2. Cibersegurança como determinante econômico da assistência à saúde

A cibersegurança deixou de ser assunto restrito à tecnologia da informação. 
Na saúde, integra hoje a governança clínica e econômica. Um ataque bem-sucedido pode:
1.	paralisar centros cirúrgicos, 
2.	atrasar exames, 
3.	interromper faturamento, 
4.	limitar acesso a prontuários, 
5.	impedir autorizações, 
6.	comprometer comunicação clínica,
7.	ser causa direta de um desfecho clínico desfavorável ou até mesmo fatal.
8.	gerar custos:
•	jurídicos, 
•	regulatórios,
•	reputacionais.

O WEF recomenda tratar riscos cibernéticos como riscos estratégicos de negócio, considerando:
•	impactos econômicos, 
•	necessidades institucionais, 
•	apoio organizacional, 
•	liderança ativa,
•	colaboração sistêmica. 

Na saúde, essa visão é crucial porque perdas econômicas podem rapidamente comprometer a assistência.
Assim, em contextos de recursos limitados, investir em prevenção deve ser visto como proteção do fluxo
assistencial e financeiro, não como custo tecnológico isolado.

3. O custo invisível dos ataques cibernéticos em saúde

O custo de um incidente cibernético em saúde vai além do resgate ou da recuperação de servidores. 
Pode envolver:
1.	interrupção de receitas, 
2.	cancelamento de procedimentos, 
3.	glosas, retrabalho administrativo, 
4.	contratação emergencial de consultorias, 
5.	restauração de backups, 
6.	comunicação a titulares de dados, 
7.	multas, 
8.	litígios, 
9.	renegociação com fornecedores, 
10.	perda de confiança,
11.	adiamento de investimentos assistenciais,
12.	demissões,
13.	falência financeira,
14.	extinção institucional.

4. Ransomware, interrupção assistencial e perda de receita

O ransomware é um dos eventos mais relevantes para a economia da saúde porque combina
indisponibilidade operacional, extorsão, risco de vazamento de dados e interrupção de processos críticos.

A ENISA identificou o ransomware como uma das principais ameaças ao setor de saúde europeu entre 2021 
e 2023, com hospitais e prestadores assistenciais entre os alvos mais afetados.

A perda financeira não decorre apenas da eventual negociação com criminosos, mas também de:
1.	suspensão de cirurgias eletivas, 
2.	remarcação de exames, 
3.	atraso de faturamento, 
4.	incapacidade de autorização junto a operadoras, 
5.	necessidade de operação manual, 
6.	contratação emergencial de resposta a incidentes,
7.	recuperação de back-ups existentes,
8.	reconstrução de ambientes digitais,
9.	perda de confiança de pacientes, profissionais e parceiros.

Em instituições com margens estreitas, poucos dias de indisponibilidade podem afetar folha de pagamento,
insumos, manutenção, contratos terceirizados e investimentos. Por isso, o ransomware deve ser compreendido 
como risco assistencial, econômico e de continuidade institucional.

Nesse cenário, a prevenção cibernética cumpre papel semelhante à prevenção clínica, pois:
•	reduz a probabilidade do evento, 
•	limita sua extensão,
•	preserva recursos para o cuidado. 

A diferença é que, na saúde financeira, o atraso em prevenir pode tornar a recuperação inviável para instituições 
menores ou subfinanciadas.

5. Vazamento de dados, LGPD e custos pós-incidente

Dados de saúde são pessoais e sensíveis. A LGPD exige finalidade, necessidade, segurança, transparência, 
responsabilização e comunicação de incidentes quando aplicável. Vazamentos de prontuários, exames,
imagens, informações financeiras e cadastros podem gerar danos aos pacientes e custos relevantes à 
instituição.

O relatório da IBM sobre custo de violação de dados aponta a saúde como o setor com custos médios mais 
elevados de resposta e recuperação. Embora esses valores globais não possam ser transpostos diretamente 
para a realidade brasileira, eles indicam a magnitude do problema e reforçam a necessidade de estimar
perdas prováveis antes do incidente.

Na prática, o custo pós-incidente inclui:
1.	investigação técnica, 
2.	contenção, 
3.	restauração, 
4.	comunicação, 
5.	atendimento a titulares, 
6.	defesa jurídica, 
7.	revisão de contratos, 
8.	resposta regulatória, 
9.	recomposição de imagem;
10.	migração acelerada de sistemas. 

Esses custos competem diretamente com despesas assistenciais e podem reduzir a capacidade de ampliar 
serviços, contratar profissionais ou renovar tecnologias clínicas.

6. FAIR e quantificação econômica do risco cibernético em saúde

O FAIR oferece linguagem quantitativa para estimar risco financeiro, combinando frequência provável de 
eventos e magnitude das perdas. Na saúde, essa abordagem torna a cibersegurança compreensível para:
1. conselhos, 
2. diretorias, 
3. gestores financeiros,
4. lideranças clínicas,
5. empresários,
6. parceiros comerciais,
7. legisladores,
8. Órgãos governamentais.

A pergunta deixa de ser apenas “a instituição está segura?” e passa a ser “qual é a exposição econômica provável 
se este cenário ocorrer?”. Essa mudança permite comparar investimentos em:
•	backup imutável, 
•	segmentação de rede, 
•	autenticação multifator, 
•	gestão de vulnerabilidades, 
•	treinamento, 
•	monitoramento, 
•	resposta a incidentes,
•	seguro cibernético.

Em países com restrição de recursos, essa priorização é essencial. O investimento preventivo deve ser
avaliado não como despesa acessória, mas como proteção da receita, da continuidade operacional e da 
capacidade de prestar assistência. Prevenir, nesse contexto, é preservar capital assistencial.

7. Realidade brasileira: fragilidade financeira, sistemas legados e risco sistêmico

O Brasil destina parcela relevante de seu produto interno bruto à saúde, mas convive com desigualdades 
regionais, demanda reprimida, envelhecimento populacional, pressão tecnológica, judicialização, 
subfinanciamento relativo de muitas estruturas e grande heterogeneidade entre instituições públicas, 
filantrópicas e privadas. Além disso, ampliam a exposição a eventos cibernéticos:

•	presença de sistemas legados, 

•	infraestrutura fragmentada,

•	maturidade desigual de segurança.

Nessas condições, um ataque não compromete apenas servidores ou bancos de dados. Ele pode interromper 
o ciclo econômico da assistência: agendamento, atendimento, registro, autorização, faturamento, auditoria, 
recebimento, reposição de insumos e  pagamento de equipes.

Esse cenário cria uma tensão estrutural: 

1. Instituições que dependem da digitalização para ampliar acesso, eficiência, regulação, rastreabilidade e 
qualidade podem ter menor capacidade de absorver perdas cibernéticas. 

2. Sem proteção adequada, a transformação digital pode deslocar fragilidades financeiras para pontos críticos 
da operação assistencial.

A falta de mensuração econômica dos eventos digitais adversos dificulta priorizar investimentos, pois se sabe 
que as perdas por ransomware, vazamentos, fraudes, indisponibilidade, falhas de fornecedores e recuperação 
operacional tendem a ser subestimadas sem metodologia estruturada. Além disso, quando esses fatores não são 
visíveis em linguagem econômica, tendem a receber prioridade inferior à necessária. O resultado pode ser a 
postergação de controles básicos, justamente em instituições cuja continuidade financeira depende de operação 
assistencial regular e previsível.

8. Governança cibernética, liderança médica e tomada de decisão

A governança cibernética em saúde não deve ser delegada apenas às áreas técnicas. 

Conselhos, diretorias, lideranças clínicas e gestores assistenciais precisam compreender 
que risco cibernético é também risco:
1.	de continuidade do cuidado, 
2.	financeiro,
3.	reputacional. 

A participação médica é necessária porque muitos impactos de um ataque se materializam 
no fluxo assistencial como: 
1.	atraso diagnóstico, 
2.	adiamento terapêutico, 
3.	perda de acesso a informações clínicas,
4.	sobrecarga de equipes,
5.	incapacidade de aquisição de novas tecnologias.

A liderança médica não precisa substituir especialistas em segurança da informação, mas deve 
ajudar a definir prioridades. A pergunta central é: quais sistemas, dados, processos e fornecedores
são indispensáveis para manter o cuidado seguro? A resposta orienta a proteção de prontuário
eletrônico, prescrição digital, laboratório, imagem, centro cirúrgico, faturamento, regulação e 
comunicação crítica.

9. Prevenção como estratégia de sobrevivência financeira

A prevenção cibernética deve ser entendida como estratégia de sobrevivência financeira. Entre as 
medidas que reduzem a probabilidade e a magnitude das perdas estão:
1.	autenticação multifator, 
2.	backups testados e segregados, 
3.	segmentação de rede, 
4.	gestão de vulnerabilidades, 
5.	revisão de acessos, 
6.	treinamento contínuo, 
7.	inventário de ativos, 
8.	planos de continuidade, 
9.	simulações de incidentes, 
10.	contratos com cláusulas de segurança,
11.	respostas estruturadas.

A OMS destaca que estratégias nacionais de saúde digital devem integrar recursos financeiros, 
organizacionais, humanos e tecnológicos. Essa orientação reforça que segurança digital não é 
camada opcional, mas componente da sustentabilidade de ecossistemas de saúde digital. 
Sem proteção proporcional ao risco, a infraestrutura que deveria aumentar eficiência pode se 
transformar em fonte de instabilidade econômica.

Para a classe médica, a mensagem é clara: segurança cibernética deixou de ser periférica. Ela influencia
disponibilidade do cuidado, confiança do paciente, receita, capacidade de investimento e sustentabilidade 
de serviços essenciais. Prevenir ciberataques é proteger leitos, agendas, exames, equipes e orçamento 
assistencial.

10. Cenários fictícios de vulnerabilidade, risco econômico, mitigação e modelagem computacional

Os três cenários a seguir preservam a lógica clínica e econômica do artigo, mas acrescentam uma camada 
computacional destinada a tornar o risco observável, mensurável e auditável. 

Os valores numéricos empregados nos códigos são exclusivamente fictícios e didáticos; não representam 
dados reais de qualquer instituição. 

A proposta não é transformar o FAIR em uma fórmula simplificada, mas demonstrar como conceitos de 
frequência, probabilidade de perda, magnitude financeira, controles e continuidade podem ser convertidos 
em estruturas de dados e rotinas de apoio à decisão.

10.1 Cenário — Hospital regional: ransomware em prontuário eletrônico, prescrição e faturamento

1. Descrição 
Um hospital regional de médio porte inicia a segunda-feira sem acesso ao prontuário eletrônico, 
ao sistema de prescrição, ao módulo de faturamento e ao servidor de arquivos administrativos. 
A indisponibilidade obriga o retorno a contingências manuais, adia procedimentos eletivos, aumenta 
o tempo de atendimento e interrompe o ciclo de autorização e cobrança. 

O evento deixa de ser apenas uma falha de tecnologia: converte-se simultaneamente em risco para a
continuidade do cuidado, para o fluxo de caixa e para a capacidade de financiar a própria assistência.

2. Superfícies de ataque prováveis: 
credenciais sem autenticação multifator; estação administrativa desatualizada; acesso remoto mal 
configurado; baixa segmentação entre redes clínica e administrativa; backup alcançável pela rede 
produtiva; privilégios excessivos; e baixa maturidade de treinamento contra engenharia social.

3. Leitura econômico-assistencial inspirada no FAIR: 
o evento pode ser descrito pela frequência provável de tentativas relevantes, pela probabilidade 
de os controles falharem diante dessas tentativas e pela magnitude das perdas primárias e 
secundárias. Entre as perdas primárias estão horas de indisponibilidade, cancelamentos, operação
manual e recuperação técnica; entre as secundárias estão investigação, comunicação, litígio,
reputação e perda de receita futura.

4. Mitigação prioritária: 
autenticação multifator; backups segregados, imutáveis e testados; segmentação de rede; princípio
do menor privilégio; correção de vulnerabilidades; inventário de ativos críticos; plano de continuidade
assistencial; exercícios de resposta a incidentes; e capacidade contratada de recuperação especializada.

5. Modelo computacional didático — simulação de exposição anual a perdas:

import numpy as np

np.random.seed(42)
N = 50_000

# Parâmetros fictícios para fins didáticos
tentativas_ano = np.random.triangular(6, 12, 24, N)
prob_sucesso = np.random.triangular(0.03, 0.08, 0.18, N)

# Perda por evento: impacto operacional + recuperação + efeitos secundários
perda_primaria = np.random.triangular(250_000, 700_000, 2_500_000, N)
perda_secundaria = np.random.triangular(80_000, 300_000, 1_200_000, N)

eventos_perda = np.random.poisson(tentativas_ano * prob_sucesso)
perda_anual = eventos_perda * (perda_primaria + perda_secundaria)

print("Perda anual média:", round(perda_anual.mean(), 2))
print("Percentil 90%:", round(np.percentile(perda_anual, 90), 2))
print("Percentil 95%:", round(np.percentile(perda_anual, 95), 2))


6. Interpretação: 
A simulação não prevê quanto o hospital perderá; ela organiza incertezas em uma distribuição 
de perdas possíveis. Isso permite comparar, por exemplo, o custo de controles preventivos 
com a redução esperada da exposição financeira e assistencial.

10.2 Cenário — Clínica ambulatorial: credenciais persistentes, contas compartilhadas e vazamento de dados

1. Descrição
Uma clínica especializada utiliza sistema de agendamento em nuvem, e-mail compartilhado para a recepção, 
planilhas locais de controle financeiro e canais informais para envio de exames. Após o desligamento de uma 
colaboradora, suas credenciais permanecem ativas. Dias depois, registros de auditoria revelam acessos a 
agendas, laudos e informações de cobrança realizados depois da data de desligamento. 

O problema combina falha de governança de identidade, risco à privacidade e possibilidade 
de dano reputacional e regulatório.

2. Superfícies de ataque prováveis: 
contas compartilhadas; ausência de processo formal de admissão, movimentação e desligamento; 
senhas reutilizadas; falta de autenticação multifator; permissões excessivas; uso de canais informais 
para dados sensíveis; e baixa rastreabilidade dos acessos.

3. Mitigação prioritária: 
contas individuais; revogação imediata de credenciais no desligamento; autenticação multifator; 
controle de acesso baseado em função; revisão periódica de privilégios; trilhas de auditoria; 
classificação de dados; canais institucionais cifrados; e treinamento sobre LGPD e sigilo clínico.

4. Modelo computacional didático — auditoria automatizada de identidade e acesso:

usuarios = [
    {"nome": "Ana", "vinculo": "ativo", "conta_ativa": True,
     "mfa": True, "compartilhada": False, "acesso_pos_desligamento": False},
    {"nome": "Bruno", "vinculo": "desligado", "conta_ativa": True,
     "mfa": False, "compartilhada": False, "acesso_pos_desligamento": True},
    {"nome": "Recepcao", "vinculo": "servico", "conta_ativa": True,
     "mfa": False, "compartilhada": True, "acesso_pos_desligamento": False},
]

def auditar_acessos(registros):
    alertas = []
    for u in registros:
        if u["vinculo"] == "desligado" and u["conta_ativa"]:
            alertas.append((u["nome"], "credencial não revogada"))
        if not u["mfa"]:
            alertas.append((u["nome"], "MFA ausente"))
        if u["compartilhada"]:
            alertas.append((u["nome"], "conta compartilhada"))
        if u["acesso_pos_desligamento"]:
            alertas.append((u["nome"], "acesso após desligamento"))
    return alertas

for alerta in auditar_acessos(usuarios):
    print(alerta)


5. Interpretação: 
o código converte regras de governança em controles verificáveis. Em um ambiente real, 
os campos seriam alimentados por diretório de identidades, sistema de recursos humanos
e logs de auditoria, permitindo detectar exceções antes que elas se tornem incidentes clínicos, 
jurídicos ou financeiros.

10.3 Cenário — Hospital dependente de fornecedor crítico: indisponibilidade de laboratório, imagem ou autorização

1. Descrição
Uma instituição depende de fornecedor externo para integrar resultados laboratoriais, imagens e 
autorizações. Um incidente no ambiente do terceiro interrompe a integração por vários dias. 

Mesmo sem invasão direta ao hospital, acumulam-se pendências de faturamento, checagens manuais,
atrasos de resultados e aumento da carga de trabalho. 

A vulnerabilidade central é a concentração de um processo clínico e econômico essencial em um elo 
externo cuja indisponibilidade ultrapassa os limites toleráveis da organização.

2. Superfícies de risco prováveis: 
dependência de fornecedor único; contratos sem requisitos claros de segurança e recuperação; interfaces 
de programação expostas; credenciais de integração mal protegidas; ausência de redundância; inexistência 
de testes conjuntos de contingência; e desconhecimento do tempo máximo de interrupção tolerável para 
cada processo.

3. Mitigação prioritária: 
avaliação periódica de risco de terceiros; cláusulas contratuais de segurança, notificação e recuperação;
definição de RTO e RPO; redundância para processos essenciais; rotação e proteção de credenciais de 
integração; monitoramento de APIs; fluxos manuais documentados; e inclusão de fornecedores críticos 
nos exercícios institucionais de continuidade.

4. Modelo computacional didático — priorização de fornecedores pela exposição estimada:

from dataclasses import dataclass

@dataclass
class Fornecedor:
    nome: str
    incidentes_ano: float
    horas_por_incidente: float
    perda_financeira_hora: float
    criticidade_clinica: int      # 1 a 5
    contingencia_testada: bool

def exposicao_anual(f):
    perda_base = (
        f.incidentes_ano
        * f.horas_por_incidente
        * f.perda_financeira_hora
    )
    fator_clinico = 1 + (f.criticidade_clinica - 1) * 0.15
    fator_contingencia = 1.0 if f.contingencia_testada else 1.35
    return perda_base * fator_clinico * fator_contingencia

fornecedores = [
    Fornecedor("Laboratorio", 1.5, 10, 18_000, 5, False),
    Fornecedor("Imagem", 0.8, 6, 22_000, 5, True),
    Fornecedor("Autorizacao", 2.0, 8, 12_000, 4, False),
]

ranking = sorted(
    fornecedores,
    key=exposicao_anual,
    reverse=True
)

for f in ranking:
    print(f.nome, round(exposicao_anual(f), 2))
    

5. Interpretação:  
a pontuação não substitui uma análise formal de risco. Ela evidencia, de modo transparente, 
porque um fornecedor aparentemente "tecnológico" pode representar risco clínico e
financeiro elevado quando combina alta criticidade, indisponibilidade prolongada e ausência 
de contingência testada.

10.4 Síntese dos cenários

Nos três exemplos, a linguagem computacional cumpre funções distintas: 

1. Primeiro cenário
Quantifica incerteza e exposição financeira;

2. Segundo cenário 
Transforma governança de identidade em regras auditáveis; 

3. Terceiro cenário
Prioriza dependências críticas da cadeia de fornecedores. 

Essa integração entre narrativa clínica, raciocínio de risco e código aproxima a cibersegurança da 
realidade dos profissionais de saúde e reforça que prevenção não é apenas uma diretriz técnica: 
é um mecanismo de preservação do cuidado, da receita e da sustentabilidade institucional.

# Nota metodológica:
Os códigos apresentados são exemplos didáticos para educação, governança e discussão de risco. 
Parâmetros, pesos e limites devem ser validados e calibrados para cada instituição antes de 
qualquer uso operacional.

11. Considerações Finais

A cibersegurança tornou-se dimensão essencial da sustentabilidade econômica da saúde. 

Em sistemas sob forte pressão financeira, um ataque não representa apenas falha tecnológica: 
ameaça continuidade do cuidado, faturamento, liquidez, confiança institucional e capacidade de 
reinvestimento.

A abordagem quantitativa do risco, como a proposta pelo FAIR, permite traduzir ameaças cibernéticas 
em linguagem econômica e assistencial. Essa tradução é decisiva para instituições que precisam escolher 
entre múltiplas necessidades urgentes. Ao estimar a exposição provável a perdas, torna-se possível justificar
investimentos preventivos com base em continuidade operacional, segurança do paciente e preservação
financeira.

No Brasil e em outros países em desenvolvimento, prevenir ciberataques em saúde deve ser tratado como 
responsabilidade ética, administrativa e econômica. 

Se a medicina ensina que prevenir é melhor do que remediar, a gestão financeira da saúde acrescenta uma
consequência prática: em instituições vulneráveis, prevenir pode ser a condição para não sucumbir.

12. Referências

•	FAIR Institute. FAIR AIR Approach Playbook: Using a FAIR Based Risk Approach to Expedite AI Adoption at Your Organization. Disponível em: FAIR AIR Approach Playbook.
•	National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. NIST AI 600 1, 2024. Disponível em: NIST AI 600 1.
•	National Institute of Standards and Technology. AI Risk Management Framework. Disponível em: NIST AI RMF.
•	World Health Organization. Ethics and governance of artificial intelligence for health: WHO guidance. Geneva: WHO, 2021. Disponível em: WHO guidance.
•	Brasil. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais. Disponível em: Planalto.
•	Agência Nacional de Vigilância Sanitária. Software como dispositivo médico: perguntas e respostas sobre a RDC 657/2022. Disponível em: ANVISA.
•	IBM Security. Cost of a Data Breach Report 2024. Disponível em: IBM Cost of a Data Breach Report 2024.
•	World Economic Forum. Principles for Board Governance of Cyber Risk. 2021. Disponível em: World Economic Forum.
•	European Union Agency for Cybersecurity. ENISA Threat Landscape: Health Sector. 2023. Disponível em: ENISA.
•	World Health Organization. Global strategy on digital health 2020–2025. Geneva: WHO, 2021. Disponível em: WHO.
•	World Bank. Current health expenditure (% of GDP) – Brazil. Disponível em: World Bank Data.