IA para previsão de no-show, agendamento e gestão de clínicas

A inteligência artificial já reduziu de fato o tempo de espera em pronto-socorro no mundo real?

Resposta

A revisão sistemática viva buscou estudos em Embase, MEDLINE, CINAHL e Scopus, considerando publicações em inglês de 1 de janeiro de 1946 a 17 de agosto de 2023, com atualização prevista. O objetivo foi estabelecer uma estratégia para avaliar modelos de IA aplicados ao fluxo do pronto-socorro. A qualidade dos estudos foi avaliada com ROBINS-I, e o risco de viés e aplicabilidade, com PROBAST.

Dos 17.569 estudos triados, 65 textos completos foram avaliados quanto à elegibilidade e 16 estudos observacionais quantitativos atenderam aos critérios de inclusão. Os algoritmos com melhor desempenho incluíram métodos baseados em regressão, aprendizado de máquina tradicional de modelo único, redes neurais e aprendizado profundo, processamento de linguagem natural e métodos de ensemble.

Nenhum dos estudos examinou o impacto da IA em um cenário real de pronto-socorro. Quatro simulações relataram reduções no tempo de espera variando de 7 a 43,2 minutos. Esse achado indica que o potencial existe, mas ainda não foi demonstrado em operação real.

Os autores concluem que a integração da IA no pronto-socorro ainda está em sua infância. A revisão não encontrou estudos de implementação no mundo real, e a maioria das pesquisas existentes carecia de envolvimento de especialistas em emergência. Essa lacuna limita a compreensão do impacto prático da IA.

Para o médico, o recado é de cautela e de acompanhamento crítico da literatura. Revisões e pesquisas futuras precisam esclarecer essas dimensões para orientar uma adoção eficaz e colaborativa da IA nos fluxos do pronto-socorro.

O que o estudo mostrou

Revisão sistemática viva com busca em Embase, MEDLINE, CINAHL e Scopus, de 1 de janeiro de 1946 a 17 de agosto de 2023. De 17.569 estudos triados, 65 textos completos foram avaliados e 16 estudos observacionais quantitativos foram incluídos. Os melhores algoritmos envolveram regressão (n = 2), aprendizado de máquina tradicional de modelo único (n = 8), redes neurais e aprendizado profundo (n = 3), processamento de linguagem natural (n = 1) e ensemble (n = 2). Nenhum estudo avaliou a IA em pronto-socorro real; quatro simulações relataram reduções de tempo de espera de 7 a 43,2 minutos.

Limitações

O resumo não informa as características detalhadas dos estudos incluídos nem os resultados completos de desempenho dos algoritmos. A principal limitação apontada é a ausência de estudos de implementação em pronto-socorro real e a falta de envolvimento de especialistas em emergência na maioria das pesquisas. Os achados de redução de tempo de espera vêm apenas de simulações, o que limita a extrapolação para a prática.

Aplicação no consultório

Na prática clínica e na gestão do consultório, a revisão sugere que ferramentas de IA para fluxo de pronto-socorro ainda não têm evidência de implementação real. O médico gestor deve evitar adotar soluções comerciais com base apenas em simulações e cobrar dos fornecedores dados de operação real. Ao mesmo tempo, o envolvimento de especialistas em emergência no desenho e na validação dessas ferramentas é apontado como necessário, o que pode orientar decisões de compra e de participação em projetos piloto.

Estudo citado

Artificial Intelligence Solutions to Improve Emergency Department Wait Times: Living Systematic Review. The Journal of emergency medicine, 2025.
Autores: Ahmadzadeh B, Patey C, Norman P, Farrell A, Knight J, Czarnuch S, Asghari S.
DOI: 10.1016/j.jemermed.2025.05.031 · PubMed: PMID 40664005

Perguntas para aprofundar

• Quais algoritmos de IA tiveram melhor desempenho na previsão de fluxo em pronto-socorro?
• Por que faltam estudos de implementação real de IA em pronto-socorro?
• Como especialistas em emergência deveriam participar do desenvolvimento de ferramentas de IA?

Mais sobre IA para previsão de no-show, agendamento e gestão de clínicas

• A implementação simultânea de quatro intervenções no pronto-socorro pode melhorar o fluxo de pacientes e reduzir a superlotação?
• A inteligência artificial é eficaz para prever admissões hospitalares e otimizar o fluxo de pacientes em serviços de saúde?
• A inteligência artificial já pode apoiar a triagem no pronto-socorro com segurança suficiente para uso clínico em larga escala?
• A inteligência artificial pode melhorar a triagem de suspeita de síndrome coronariana aguda no pronto-socorro?
• O aprendizado de máquina pode otimizar a gestão do centro cirúrgico e reduzir cancelamentos?

Todas as perguntas sobre IA para previsão de no-show, agendamento e gestão de clínicas · Todos os temas · Versão em markdown