentando resolver esses problemas complexos é, com certeza, o caminho a seguir. Se você e eu entrarmos hoje no PubMed, e forem mais ou menos duas horas no Reino Unido, e olharmos só os artigos que entraram no PubMed desde a meia-noite de ontem, catorze horas, não conseguiríamos vasculhar toda essa literatura biomédica em catorze horas. Então imagine o que vai acontecer no fim do mês, no fim do ano. Como é que alguém vai tirar todo esse valor de todos esses artigos e saber o que é reproduzível e o que não é? Precisamos de ajuda. Precisamos muito de ajuda.”
Em palavras simples: Sai tanta pesquisa nova todos os dias que ninguém consegue ler tudo. A IA pode ajudar os cientistas a encontrar ali o que importa – e o que realmente se sustenta.
Andando por aquele laboratório em Xangai, fiquei maravilhado. Laboratórios assim podem mudar o jeito de fazer pesquisa. Acho que a principal força que as pessoas veem na Insilico é que ela vai descobrir o novo remédio que muda tudo. Mas imagine se laboratórios assim existissem em todo hospital do mundo, ou pelo menos em toda cidade grande, e estivessem ligados entre si e pudessem aprender uns com os outros. Seria uma mudança enorme.
Alguns dias depois, ainda em Xangai, Evelyne Bischof, médica de oncologia e longevidade cuja clínica já manda amostras para aquele laboratório, nos contou como trabalha com ele:
“Para o trabalho clínico, sim. […] Por enquanto ainda é, claro, na forma de estudos aprovados pelo comitê de ética, certo? Mas, se continuar nessa velocidade, muito, muito em breve vamos realmente chegar ao ponto de ter um […] minilaboratório robótico com IA no nosso hospital. […] Nada mais de transporte de amostras. […] Você chega, eu faço a biópsia, passo pelos robôs, eles fazem o trabalho deles […] vai estar pronto em um dia. […] E amanhã eu posso dizer qual é o remédio que você precisa usar.”
Em palavras simples: Hoje, a amostra de um paciente viaja até um laboratório e volta. Evelyne sonha com um pequeno laboratório robótico dentro do hospital, para que no dia seguinte o médico saiba qual remédio combina com aquela pessoa.
Depois perguntei a ela sobre a ideia em que eu não tinha parado de pensar desde a nossa visita: laboratórios assim em universidades do mundo inteiro, ligados por um único banco de dados, comparando os seus resultados. Ela respondeu:
“É o poder dos dados que você tem bem aqui, certo? Então, se fizermos isso em todo hospital do mundo, ou mesmo em alguns hospitais pelo mundo, e estivermos conectados numa nuvem, e todos os resultados forem enviados, isso nos dá trilhões de dados. Então, se eu tiver um paciente muito raro, mas passar o caso dele e o identificar em algum lugar da nuvem, ainda posso ajudar esse paciente, certo? Então […] vai ser, não digo que pode ser, vai ser uma ferramenta muito poderosa, e também para a longevidade, certo?”
Em palavras simples: Um hospital vê só alguns pacientes com uma doença rara. Milhares de laboratórios conectados veem todos eles, e juntos podem ajudar cada um.
Para mim, esse é o futuro: um tratamento feito para um paciente, a partir do que laboratórios do mundo inteiro aprenderam juntos. É algo em que todo país deveria investir, e em que todos deveríamos trabalhar juntos.
As proteínas são as maquininhas minúsculas que fazem a maior parte do trabalho nas suas células. O que uma proteína faz depende do seu formato, e por décadas descobrir o formato de uma única proteína podia levar meses ou anos de laboratório.
Em 2021, um programa chamado AlphaFold mostrou que conseguia prever o formato 3D de uma proteína a partir dos seus blocos de construção, na maioria dos casos quase com a mesma precisão dos experimentos de laboratório. O seu banco de dados gratuito hoje cobre mais de 214 milhões de sequências de proteínas. Em 2024, Demis Hassabis e John Jumper dividiram por isso o Prêmio Nobel de Química, junto com David Baker, que desenha proteínas totalmente novas no computador.
Com base em: Um estudo histórico, um banco de dados público e o Prêmio Nobel de 2024 [1][4][5]Na primeiríssima conferência da nossa jornada, em Dublin, Aubrey de Grey – o homem que tanta gente nessa área diz ter sido o primeiro a inspirá-la – nos contou o tamanho disso:
“Todo mundo fala, claro, do AlphaFold, esse programa maravilhoso que consegue descobrir a estrutura tridimensional das proteínas partindo só da sequência de aminoácidos delas. Isso já teve um impacto comparável ao que vimos há uns vinte e poucos anos, quando sequenciamos o genoma humano pela primeira vez. Não necessariamente torna possíveis experimentos que antes não eram, mas torna muitos experimentos muito mais fáceis e rápidos de desenhar e de executar. E vamos ver mais disso. O próximo passo natural nessa área é conseguir desenhar proteínas do zero.”
Em palavras simples: Conhecer o formato de uma proteína é como conhecer o formato de uma fechadura: fica muito mais fácil desenhar uma chave – um remédio – que encaixe. O próximo passo é desenhar novas proteínas que façam os trabalhos que escolhermos.
Em Washington, Larry Callahan, que passou vinte anos como cientista na FDA, a agência americana de alimentos e medicamentos, concordou que esses programas são muito bons – e nos lembrou que um formato é só o começo:
“Agora existem alguns bons programas de IA que dão a estrutura da proteína e que são muito bons, que são o AlphaFold e as versões que vieram depois do AlphaFold. Então agora você sabe como os alvos são estruturados. […] Mas são tantas coisas. Não é só ir contra um alvo. Um remédio precisa entrar no corpo. Para entrar no corpo, às vezes ele precisa passar por um transportador. Ele precisa passar por todas as enzimas do metabolismo.”
Em palavras simples: Encontrar a fechadura não é a história toda. Um remédio também precisa viajar pelo seu corpo, chegar aonde é necessário e não virar algo nocivo no caminho. É por isso que os testes em pessoas continuam importando.
A IA também está aprendendo a ler o que os médicos leem: mamografias, ressonâncias magnéticas, eletrocardiogramas e exames de sangue. Ela nunca se cansa e consegue notar padrões pequenos demais para o olho.
Na Suécia, 80.033 mulheres receberam, por sorteio, ou a leitura normal da mamografia por dois médicos, ou uma leitura em que a IA organizava as imagens e apontava os pontos suspeitos. Com IA, os médicos encontraram 20% mais cânceres, sem mais alarmes falsos, e leram 44% menos imagens.
Com base em: Um grande estudo randomizado em pessoas [3]Uma IA treinada com os eletrocardiogramas (ECG) de 499.727 pacientes aprendeu a estimar quantos anos uma pessoa tem. Quando o coração parecia mais de 7 anos mais velho do que a pessoa realmente era, essa pessoa tinha com mais frequência problemas no coração, como pressão alta, artérias coronárias estreitadas ou batimentos mais fracos.
Com base em: Um grande estudo com pacientes [6]Os relógios do envelhecimento, os testes que estimam a sua idade biológica, são construídos do mesmo jeito: um computador aprende com os dados de muitas pessoas. (Escrevemos uma página inteira sobre eles: Não existe uma única idade biológica.) Em Boston, Mahdi Moqri, que constrói esses biomarcadores em Harvard, nos explicou por que a IA importa tanto aqui:
“Talvez a melhor notícia para a área dos biomarcadores e dos biomarcadores do envelhecimento seja que agora temos muitos dados, e essas novas megacoortes e biobancos nacionais estão produzindo quantidades enormes de multiômica, e cada uma dessas ômicas são milhares de medidas de cada coleta de sangue. E não conseguimos processá-las com métodos antigos ou métodos estatísticos. A IA está aqui para nos salvar com todos esses dados. […] Os dados estão aí, a solução está aí. Só precisamos de ferramentas melhores para garimpar esses dados. E a IA promete nos ajudar com isso.”
Em palavras simples: Um único exame de sangue hoje pode dar milhares de números. A IA é a ferramenta que consegue organizá-los e descobrir o que dizem sobre como cada um de nós está envelhecendo.
Palavras que vale a pena conhecer
Do nosso glossário. Toque em uma carta para virá-la: no verso está a ciência, e as pessoas que nos explicaram tudo.
Quantos anos o seu corpo tem, e não quantos aniversários você já fez.
Idade biológica
Duas pessoas nascidas no mesmo ano podem estar anos distantes por dentro. A idade biológica é estimada a partir de marcadores no sangue, da forma como o seu DNA é ligado e desligado, e de testes de força e condicionamento. Ao contrário do seu aniversário, ela pode mudar — nas duas direções. Leia mais →
O que você pode medir hoje para ver a velocidade com que está envelhecendo, muito antes de algo doer.
Biomarcadores do envelhecimento
Nível 04 · A Ponte da Prevenção“O envelhecimento não é uma coisa só, nunca vai ser simples, e sempre vão ser coisas diferentes em pessoas diferentes.”
Nikolina Lauc · Londres, julho de 2024
A prevenção é rei: continuar bem, em vez de esperar pelo tratamento.
Prevenção
Rastreamento, genômica, exames de imagem e biomarcadores pegam um problema enquanto ele ainda é pequeno, barato de tratar e a decisão ainda é sua. A maioria dos sistemas de saúde ainda é feita para cuidar da doença e age quando algo quebra; a longevidade transforma isso em cuidar da saúde. No Mapa, é a Ponte da Prevenção, o fio dourado que atravessa todos os outros níveis. Leia mais →
Nível 04 · A Ponte da Prevenção
Quase todo cientista que trabalha com IA nos disse duas coisas no mesmo fôlego: ela é poderosa, e não é mágica. Max Unfried, o amigo que nos abriu as portas de Singapura na nossa jornada e que usa IA para estudar os lipídios – as gorduras do corpo – e o envelhecimento, disse isso melhor do que ninguém:
“A IA consegue entender linguagem, a IA consegue entender imagens, e a IA consegue entender um pouco das regras básicas da química. Então acho isso bem poderoso, nessas tarefas muito específicas, por assim dizer. Ao mesmo tempo, quando se trata de jogar IA em tudo, sou menos otimista. E a IA está sendo usada como palavra da moda, certo? E, ao mesmo tempo, acho que as IAs que temos hoje, as IAs poderosas que foram muito úteis, por exemplo para entender as redes sociais, precisam de muitos dados. E a minha visão pessoal é que, para muita coisa ligada ao envelhecimento, ainda não temos essa quantidade de dados. Então sim, você pode jogar a IA nisso e ela vai devolver alguma coisa. Mas com dados insuficientes, provavelmente não está correto, ou talvez esteja até errado. E acho que é aí que precisamos ter um pouco de cuidado, certo? Bons modelos de IA são ótimos, mas precisamos de muitos dados realmente bons e de alta qualidade para tirar o máximo deles.”
Em palavras simples: A IA é muito boa em tarefas específicas de que já viu muitos exemplos. Dê a ela poucos dados, ou dados ruins, e ela ainda vai dar uma resposta – mas a resposta pode estar errada.
Brian Kennedy, que pareceu da família desde o nosso primeiríssimo dia em Dublin, falou com Alek sobre outro problema. (Um dos alunos de doutorado de que ele falava era o Max.)
“Estamos usando muito mais IA agora. É meio louco, porque tenho alunos de doutorado que sabem muito mais do que eu sobre isso. […] A IA realmente está nos permitindo ir a lugares novos e analisar grandes volumes de dados, para ter novas percepções. […] A IA nos permite analisar todas essas vias juntas, e ela cospe uma resposta, mas às vezes isso pode ser frustrante, porque você não sabe por que essa resposta é verdadeira. É só que essa é a resposta, mas não é tão satisfatório quando se quer entender o mecanismo do que está acontecendo. Então agora existe um movimento em direção a uma IA com significado. Ainda não tenho certeza do que isso quer dizer, mas espero que dê certo, porque acho que não precisamos só das respostas, precisamos entender por que essas são as respostas. E por isso precisamos misturar um pouco a IA com a ciência tradicional de bancada.”
Em palavras simples: Às vezes a IA dá uma resposta sem conseguir explicar por quê. Os cientistas querem as duas coisas, a resposta e o motivo, então conferem as ideias da IA com experimentos de verdade.
Um programa usado por sistemas de saúde dos EUA para decidir quem deveria receber cuidados extras julgava o quanto as pessoas estavam doentes pelo quanto já se tinha gastado com a saúde delas. Com pacientes negros que tinham as mesmas necessidades, gastava-se menos dinheiro, então o programa subestimava o quanto eles estavam doentes. Corrigi-lo teria aumentado a parcela de pacientes negros escolhidos para ajuda extra de 17,7% para 46,5%.
Com base em: Um estudo sobre um programa muito usado [7]Guido Kroemer, um dos autores dos Hallmarks of Aging, usa IA todos os dias no seu laboratório. Em Singapura, ele nos deu uma frase que vale a pena guardar:
“No laboratório, usamos inteligência artificial para muitas perguntas: fazemos o encaixe de moléculas que foram modeladas no espaço tridimensional por inteligência artificial. Fazemos cálculos de modelagem molecular. Geramos grandes conjuntos de dados que, em parte, passam por análises de bioinformática ligadas à IA. Fazemos análise de imagens: tiramos fotos ou fazemos vídeos de células que se comportam de um jeito ou de outro in vitro, e depois aproveitamos a informação usando ferramentas de IA. Então é uma inteligência artificial […] ou pelo menos se chama inteligência artificial, mas é só uma ferramenta que precisa de inteligência de verdade para se tornar útil.”
Em palavras simples: A IA é uma ferramenta, como um microscópio. Ela só fica útil nas mãos de pessoas que sabem o que perguntar e como conferir a resposta.
Eu adoraria uma plataforma que ajudasse as pessoas a entender os próprios dados médicos. Não só os grandes resultados de uma clínica, mas também os dados do dia a dia, porque sem ajuda as pessoas ficam loucas com eles. Muitos de nós temos exames de sangue, exames de imagem e anotações de médicos diferentes, espalhados ao longo dos anos, e agora números dos nossos relógios e anéis a cada minuto, e entendemos muito pouco de tudo isso.
Eu não preciso de uma tela no meu wearable me dizendo minuto a minuto o que está acontecendo – você está correndo, Marek. Eu sei que estou correndo. Quero que o meu wearable mande os seus dados para um programa, a minha própria IA pessoal, que aprenda os padrões de todos os meus wearables e de todos os meus dados médicos e me dê orientações práticas. No fim do mês, ela me diz o que eu fiz e recomenda uma mudança que faria uma diferença real. É isso que importa.
Depois vem a pergunta de quem é dono de tudo isso. Em Dublin, nos primeiros dias da nossa jornada, Tina Woods – ativista da longevidade e uma verdadeira injeção de energia – conversou com a gente sobre isso:
“Existe todo esse espaço dos, digamos, biomarcadores digitais e da coleta passiva de dados, porque claro que temos relógios. Temos todos esses sensores […] E, claro, é preciso lidar com as preocupações do público com a privacidade e tudo isso. […] Sou fascinada, por exemplo, por carteiras de dados pessoais. Como, com um clique, uma pessoa pode decidir com quem compartilha os seus dados. […] Precisamos de leis e regulamentação que apoiem a nossa capacidade de compartilhar dados em grande escala. Então sou realmente fascinada por ideias como doação de dados, filantropia de dados, em que o público em geral pode fazer parte de um projeto de pesquisa científica em escala enorme, que vai estimular as empresas a crescer, porque teremos mais acesso aos dados.”
Em palavras simples: O seu relógio, os seus testes e os seus exames criam dados sobre você. Quem deveria decidir quem os vê é você – e, se quiser, você pode doá-los à ciência para ajudar todo mundo.
Pesquisadores mostraram que 99,98% dos americanos podiam ser reidentificados corretamente num conjunto de dados com 15 informações comuns sobre eles, como idade, gênero e estado civil – mesmo com os nomes removidos.
Com base em: Um estudo de modelagem [8]Os assistentes de IA que respondem a perguntas de saúde também já estão aqui. Eles conseguem explicar o resultado de um exame em palavras simples, e isso é maravilhoso. Mas podem soar seguros e ainda assim estar errados, e o que você digita neles pode ficar guardado. Aqui estão boas perguntas para fazer antes de confiar em qualquer um deles:
A alegria de tudo isso é o tempo. Se as máquinas cuidarem da leitura, da organização e da papelada, as pessoas que cuidam de nós ganham de volta as mãos e o coração. Em Xangai, eu disse a Evelyne Bischof, médica de oncologia e longevidade, que esperava que um dia a IA permitisse que ela trabalhasse quatro horas por dia. Ela riu, e depois disse isto:
“Eu realmente espero que a IA nos traga soluções que possam tirar muito do peso, da papelada à administração, coisas que só tomam tempo. Se pudéssemos tirar isso e eu pudesse passar do high tech para o high touch, passar mais tempo com o paciente e ajustar, e depois também passar mais tempo comigo e com a minha longevidade, seria incrível.”
Em palavras simples: O sonho não é um médico robô. É uma médica com mais tempo para você – e para a sua própria vida longa e saudável.
E há alegria no que a IA abre para os jovens. Quando Alek perguntou a Andrea Maier sobre IA em Dublin, ela deu a ele um conselho de carreira que serve para qualquer adolescente:
“Acho que, na medicina da longevidade, estamos na fase em que primeiro temos que processar os dados nós mesmos, porque precisamos ter certeza de que fazem sentido, de que os dados são bons e de que fazem sentido do ponto de vista fisiológico. Mas depois temos realmente que escrever os algoritmos certos para facilitar um pouco a minha vida ao processar os dados, e a inteligência artificial tem um papel muito, muito grande. Então, se você quer uma carreira, eu diria: ou estude medicina, vá para a medicina da saúde e da longevidade, torne-se médico de saúde e longevidade. E se você for muito esperto, faça os dois. Estude também inteligência artificial, junte as duas coisas, e o futuro é seu.”
Em palavras simples: Médicos que entendem de dados, e gente de dados que entende o corpo: é aí que está sendo construído o futuro da medicina da longevidade.
Caminhando à beira do oceano em Santa Monica com Peter Diamandis, contei a ele como eu vejo isso:
“Eu costumo dizer que existem duas coisas mais importantes, e a IA é só uma ferramenta. A primeira é a longevidade, para que a gente possa viver mais esta vida bonita e sentir essas emoções. Mas a segunda é a liderança consciente: que tudo o que fizermos, toda a tecnologia que pudermos criar, a gente use para o bem da humanidade e não para o mal. E essa é, na verdade, a tarefa mais difícil.”
Antes de mudar qualquer coisa
Esta página compartilha o que dizem as pesquisas e os especialistas que conhecemos. Não é aconselhamento médico e não recomenda nenhum medicamento, suplemento ou tratamento. Ela não sabe nada sobre você. Antes de começar, parar ou mudar qualquer coisa — principalmente se você estiver grávida, tiver alguma doença ou tomar algum remédio —, converse com seu médico. Em uma emergência, ligue para o número de emergência local.
Cada número desta página, pelo número entre colchetes. As citações vêm das entrevistas gravadas pela Live Beyond, feitas em inglês; aqui estão traduzidas e limpas apenas de hesitações. Não é aconselhamento médico. Fale com seu médico antes de mudar qualquer coisa.