Análise do valor gerencial da inteligência artificial na identificação de casos suspeitos de câncer em exames de imagem
Arquivos
Data
Autores
Orientador(res)
Programa(s) de Pós-graduação
Título da Revista
ISSN da Revista
Título do Volume
Editora
Resumo
Este estudo analisou o valor gerencial da adoção de uma plataforma comercial de Inteligência Artificial (IA) para o rastreamento, a identificação de casos suspeitos e a gestão da jornada de pacientes oncológicos no Real Hospital Português de Beneficência em Pernambuco (RHP), hospital terciário de alto volume assistencial. A pergunta de pesquisa orientadora foi: como a adoção de uma plataforma de IA integrada ao fluxo radiológico contribui para a identificação e navegação de pacientes com suspeita de câncer em um hospital de alto volume? Metodologia: Adotou-se o estudo de caso único, de abordagem quantitativa-descritiva, baseado em dados operacionais do programa de rastreamento de câncer de pulmão implantado no RHP entre maio de 2025 e maio de 2026, complementados por evidências de validação clínica publicadas em periódicos revisados por pares sobre o algoritmo empregado (Lunit INSIGHT CXR). A plataforma integra-se ao sistema PACS hospitalar, processa automaticamente as radiografias de tórax, sinaliza achados suspeitos e os encaminha a um fluxo de navegação de pacientes conduzido por enfermeira navegadora; não estabelece diagnóstico, mas produz predições probabilísticas de natureza prognóstica (escores de suspeição), validadas pelo radiologista e investigadas pela equipe médica. Resultados: Dos 47.787 pacientes analisados pela IA no período, 475 foram sinalizados como suspeitos de câncer de pulmão e 51 apresentaram probabilidade superior a 80%, configurando uma rede de segurança diagnóstica para achados que, sob a pressão do alto volume, tendiam a se perder na jornada assistencial. O valor gerencial foi estimado em três dimensões complementares — assistencial, operacional e organizacional. O potencial econômico-assistencial associado à captação dos casos de alta suspeição foi estimado em ordem de grandeza, a partir de custos de referência do fornecedor e da literatura brasileira e com análise de sensibilidade, e deve ser lido como potencial, e não como receita da instituição. Conclusão: O principal achado é que o valor gerencial da IA não decorre apenas da capacidade de detectar casos suspeitos, mas da sua integração ao fluxo assistencial, na qual a plataforma funciona como camada de segurança diagnóstica e como mecanismo de coordenação da jornada do paciente, gerando valor nas três dimensões analisadas. Ao recuperar pacientes que se perderiam no percurso assistencial em ambiente de alto volume, a adoção da IA, integrada aos processos e à estratégia institucional, apoia a identificação de casos suspeitos de câncer, com potencial impacto positivo nos desfechos clínicos. Como caso único, os resultados não admitem generalização estatística, mas as condições que explicam o valor observado são comuns a hospitais terciários de grande porte, o que sugere sua transferibilidade. As contribuições são teóricas – evidências sobre adoção de IA em saúde no contexto brasileiro e ampliação da compreensão de como tecnologias analíticas geram valor organizacional quando integradas aos processos assistenciais –, práticas – modelo de implantação replicável para outros hospitais – e sociais – ampliação da capacidade de detecção precoce do câncer. Em síntese, este trabalho fornece evidências empíricas de que a Inteligência Artificial já é uma ferramenta de valor tangível e imediato para a gestão em saúde em geral e na radiologia em especial.
