Developers proposing new machine learning for health (ML4H) tools often pledge to match or even surpass the performance of existing tools, yet the reality is usually more complicated. Reliable deployment of ML4H to the real world is challenging as examples from diabetic retinopathy or Covid-19 screening show. We envision an integrated framework of algorithm auditing and quality control that provides a path towards the effective and reliable application of ML systems in healthcare. In this editorial, we give a summary of ongoing work towards that vision and announce a call for participation to the special issue  Machine Learning for Health: Algorithm Auditing & Quality Control in this journal to advance the practice of ML4H auditing.

RESUMOO presente artigo parte das similaridades históricas e atuais existentes entre Brasil e Índia quanto aos usos não bélicos da energia nuclear. Frente às informações destacadas na análise da trajetória de cada um, o estudo investiga, então, se o Brasil poderia aprender com a experiência indiana e, se sim, quais lições seriam essas. Após a análise dos casos, a conclusão a que se chega é a de que, dadas as enormes diferenças entre os atuais programas nucleares do Brasil e da Índia, a adequação brasileira a um possível "modelo indiano" não parece exequível. Das diferenças identificadas, destaca-se a divergência referente ao interesse político em priorizar a energia nuclear, algo que a Índia faz. Sem o devido destaque de um tópico na agenda política de um país, não é possível conceber políticas públicas para o setor. No caso da agenda nuclear, a falta de tratamento do tema como uma política de Estado tem implicações profundas, já que, em última análise, compromete a formação de capital humano e o avanço tecnológico. Palavras-chave: Brasil, Índia, Programa Nuclear 1 Os autores agradecem as valiosas contribuições de Giovanni Hillebrand, isentando-o de quaisquer erros ou omissões. Eventuais imperfeições remanescentes no texto são de inteira responsabilidade dos autores.