TRIAGEM AUTOMATIZADA COM IA EM SERVIÇOS DE EMERGÊNCIA: IMPACTOS NO FLUXO, TEMPO DE ESPERA E MORTALIDADE
1GABRIEL DE OLIVEIRA ALUISO, 2IAN BERNARDI WINTER, 3MATHEUS HENRIQUE LAPA SILVA, 4NADJA KAMILA GALEGO, 5NIARA ARANTES OLIVEIRA SILVA, 6REINALDO HIGASHI YOSHII
1Acadêmica do Curso de Medicina da UNIPAR 2Acadêmico do Curso de Medicina da UNIPAR 3Acadêmico do Curso de Medicina da UNIPAR 4Acadêmica do Curso de Medicina da UNIPAR 5Acadêmica do Curso de Medicina da UNIPAR 6Docente da UNIPAR
Introdução: A escassez de cuidados primários e recursos humanos para pacientes não urgentes, conduz a uma elevada afluência aos Serviços de Urgência Hospitalar e a tempos de espera excessivos que são duas das consequências mais preocupantes na área da saúde (SOUSA, 2020). Ainda para Sousa (2020), a triagem, ponto de partida do processo de diagnóstico e o estabelecimento de prioridades clínicas, têm sua eficiência limitada pela falta de monitoramento constante dos pacientes, podendo levar à deterioração de seu estado clínico. Desse modo, o uso  de  tecnologias  de  apoio,  a  diversidade  e  a  complexidade  dos  serviços ofertados, aliados à crescente exigência das pessoas por atendimento de qualidade na área da saúde, têm estimulado o interesse na pesquisa, no desenvolvimento e na aplicação de melhorias  nos  processos,  tanto  de  cuidado  do  paciente  quanto  nos  processos  de  gestão estratégica desses serviços (KOTHARI et al., 2012). Segundo Lima (2020), os desafios enfrentados pelos serviços de emergência podem ser combatidos com a integração da saúde e da tecnologia. Objetivo: Verificar na literatura científica o impacto da triagem automatizada para o fluxo de pacientes em âmbito hospitalar. Desenvolvimento: Conforme Nunes, Guimarães, Dadalto (2022), a incorporação da IA na triagem de Pronto Atendimento tem demonstrado resultados positivos, especialmente no que se refere ao diagnóstico e ao apoio às decisões médicas. Segundo Lobo (2017), a Inteligência Artificial possui capacidade de otimizar o fluxo de atendimento ao automatizar etapas do processo, especialmente na triagem de pacientes, já que integra habilidades como reconhecimento de padrões, compreensão de linguagem, tomada de decisão, aprendizado com experiências, uso de algoritmos especializados e interpretação rápida de dados, favorecendo maior resolutividade e agilidade nos procedimentos. Em consonância, Mackway-Jones, Marsden e Windle (2010) descrevem que a triagem é um processo dinâmico para identificar a necessidade de cuidado imediato. A aplicação desses protocolos se baseia na interpretação de fluxos e escalas, como a de Glasgow e a da dor, que classificam os pacientes em cinco níveis de risco: emergência (vermelho), muito urgente (laranja), urgente (amarelo), pouco urgente (verde) e não urgente (azul). De acordo com Wang et al., 2025 mostra vantagens claras do uso de IA (modelos de linguagem GPT-4o e GPT-4-Turbo) na triagem hospitalar. Wang et al. (2025) observaram que, após ajustes nos prompts, o GPT-4-Turbo atingiu 100% de precisão, enquanto o GPT-4o alcançou 96,2%, superando a média dos cálculos manuais de enfermeiros (81,8%). De acordo com Wang et al. (2025), a consistência entre diferentes execuções dos modelos foi elevada, especialmente após otimização, garantindo critérios mais estáveis em comparação ao desempenho humano. Wang et al. (2025) relataram que o GPT-4o apresentou 92,6% de acerto na indicação do departamento adequado, com maior precisão em clínica médica (93,5%) e menor em cirurgia geral (91,4%). Segundo Wang et al. (2025), a aplicação da IA pode reduzir o tempo de espera, otimizar a alocação de recursos e apoiar o julgamento clínico, desde que utilizada em conjunto com profissionais de saúde. De acordo com Wang et al. (2025), os modelos de ChatGPT baseados no GPT-4 apresentam grande potencial para auxiliar na triagem de pacientes e na definição do encaminhamento para os departamentos ambulatoriais em serviços de emergência. Conclusão: A incorporação da triagem automatizada com Inteligência Artificial em serviços de emergência representa uma estratégia eficaz para enfrentar os desafios de sobrelotação e otimizar a qualidade do atendimento. Enquanto agiliza o processo de triagem e oferece suporte à tomada de decisão, a IA ajuda a contribuir para a redução dos tempos de espera, melhora o fluxo de pacientes e, consequentemente, diminui a taxa de mortalidade. A utilização desses sistemas especialistas permite um gerenciamento mais eficiente dos recursos, fornecendo mais atenção para os casos que demandam maior urgência, o que é um passo fundamental para um sistema de saúde mais eficiente e seguro.
Referências: KOTHARI, A.; BOILARD, J.; BIRKHILL, A.; WRENN, S. A multiple case study of communities of practice in public health. BMC Public Health, 2011. LIMA, F. F. Inovação tecnológica em serviços de emergência: desafios e perspectivas. 2020. Dissertação (Mestrado em Saúde Coletiva) – Universidade Federal de Minas Gerais, 2020. LOBO, L. C. Aplicações da inteligência artificial em saúde: revisão e perspectivas futuras. Revista Brasileira de Informática em Saúde, 2017. MACKWAY-JONES, K.; MARSDEN, J.; WINDLE, J. Emergency Triage: Manchester Triage Group. 3. ed. Oxford: Wiley-Blackwell, 2010. NUNES, R. C.; GUIMARÃES, T. A.; DADALTO, E. C. Inteligência artificial como apoio ao diagnóstico e decisão clínica em emergências. Revista Médica de Minas Gerais, 2022. SOUSA, A. C. Prototipagem de um sistema de triagem dinâmica para urgências hospitalares. 2020. Dissertação (Mestrado em Engenharia Biomédica) – Universidade do Porto, 2020. WANG, C.; WANG, F.; LI, S.; ZHAO, Y.; ZHANG, X.; LIU, T.; ZHANG, J. Patient Triage and Guidance in Emergency Departments Using Large Language Models: Multimetric Study. Journal of Medical Internet Research, 2025.