Da notificação à prevenção: como a IA está transformando a segurança do paciente
Resumo:
A segurança do paciente está entrando em uma nova etapa de evolução. Se, nas últimas décadas, hospitais e instituições de saúde fortaleceram seus processos de notificação, investigação e aprendizado a partir de eventos adversos, a inteligência artificial amplia essa capacidade ao permitir uma atuação cada vez mais preventiva.
No sétimo artigo da série “IA na Saúde: Credibilidade, Segurança e Impacto na Prática Clínica”, Laiane Silva discute como a IA aplicada à saúde está transformando a gestão da segurança do paciente ao identificar padrões de risco, apoiar a análise de incidentes e antecipar eventos adversos antes que causem danos. O artigo explora como modelos preditivos, agentes de IA e dados clínicos estruturados podem fortalecer a tomada de decisão, ampliar a capacidade dos Núcleos de Segurança do Paciente e gerar ganhos reais em qualidade assistencial e prevenção de riscos.
Principais tópicos abordados:
- A evolução da segurança do paciente: da reação à prevenção;
- Inteligência artificial aplicada à gestão de riscos assistenciais;
- Limitações dos modelos tradicionais de notificação e investigação;
- Identificação precoce e prevenção de eventos adversos;
- Aplicações práticas da IA em segurança do paciente;
- Governança, dados estruturados e supervisão humana;
- Agentes de IA e o futuro da segurança assistencial.
Conteúdo:
A segurança do paciente percorreu um longo caminho desde a publicação do relatório To Err Is Human, do Institute of Medicine dos Estados Unidos, em 2000.
No Brasil, o marco regulatório veio com o Programa Nacional de Segurança do Paciente (PNSP), instituído pela Portaria MS 529/2013, que estabeleceu a obrigatoriedade de Núcleo de Segurança do Paciente (NSP) nas instituições de saúde e definiu diretrizes para notificação, investigação e gestão de incidentes.
Nas últimas décadas, a segurança do paciente evoluiu de forma significativa. A criação de programas nacionais, regulamentações específicas e modelos estruturados de investigação permitiu que hospitais e demais instituições de saúde desenvolvessem processos mais robustos para identificar, analisar e reduzir riscos assistenciais.
Esses avanços foram fundamentais, mas existe uma limitação importante: a maior parte dos sistemas atuais ainda aprende principalmente com eventos que já aconteceram.
Quando um incidente ocorre, ele é registrado, investigado e utilizado como fonte de aprendizado para evitar sua recorrência. Esse modelo trouxe ganhos relevantes para a qualidade assistencial, mas permanece essencialmente reativo.
É justamente nesse ponto que a inteligência artificial começa a transformar a gestão da segurança do paciente.
O desafio dos modelos reativos
O arcabouço regulatório brasileiro para segurança do paciente amadureceu de forma significativa na última década. A RDC 36/2013, a recém-publicada Portaria 11.527/2026 da Anvisa e do Ministério da Saúde, e os programas de acreditação nacional e internacional estabeleceram padrões que elevaram o nível de estruturação dos NSP em instituições de saúde.
No entanto, as lacunas permanecem documentadas e relevantes. Estudos publicados no New England Journal of Medicine indicam que eventos adversos ocorrem em aproximadamente uma em cada quatro internações em países de renda alta, e que cerca de 23% desses eventos poderiam ser evitados. O Office of Inspector General dos Estados Unidos identificou que 43% dos eventos adversos em beneficiários do Medicare eram evitáveis.
Não há razão para supor que o cenário brasileiro seja estruturalmente diferente. Estima-se que apenas 3% a 5% dos eventos adversos detectados em prontuários de pacientes internados sejam relatados por profissionais de saúde em hospitais. As abordagens de segurança atuais envolvem medições baseadas principalmente em relatos voluntários, que detectam menos de 10% dos eventos adversos em geral. Esses eventos são frequentemente submetidos a extensas análises de causa raiz muito tempo depois de terem ocorrido, com conclusões que podem ser superficiais e imprecisas, e com recomendações que, não raramente, não são acatadas.
O resultado é um paradoxo: profissionais altamente qualificados acabam investindo grande parte de sua energia na compreensão do passado, quando poderiam dedicar mais tempo à prevenção de riscos futuros.
A mudança de paradigma: de registrar eventos para antecipar riscos
A subnotificação persiste como uma das lacunas mais críticas na gestão da segurança do paciente. Barreiras culturais, sobrecarga operacional e limitações nos processos de registro fazem com que parte dos incidentes nunca seja documentada.
A principal contribuição da inteligência artificial para a segurança do paciente está na capacidade de identificar padrões de risco antes que o dano aconteça. Ao analisar grandes volumes de dados clínicos, assistenciais e operacionais, sistemas de IA conseguem reconhecer sinais que constantemente passam despercebidos em análises humanas ou processos manuais.
Essa capacidade permite que a organização deixe de atuar exclusivamente após a ocorrência de um incidente e passe a atuar também de forma preventiva. Em termos funcionais, a IA aplicada à segurança do paciente e à gestão de incidentes opera em três dimensões que os modelos tradicionais não cobrem de forma integrada:
- Agregação e análise de grandes volumes de dados de notificação, episódios de cuidado e registros de investigação, identificando padrões que analistas humanos não conseguiriam detectar manualmente;
- Identificação de fatores contribuintes ao longo do tempo, não apenas no evento isolado, mas na trajetória de condições que precedem a ocorrência;
- Monitoramento contínuo e sistemático da efetividade das ações corretivas implementadas, fechando o ciclo de melhoria com base em evidências e não apenas em percepção.
Para preencher essas lacunas, a tecnologia precisa evoluir do simples registro para a vigilância ativa baseada em padrões.
A diferença não é apenas de velocidade ou volume. A IA muda a pergunta central da gestão de segurança, de “o que aconteceu?” para “o que está prestes a acontecer e o que podemos fazer agora?”
Onde a IA já está gerando impacto na segurança do paciente
Embora o tema ainda seja associado por muitos a um cenário futuro, diversas aplicações já demonstram resultados concretos na prática assistencial.
- Risco de queda
Quedas continuam entre os eventos adversos mais frequentes em instituições de saúde. Modelos preditivos baseados em IA conseguem analisar simultaneamente fatores como histórico clínico, medicamentos em uso, mobilidade, alterações neurológicas e sinais vitais para estimar o risco individual de cada paciente em tempo real.
Essa análise permite implementar medidas preventivas antes que o evento ocorra, tornando a abordagem mais precisa e dinâmica.
- Infecções relacionadas à assistência à saúde (IRAS)
As infecções relacionadas à assistência à saúde permanecem entre as principais causas de danos evitáveis. Algoritmos treinados em grandes bases de dados conseguem identificar padrões clínicos associados ao desenvolvimento de infecções antes mesmo da manifestação evidente dos sintomas, ampliando a capacidade de intervenção precoce das equipes assistenciais.
- Eventos adversos relacionados ao uso de medicamentos
A administração de medicamentos envolve um volume elevado de decisões clínicas e múltiplos fatores de risco. A IA pode apoiar esse processo ao analisar prescrições, histórico clínico, função renal, interações medicamentosas e registros anteriores, sinalizando situações que merecem atenção antes que o medicamento seja administrado. Nesses cenários, a tecnologia não substitui o profissional de saúde. Ela amplia sua capacidade de identificar riscos e tomar decisões mais seguras.
IA em saúde exige mais do que tecnologia
O potencial da inteligência artificial não depende apenas da qualidade dos algoritmos. Em saúde, a geração de valor está diretamente relacionada à qualidade dos dados utilizados, à validação clínica dos modelos, à transparência dos resultados e à existência de supervisão humana adequada.
Por isso, organizações de referência têm tratado a IA como uma ferramenta de apoio à decisão e não como substituta do julgamento clínico. A confiança na tecnologia se constrói quando os profissionais conseguem compreender como ela opera, quais dados utiliza e quais evidências sustentam suas recomendações. Em síntese, IA confiável exige governança confiável.
A evolução mais recente da inteligência artificial vai além da análise de dados. Os agentes de IA representam uma nova geração de sistemas capazes de executar tarefas específicas de forma autônoma, sempre dentro de parâmetros previamente definidos e supervisionados.
No contexto da segurança do paciente, esses agentes podem monitorar continuamente informações disponíveis, identificar padrões de risco, apoiar a classificação de incidentes, organizar dados para investigação e direcionar a atenção das equipes para situações prioritárias.
Na prática, funcionam como uma camada adicional de inteligência operacional, ampliando a capacidade de atuação dos Núcleos de Segurança do Paciente sem substituir a avaliação humana. O objetivo não é automatizar decisões clínicas, mas permitir que os profissionais tenham acesso mais rápido a informações relevantes e possam atuar de forma mais estratégica.
A base para essa transformação já existe
Se a inteligência artificial depende de dados estruturados, a pergunta deixa de ser apenas tecnológica e passa a ser operacional. É nesse contexto que a experiência acumulada durante os últimos anos ganha relevância.
A Epimed construiu sua trajetória em segurança do paciente com base em metodologias reconhecidas internacionalmente, taxonomias padronizadas e processos estruturados de investigação e monitoramento.
Ao longo desse percurso, milhares de notificações, investigações e planos de ação foram registrados de forma estruturada e rastreável. Essa base representa um elemento essencial para o desenvolvimento de aplicações de IA clinicamente relevantes: dados consistentes, comparáveis e produzidos dentro da realidade assistencial.
A segurança do paciente evoluiu da reação para a gestão sistemática de riscos. A tecnologia necessária para apoiar essa transformação já existe, o conhecimento científico também.
O diferencial estará cada vez mais na capacidade das instituições de estruturar seus dados, fortalecer sua governança e criar condições para que a inteligência artificial gere valor real para profissionais e pacientes.
Instituições que já operam com sistemas estruturados de gestão de segurança estão em posição significativamente mais favorável para incorporar IA com resultado clínico real. As que ainda não fizeram essa estruturação estão, efetivamente, atrasando o acesso a uma capacidade que já está disponível.
Porque, em segurança do paciente, o dado mais importante nem sempre é o que já foi registrado. Pode ser justamente aquele que ainda permite evitar o próximo incidente.
______________________________________________________________________________________________
Referências:
- Agência Nacional de Vigilância Sanitária (Anvisa). RDC 36/2013. Institui ações para a segurança do paciente em serviços de saúde. Brasília: Anvisa; 2013.
- Bates DW, Levine D, Syrowatka A, et al. The potential of artificial intelligence to improve patient safety: a scoping review. NPJ Digit Med. 2021;4(1):54. doi:10.1038/s41746-021-00423-6
- Brasil. Ministério da Saúde. Portaria MS 529/2013. Institui o Programa Nacional de Segurança do Paciente (PNSP). Brasília: MS; 2013.
- Kohn LT, Corrigan JM, Donaldson MS (Eds.). To Err Is Human: Building a Safer Health System. Washington, DC: National Academies Press; 2000.
- Lucian Leape Institute. Patient Safety and Artificial Intelligence: Opportunities and Challenges for Care Delivery. Boston: Institute for Healthcare Improvement; 2024.
- Ratwani RM, Bates DW, Classen DC. Patient safety and artificial intelligence in clinical care. JAMA Health Forum. 2024;5(2):e235514.
______________________________________________________________________________________________
Esta é a sétima publicação da série editorial “IA na Saúde: Credibilidade, Segurança e Impacto na Prática Clínica”, produzida pela Epimed Solutions.
Autora: Laiane Silva, enfermeira, MBA em gestão da qualidade (UFF) e gestão de projetos (USP). Gerente de Produto na Epimed Solutions, responsável pelas soluções de segurança do paciente. Experiência em gestão da qualidade, acreditação em saúde e desenvolvimento de produtos digitais e aplicações de IA.
