Inteligência Artificial na triagem do Pronto Atendimento
aplicações, benefícios e desafios em serviços de saúde
DOI:
https://doi.org/10.47385/cmedunifoa.2080.2025%25gPalavras-chave:
Inteligência artificial, Triagem, Sistemas especialistasResumo
A Inteligência Artificial (IA) tem emergido como uma ferramenta promissora no apoio à tomada de decisão clínica e na otimização dos processos assistenciais, especialmente em contextos de alta demanda como os serviços de Pronto Atendimento. Este estudo tem como objetivo analisar a aplicação da Inteligência Artificial na triagem de pacientes em serviços de Pronto Atendimento. O foco recai sobre os benefícios operacionais, as limitações técnicas e as implicações éticas associadas ao seu uso. Trata-se de uma revisão descritiva da literatura, de abordagem qualitativa, com levantamento de dados realizado entre os anos de 2017 a 2025, nas bases SciELO, PubMed e Google Acadêmico. Os resultados evidenciam que a IA pode contribuir significativamente para a identificação precoce de casos críticos, o direcionamento adequado de pacientes e a redução do tempo de espera, por meio da padronização da triagem e da análise em tempo real de dados clínicos. No entanto, obstáculos como a resistência dos profissionais, as limitações estruturais e a qualidade das bases de dados ainda comprometem sua implementação plena. Questões éticas também foram destacadas, como a preservação da autonomia médica, a proteção de dados sensíveis e a definição de responsabilidades. Conclui-se que, embora a IA represente um avanço relevante para os serviços de urgência, sua inserção no contexto clínico exige um debate contínuo sobre segurança, ética e equidade no cuidado em saúde.
Referências
ALMULIHI et al. Applications of Artificial Intelligence and Machine Learning in Emergency Medicine Triage - A Systematic Review. Medical archives (Sarajevo, Bosnia and Herzegovina), 78(3), 198–206, 2024. Disponível em: https://pmc.ncbi.nlm.nih.gov/articles/PMC11813208/. Acesso em: 15 abr. 2025.
BARTHOLOMEU, A. B. A revolução da inteligência artificial na saúde: impacto, oportunidades e desafios pelo mundo. Revista Qualidade HC, 2024. Disponível em: https://hcrp.usp.br/revistaqualidadehc/uploads/Artigos/509/509.pdf. Acesso em: 15 abr. 2025.
FORGHANI, R.; GUPTA, R. Case of the Season: Artificial Intelligence in Clinical Practice-Large Vessel Occlusion Triage in Stroke Imaging. Seminars in roentgenology, 58(2), 147–151, 2023. Disponível em: https://pubmed.ncbi.nlm.nih.gov/37087134/. Acesso em: 15 abr. 2025.
LOBO, L. C. Inteligência Artificial e Medicina. Revista Brasileira de Educação Médica, v. 41, n. 2, p. 185–193, 2017. Disponível em: https://www.scielo.br/j/rbem/a/f3kqKJjVQJxB4985fDMVb8b/?lang=pt. Acesso em: 15 abr. 2025.
MOURA, Bruna Roberta Siqueira. Desempenho da triagem rápida realizada por enfermeiros na porta de emergência e sinais e sintomas associados à classificação de pacientes graves. 2018. Dissertação (Mestrado em Enfermagem) – Universidade de São Paulo, São Paulo, 2018. Disponível em: http://www.teses.usp.br/teses/disponiveis/7/7139/tde-08052019-171532/. Acesso em: 10 abr. 2025.
NOHARA, Irene Patrícia; GABARDO, Emerson. Superinteligência e os desafios reais e fictícios de regulação em tempos de Inteligência Artificial. Sequência (Florianópolis), v. 45, n. 97, 2024. Disponível em: https://doi.org/10.5007/2177-7055.2024.e99699. Acesso em: 09 de abr.2025.
NUNES, Heloá da Conceição; GUIMARÃES, Rita Miranda Coessens; DADALTO, Luciana. Desafios bioéticos do uso da inteligência artificial em hospitais. Revista Bioética, Brasília, v. 30, n. 1, p. 82–93, jan./mar. 2022. Disponível em: https://www.scielo.br/j/bioet/a/kG8vs4WHYKcGSrQVGwmrkTg. Acesso em: 10 de abr.2025.
PASLI et al. Assessing the precision of artificial intelligence in ED triage decisions: Insights from a study with ChatGPT. The American journal of emergency medicine, 78, 170–175, 2024. Disponível em: https://pubmed.ncbi.nlm.nih.gov/38295466/. Acesso em: 15 abr. 2025.
RIBEIRO et al. Impacto da inteligência artificial na medicina: revisão bibliográfica sobre diagnóstico, tratamento e sistemas de apoio à decisão. LUMEN ET VIRTUS, v. 16, n. 44, p. 217–233, 2025. Disponível em: https://periodicos.newsciencepubl.com/LEV/article/view/2805. Acesso em: 15 abr. 2025.
SCHIPPER et al. Machine-learning based prediction of appendicitis for patients presenting with acute abdominal pain at the emergency department. World journal of emergency surgery, 19(1), 40, 2024. Disponível em: https://pubmed.ncbi.nlm.nih.gov/39716296/. Acesso em: 15 abr. 2025.
STALLINGS et al. Appraise-HRI: an artificial intelligence algorithm for triage of hemorrhage casualties. Shock, 60(2), 199–205, 2023. Disponível em: https://pubmed.ncbi.nlm.nih.gov/37335312/. Acesso em: 15 abr. 2025.
UCHIDA et al. Development of Machine Learning Models to Predict Probabilities and Types of Stroke at Prehospital Stage: the Japan Urgent Stroke Triage Score Using Machine Learning (JUST-ML). Transl Stroke Res.13(3):370-381, 2022. Disponível em: https://pubmed.ncbi.nlm.nih.gov/34389965/. Acesso em: 15 abr. 2025.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Congresso Médico Acadêmico UniFOA

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.