A inteligência artificial pode apoiar a triagem de enfermagem no pronto-socorro e reduzir a subtriagem?
Resposta curta: Uma revisão sistemática de estudos prospectivos sugere que a inteligência artificial, principalmente por aprendizado de máquina, pode auxiliar a triagem no pronto-socorro, com acurácia variando de 80,5% a 99,1% e potencial para reduzir subtriagem. Os enfermeiros podem usar a ferramenta como suporte, não como substituta do julgamento clínico.
Resposta
A triagem no pronto-socorro é um processo crítico que busca priorizar o atendimento conforme a gravidade. Erros como subtriagem e sobretriagem podem impactar o fluxo e a segurança do paciente. A revisão sistemática aqui resumida investigou os efeitos da aplicação de inteligência artificial (IA) na triagem, com foco em estudos prospectivos realizados no contexto clínico.
Os resultados mostram que a maioria dos estudos utilizou aprendizado de máquina, com apenas um baseado em lógica fuzzy. Quase todos adotaram um sistema de classificação de triagem de cinco níveis. O desempenho dos modelos variou: uma rede neural feed-forward alcançou precisão de 33% na classificação de nível 1, enquanto o modelo fuzzy clip obteve especificidade e sensibilidade de 99%. A acurácia geral da predição de triagem ficou entre 80,5% e 99,1%.
Além da acurácia, outros desfechos foram avaliados, como redução de tempo, verificação de sobretriagem e subtriagem, fatores de erro de triagem e desfechos de cuidado e prognóstico do paciente. A conclusão dos autores é que enfermeiros triadores podem usar a IA como um meio de suporte à triagem, com a expectativa de reduzir a subtriagem e impactar positivamente a saúde do paciente.
Para o médico brasileiro, especialmente aqueles que atuam em pronto-socorro ou gerenciam equipes de enfermagem, esses achados indicam que a IA pode ser uma aliada na organização do fluxo de atendimento. No entanto, é fundamental que a implementação seja acompanhada de validação local e treinamento adequado, pois os estudos incluídos são heterogêneos e a qualidade metodológica foi avaliada pelo protocolo STROBE.
A revisão não fornece detalhes sobre custos ou barreiras de implementação, mas reforça o papel da IA como ferramenta de apoio à decisão, não substituindo o julgamento clínico. A aplicação no consultório ou no departamento de emergência deve considerar a infraestrutura disponível e a integração com os sistemas de prontuário eletrônico.
O que o estudo mostrou
Revisão sistemática de estudos prospectivos que buscou nas bases CINAHL, Cochrane, Embase, PubMed, ProQuest, KISS e RISS entre março e abril de 2023. De 1633 estudos, sete atenderam aos critérios de inclusão. A maioria aplicou aprendizado de máquina à triagem, e apenas um utilizou lógica fuzzy. Quase todos usaram classificação de cinco níveis. A precisão do modelo feed-forward neural network foi de 33% para o nível 1, e o modelo fuzzy clip teve sensibilidade e especificidade de 99%. A acurácia da predição de triagem variou de 80,5% a 99,1%. Outros desfechos incluíram redução de tempo, sobretriagem e subtriagem, fatores de erro e desfechos de cuidado.
Limitações
O resumo não informa o número total de pacientes incluídos nos estudos, nem detalha as limitações individuais de cada um. A heterogeneidade entre os modelos de IA e os sistemas de triagem pode comprometer a generalização dos achados. Além disso, a qualidade metodológica foi avaliada pelo protocolo STROBE, mas os resultados dessa avaliação não são apresentados no resumo. Não há informações sobre custos ou barreiras de implementação.
Aplicação no consultório
Para o médico que atua em pronto-socorro ou gerencia uma equipe de triagem, os achados sugerem que a IA pode ser incorporada como ferramenta de apoio à decisão, desde que validada localmente e integrada ao fluxo de trabalho. É importante treinar a equipe de enfermagem para usar a ferramenta como suporte, mantendo o julgamento clínico como central. A gestão do consultório pode considerar a IA para otimizar o tempo de triagem e reduzir erros, mas deve estar atenta à necessidade de infraestrutura e à curva de aprendizado.
Estudo citado
The effects of applying artificial intelligence to triage in the emergency department: A systematic review of prospective studies. Journal of nursing scholarship : an official publication of Sigma Theta Tau International Honor Society of Nursing, 2025.
Autores: Yi N, Baik D, Baek G.
DOI: 10.1111/jnu.13024 · PubMed: PMID 39262027
Perguntas para aprofundar
- Qual é o impacto da IA na redução da subtriagem em pronto-socorro?
- Como implementar ferramentas de IA na triagem de enfermagem?
- Quais são os desafios éticos e práticos do uso de IA na triagem?
Mais sobre IA em triagem e prontuário eletrônico
- Quais algoritmos de aprendizado de máquina têm sido aplicados em unidades de emergência e quais são suas limitações?
- A aplicação de inteligência artificial pode melhorar o desempenho da triagem em departamentos de emergência?
- Como a inteligência artificial está sendo aplicada na medicina de emergência e quais são os principais desafios?
- Algoritmos de inteligência artificial são eficazes para prever lesão renal aguda em adultos hospitalizados?
- Como a inteligência artificial influencia o trabalho dos médicos em pronto-socorro?
Todas as perguntas sobre IA em triagem e prontuário eletrônico · Todos os temas · Versão em markdown