IMPACTO DA INTELIGÊNCIA ARTIFICIAL NA CONFORMIDADE REGULATÓRIA E SEGURANÇA DOS DADOS EM GESTÃO DOCUMENTAL DE SAÚDE

REGISTRO DOI: 10.69849/revistaft/cl10202411081725

Lidiane Lopes Gomes¹
Karla Beatriz Azevedo Moreira²
Samoel Mariano³
Anelvira de Oliveira Florentino⁴

RESUMO

Introdução: Este estudo investigou o impacto da inteligência artificial (IA) na gestão documental de saúde, com foco na conformidade regulatória e na segurança dos dados dos pacientes. A revolução digital tem transformado a saúde, oferecendo potencial para melhorar a eficiência e precisão no manuseio de documentos. Objetivo: Avaliar como a implementação de ferramentas de IA afeta a eficiência operacional, a precisão no manuseio de informações de saúde, a aderência às regulamentações de proteção de dados e a privacidade do paciente, além de examinar as medidas de segurança adotadas. Métodos: Foi conduzida uma revisão integrativa da literatura utilizando bases de dados como PubMed, Lilacs, Scopus, Embase e Google Acadêmico. Foram incluídos estudos publicados entre 2019 e 2024 que investigam o impacto da IA na gestão de documentos em saúde. Resultados: Os resultados indicaram que a IA pode melhorar significativamente a eficiência e precisão no gerenciamento de documentos em saúde. No entanto, também foram identificados desafios consideráveis relacionados à proteção de dados e à conformidade regulatória. Discussão: Os benefícios da IA na gestão documental são evidentes, mas a implementação dessas tecnologias deve ser acompanhada de medidas robustas de segurança e aderência rigorosa às normas regulatórias. A discussão abordou as categorias de desafios e soluções identificadas na literatura revisada. Conclusão: A adoção de IA na gestão de documentos em saúde apresenta oportunidades e desafios. É importante encontrar um equilíbrio entre inovação tecnológica e conformidade regulatória para maximizar os benefícios enquanto se protege a segurança e privacidade dos dados dos pacientes.

Palavras-chave: Inteligência Artificial, Conformidade Regulatória, Segurança dos Dados, Gestão Documental, Saúde.

1 INTRODUÇÃO

A integração da Inteligência Artificial (IA) no setor da saúde representa um dos mais promissores avanços tecnológicos da nossa era, prometendo transformar a maneira como cuidamos da saúde e gerenciamos informações sensíveis dos pacientes. A revolução digital, marcada pelo avanço exponencial das capacidades computacionais e algorítmicas (Lecun; Bengio; Hinton, 2015), tem o potencial de otimizar diagnósticos, personalizar tratamentos e melhorar a eficiência operacional em instituições de saúde. Este avanço não é apenas uma questão de capacidade tecnológica, mas também reflete uma mudança paradigmática na abordagem da medicina e do cuidado ao paciente, guiada por dados e predições precisas (Nilsson, 2010).

Desde as contribuições pioneiras de Turing (1950), que questionou a capacidade das máquinas de imitar o pensamento humano, até os desenvolvimentos contemporâneos em aprendizado de máquina e redes neurais, a IA tem sido um campo de constante inovação e debate. No contexto da saúde, estas tecnologias oferecem promessas significativas para superar limites tradicionais, desde a melhoria de interfaces cérebro-máquina (Nicolelis; Lebedev, 2017). No entanto, a implementação dessas tecnologias no ambiente de saúde vem acompanhada de desafios consideráveis, especialmente no que tange à conformidade regulatória e à proteção dos dados dos pacientes. Regulamentações como o HIPAA¹ nos EUA e o GDPR² na Europa estabelecem padrões rigorosos para a manipulação de informações de saúde, exigindo que qualquer inovação tecnológica, inclusive aquelas que envolvem IA, não comprometa a segurança e a privacidade dos pacientes (Morley et al., 2020).

A adoção de ferramentas de IA na gestão de documentos em saúde promete aumentar a eficiência e a precisão no manuseio das informações dos pacientes. Contudo, isso também levanta questões importantes sobre a aderência às normativas de proteção de dados e a implementação de medidas de segurança robustas. O potencial de melhoria no manejo de documentos está intrinsecamente ligado à capacidade de garantir que os dados dos pacientes sejam tratados de forma ética e segura, conforme destacado pela Organização Mundial da Saúde (World Health Organization, 2021). A investigação do impacto da IA na gestão de documentos e a conformidade regulatória em instituições de saúde torna-se, portanto, importante. Este estudo visa analisar como a integração de tecnologias de IA pode influenciar a aderência às regulamentações de proteção de dados e a privacidade do paciente, além de examinar as medidas de segurança implementadas para proteger essas informações sensíveis (HE et al., 2021).

Identificar os desafios enfrentados pelas instituições de saúde na implementação de ferramentas de IA que estejam em conformidade com as normas regulatórias é essencial para garantir que os benefícios da IA sejam aproveitados sem comprometer a segurança dos dados dos pacientes. O equilíbrio entre inovação e regulamentação é delicado, e as melhores práticas emergem da compreensão profunda de ambos os campos (Barreto et al., 2023).

Esta revisão de literatura procura contribuir para o corpo de conhecimento existente, oferecendo uma análise detalhada de como a tecnologia de IA pode coexistir com as exigências regulatórias e éticas no setor da saúde. Ao fazer isso, espera-se sintetizar conhecimentos e inovações sobre as oportunidades e desafios que acompanham a adoção dessas tecnologias avançadas, promovendo uma integração que beneficie tanto os profissionais de saúde quanto os pacientes, de forma segura e ética. Assim, à medida que o setor da saúde avança na adoção de tecnologias de IA para a gestão de documentos e outros aspectos críticos da assistência ao paciente, torna-se imperativo abordar as questões de conformidade regulatória e segurança dos dados com a seriedade e a profundidade que merecem. Dessa forma, este estudo pretende ser um passo nessa direção, explorando o complexo entre inovação tecnológica, ética e regulamentação no contexto da saúde contemporânea.

1.1 Justificativa

A adoção de ferramentas de inteligência artificial (IA) na gestão documental em instituições de saúde é uma inovação que promete revolucionar o tratamento e o manejo das informações dos pacientes. Esta evolução tecnológica, embora promissora, levanta questões críticas sobre a conformidade regulatória e a segurança dos dados dos pacientes, tornando imperativo um exame cuidadoso de suas implicações. Com a implementação de leis rigorosas como o HIPAA nos Estados Unidos e o GDPR na União Europeia, que estabelecem normas claras para a manipulação de dados de saúde, o desafio reside em integrar avanços tecnológicos sem comprometer a privacidade e a segurança das informações dos pacientes.

Este trabalho se justifica pela necessidade urgente de compreender como a integração de ferramentas de IA na gestão de documentos afeta a conformidade regulatória e a segurança dos dados em instituições de saúde. A complexidade das regulamentações vigentes, combinada com a rápida evolução da IA, exige uma análise detalhada para identificar tanto os desafios quanto às oportunidades que essas tecnologias apresentam. Além disso, enquanto a eficiência e a precisão na gestão de documentos podem ser significativamente melhoradas através da IA, é importante garantir que tais avanços não exponham os dados dos pacientes a riscos adicionais.

Portanto, este estudo explorará o equilíbrio delicado entre a inovação proporcionada pela IA e as exigências das regulamentações de proteção de dados. Ao destacar os desafios, oportunidades e melhores práticas na implementação de ferramentas de IA que estejam conforme as normas regulatórias, esta pesquisa contribuirá significativamente para o campo da gestão de saúde. O objetivo é fornecer percepções valiosas para gestores de saúde, formuladores de políticas e desenvolvedores de tecnologia, incentivando a adoção responsável de IA de forma que maximize os benefícios para o tratamento e cuidado dos pacientes, ao mesmo tempo em que protege as suas informações pessoais sensíveis.

2 OBJETIVOS

2.1 Objetivo geral

Avaliar o impacto da adoção de ferramentas de inteligência artificial (IA) na gestão de documentos de saúde, com foco específico na conformidade regulatória e na segurança dos dados dos pacientes em instituições de saúde.

2.2 Objetivos específicos

Examinar como a implementação de ferramentas de IA na gestão de documentos impacta a eficiência operacional, a precisão no manuseio de informações de saúde e a aderência às regulamentações de proteção de dados e privacidade do paciente;

Avaliar as estratégias de segurança adotadas pelas instituições de saúde ao integrar tecnolo gias de IA na gestão de documentos, identificando práticas eficazes para a proteção dos dados dos pacientes;

Investigar os principais desafios enfrentados pelas instituições de saúde na implementação de ferramentas de IA que estejam em conformidade com as normas regulatórias vigentes, propondo soluções para superar essas barreiras.

3 METODOLOGIA

Foi conduzida uma revisão integrativa da literatura para compilar e avaliar as evidências existentes sobre a aplicação de IA na gestão de documentos em saúde. Esta revisão seguiu a estrutura PICo (População, Intervenção, Comparação, Resultados) para definir claramente os critérios de inclusão e exclusão dos estudos. As bases de dados incluíram PubMed, Lilacs, Scopus, Embase, e Google Acadêmico, com uma combinação de descritores controlados e sinônimos relacionados à inteligência artificial, gestão de documentos, conformidade regulatória e segurança dos dados. Considerando caráter inovador e o ineditismo do tema escolhido para realização desta revisão integrativa da literatura, os autores do estudo decidiram por acrescentar um Apêndice com definições de termos e conceitos fundamentais para favorecer os leitores, menos familiarizados com a temática, abordada; (Apêndice A – Termos, Abreviaturas e Siglas).

3.1 Etapas da metodologia de revisão integrativa

3.1.1 Formulação da Questão de Pesquisa

Com base na estratégia PICo, a questão de pesquisa foi: “Como a integração de ferramentas de inteligência artificial na gestão de documentos afetou a conformidade regulatória e a segurança dos dados do paciente em instituições de saúde?”

3.1.2 Estabelecimento dos Critérios de Inclusão e Exclusão

3.1.2.1 Critérios de Inclusão

Os critérios de inclusão da amostra de artigos incluídos neste estudo foram; estudos publicados entre 2019 e 2024, em português ou inglês, que investigaram o impacto da IA na gestão de documentos em saúde, com foco na conformidade regulatória e segurança dos dados.

3.1.2.2 Critérios de Exclusão

Os critérios de exclusão da amostra de artigos incluídos neste estudo foram; Revisões de literatura, opiniões, editoriais, monografias, teses, dissertações, e estudos que não forneceram dados originais de pesquisa, ou que estavam fora do escopo da questão de pesquisa.

3.1.3 Estratégia de Busca

As buscas foram realizadas em bases de dados acadêmicas como PubMed, Lilacs, Scopus, Embase e Google Acadêmico. Descritores controlados foram selecionados na plataforma DeCS/MeSH e sinônimos relacionados à inteligência artificial, gestão de documentos, conformidade regulatória e segurança dos dados. Os operadores booleanos “AND” e “OR” foram usados para refinar a busca. As estratégias de busca utilizadas em cada base de dados seguem apresentadas no Quadro 1.

QUADRO 1 – ESTRATÉGIAS DE BUSCA EM BASE DE DADOS

Base de dados	Estratégias de busca	Nº de Artigos
PubMed	(“artificial intelligence”) AND (healthcare) AND (management) AND (Security)	75
Lilacs	“segurança dos dados do paciente” AND “tecnologias de informação” AND “saúde”	10
Scopus	“Artificial Intelligence” AND “healthcare” AND “document management” AND “regulatory compliance”	85
Embase	(“artificial intelligence”) AND (healthcare) AND (management) AND (Security)	70
Google Acadêmico	“Artificial Intelligence” AND “healthcare” AND “document management” AND “regulatory compliance”	80

Fonte: Próprios autores, 2024.

3.1.3.1 Seleção dos Estudos e Extração de Dados

Os autores realizaram a seleção dos estudos com base nos critérios de inclusão e exclusão estabelecidos. Na fase inicial, selecionaram-se publicações com título, resumo ou texto relacionado ao tema do estudo. Dos 320 artigos inicialmente identificados, 100 foram excluídos por duplicidade. Posteriormente, os artigos foram avaliados por títulos, resumos e palavras-chave. Com base nos critérios estabelecidos, identificaram-se 40 artigos selecionados para compor a amostra de publicações final para o estudo de revisão, que após nova revisão, permaneceu uma amostra de 10 registros. O processo de seleção de artigos foi apresentado, sequência, segundo a Figura 1, que descreve a seleção apresentada no Fluxograma PRISMA (MJ Page, 2022)

Figura 1 – Fluxograma de Etapas da Identificação e Seleção dos Artigos, Adaptado do PRISMA

Fonte: MJ Page · 2022

4 RESULTADOS

Os 10 artigos selecionados foram apresentados em um quadro com os dados extraídos dos artigos, contendo as seguintes informações: 1. Autor (Ano/país); 2. Título; 3. Periódico; 4. Objetivo(s); 5. Método; 6. Achados (Quadro 2).

Quadro 2 – Distribuição dos artigos analisados referentes ao tema: “Inteligência Artificial aplicada na gestão de documentos, segurança e privacidade de dados pessoais no manuseio de informações na área da saúde”.

Autor (Ano)/País	Título	Periódico	Objetivo	Método	Achados
Chris Jay Hoofnagle et al., (2019) /EUA, Países Baixos	The European Union general data protection regulation: what it is and what it means	Information & Communications Technology Law	Explicar o GDPR e suas implicações estratégicas, destacando as diferenças entre as leis de privacidade da UE e dos EUA e como o GDPR afeta o uso de dados pessoais em escala global	Análise detalhada do GDPR, incluindo sua gênese, provisões e previsões sobre suas implicações. Discussão da implementação e do impacto do GDPR em comparação com a legislação anterior da UE sobre proteção de dados	O GDPR é uma evolução significativa nas leis de proteção de dados que impõe uma regulamentação detalhada e rigorosa, influenciando organizações em todo o mundo sobre como gerenciar e proteger dados pessoais, incluindo dados de saúde
Daniel Schönberger (2019) /EUA	Artificial intelligence in healthcare: a critical analysis of the legal and ethical implications	International Journal of Law and Information Technology	Analisar criticamente as implicações legais e éticas da integração de tecnologias de IA na saúde, com uma visão holística sobre a capacidade de tomada de decisão da IA	Análise de diferentes tecnologias e aplicações de IA na saúde e discussão das ramificações éticas e legais no contexto de estruturas regulatórias existentes	Conclui que as estruturas atuais são amplamente adequadas para lidar com os desafios impostos pelas tecnologias de IA, mas sugere revisões pontuais e específicas do setor, especialmente no que se refere à não-discriminação e responsabilidade pelo produto
W. Nicholson Price II e I. Glenn Cohen (2019)/EUA	Privacy in the age of medical big data	Nature Medicine	Analisar os desafios éticos e legais apresentados pelo uso de big data na medicina, focando em questões de privacidade e as implicações de novas tecnologias como IA	Revisão dos desenvolvimentos recentes em técnicas de IA e big data na saúde, e discussão sobre as respostas legais e éticas necessárias para lidar com as preocupações de privacidade	Destaca as tensões entre a necessidade de proteger a privacidade do paciente e a utilização eficaz de big data para melhorar a saúde. Aponta para a necessidade de novas abordagens regulatórias que equilibrem inovação e proteção de dados
I. Glenn Cohen et al., (2020)/EUA	The European artificial intelligence strategy: implications and challenges for digital health	Lancet Digital Health	Discutir as implicações da estratégia europeia de inteligência artificial para a saúde digital.	Análise das políticas e estratégias propostas pela Comissão Europeia, com foco nas implicações para aplicações de IA.	O artigo destaca a complexidade de implementar uma estratégia de IA que seja segura e confiável no contexto da saúde, discutindo questões como privacidade, segurança cibernética, precisão e direitos de propriedade intelectual
Sheshadri Chatterjee (2020) /Índia	Is data privacy a fundamental right in India? An analysis and recommendations from policy and legal perspective	International Journal of Law and Management	Analisar a situação da privacidade de dados na Índia e fornece recomendações para políticas e práticas legais que protejam esse direito	Análise crítica de legislações existentes, práticas de privacidade e desafios encontrados na proteção de dados na Índia, com sugestões para melhoria com base em normas internacionais	Revela a necessidade de legislações robustas para proteção de dados pessoais na Índia, destacando deficiências na legislação atual e a falta de uma definição clara e abrangente de “dados pessoais” no contexto jurídico indiano
Tanbir Ahmed et al., (2020)/Canadá	Disidentification of electronic health record using neural network	Scientific Reports	Propor novos métodos para desidentificar dados textuais, especificamente registros de saúde eletrônicos.	Desenvolvimento de um modelo baseado em Redes Neurais Profundas, utilizando Unidades Recorrentes Fechadas (GRU), Long Short-Term Memory (LSTM), e mecanismos de autoatenção.	Os métodos propostos alcançam uma alta pontuação F1 na tarefa de desidentificação, sugerindo que a técnica é eficaz para proteger informações pessoais sensíveis nos EHRs, contribuindo significativamente para a conformidade regulatória
Timo Minssen et al., (2020) /Dinamarca e EUA	Regulatory responses to medical machine learning	Journal of Law and the Biosciences	Analisar como os reguladores avaliarão os dispositivos médicos baseados em MML.	Análise das abordagens regulatórias atuais ao MML nos EUA e Europa, examinando perspectivas internacionais.	Discute as mudanças propostas nas estruturas regulatórias atuais para acomodar a natureza dinâmica e em evolução dos dispositivos médicos baseados em MML, incluindo a necessidade de revisões regulatórias que acompanhem o ritmo das inovações tecnológicas
Blake Murdoch (2021) /Canadá	Privacy and artificial intelligence: challenges for protecting health information in a new era	BMC Medical Ethics	Discutir os desafios de privacidade e proteção de dados que surgem com a implementação de tecnologias de inteligência artificial na saúde	Análise das preocupações atuais com a privacidade de dados em saúde, a gestão de riscos de privacidade em parcerias público-privadas, e o problema de reidentificação de dados anônimos através de métodos avançados de IA	Destaca a necessidade de maior supervisão e regulação das tecnologias de IA na saúde para garantir a proteção da privacidade dos pacientes e a integridade dos dados. Discute-se também a vulnerabilidade dos métodos de anonimização frente às capacidades avançadas de reidentificação
Stephen Gilbert et al., (2021)/Alemanha	Algorithm Change Protocols in the Regulation of Adaptive Machine Learning–Based Medical Devices	Journal of Medical Internet Research	Avaliar como as mudanças nos algoritmos de dispositivos médicos baseados em aprendizado de máquina são regulamentadas.	Análise das estratégias regulatórias atuais e propostas pela FDA (EUA) e União Europeia.	O artigo identifica falhas na estrutura regulatória atual que não acompanha a velocidade da inovação tecnológica em saúde, destacando a necessidade de uma abordagem regulatória que permita atualizações rápidas e seguras dos algoritmos
Benedetta Giovanola e Simona Tiribelli (2023) /Itália	Beyond bias and discrimination: redefining the AI ethics principle of fairness in healthcare machine-learning algorithms	AI & Society	Redefinir o princípio ético de justiça para algoritmos de aprendizado de máquina na saúde.	Análise conceitual com base em filosofia moral, revisão de literatura e discussão das implicações éticas.	O artigo critica a visão predominante de que a justiça em algoritmos de saúde pode ser alcançada simplesmente por meio da eliminação de vieses e promove uma visão mais complexa que inclui tanto a dimensão distributiva quanto relacional-sociocultural da justiça

Fonte: Próprios autores, 2024.

Nesta revisão de literatura, foram analisados 10 artigos provenientes de diversas fontes acadêmicas, abrangendo uma gama de temas que incluem desde a privacidade de dados e inteligência artificial até práticas educativas inovadoras em leitura e anotação de textos. A análise temporal revela uma distribuição de frequência absoluta de publicações recentes, com três artigos publicados em 2019; quatro em 2020; dois em 2021; e um em 2023.

A adoção de ferramentas de inteligência artificial (IA) na gestão de documentos em saúde demonstrou potencial significativo para melhorar a eficiência e a precisão no manejo das informações dos pacientes. No entanto, essa integração tecnológica traz consigo desafios substanciais relacionados à conformidade regulatória e à segurança dos dados.

Os resultados desta revisão indicaram que, embora a IA possa aumentar a eficiência operacional e a precisão no manuseio de documentos, é essencial que as instituições de saúde implementem medidas robustas de segurança para proteger a privacidade dos dados dos pacientes. A conformidade com regulamentações como o HIPAA nos EUA e o GDPR na Europa deve ser rigorosamente observada para evitar violações de dados e garantir a confiança dos pacientes (Morley et al., 2020; IHF, 2023).

Adicionalmente, a rápida evolução da tecnologia de IA requer que as regulamentações sejam continuamente atualizadas para acompanhar os novos desafios e oportunidades que surgem. A justiça e a ética na aplicação da IA são aspectos cruciais que devem ser considerados, garantindo que os algoritmos sejam desenvolvidos e implementados de maneira equitativa e responsável (Giovanola; Tiribelli, 2023; Health Tech Magazine, 2023).

Este estudo apresentou algumas limitações, como a base restrita de artigos analisados e a possível exclusão de estudos relevantes devido à disponibilidade de acesso às bases de dados.

5 DISCUSSÃO

Os principais achados desta revisão indicaram que a IA tem o potencial de melhorar significativamente a eficiência e a precisão no gerenciamento de documentos em saúde. No entanto, a implementação dessas tecnologias apresentou desafios consideráveis relacionados à proteção de dados e à conformidade regulatória. A discussão será organizada em categorias para analisar as ideias convergentes dos artigos revisados e outras literaturas recentes.

5.1 Eficiência e precisão na gestão de documentos

A adoção de ferramentas de IA demonstrou melhorar a eficiência e precisão no manuseio de informações de saúde, permitindo a desidentificação de dados e a conformidade regulatória de maneira mais eficaz (Ahmed et al., 2020; Cohen et al., 2020; Gilbert et al., 2021). Esses resultados são corroborados por estudos recentes que também apontam para os benefícios da IA em melhorar processos administrativos e clínicos. Por exemplo, um estudo publicado pela World Economic Forum (2023) destacou que a IA pode reduzir significativamente a carga administrativa dos profissionais de saúde, permitindo que eles se concentrem mais no atendimento ao paciente (World Economic Forum, 2023). Além disso, a Google Health (2024) apontou que o uso de IA generativa pode otimizar o trabalho administrativo, ajudando na criação de documentos e na localização de informações relevantes rapidamente (Google Health, 2024).

5.2 Desafios de conformidade regulatória

A implementação de IA na saúde requer uma abordagem equilibrada entre inovação e regulação. As regulamentações atuais, como o GDPR, impõem normas rigorosas, mas a rápida evolução da IA levanta questões sobre a adequação dessas regulamentações (Giovanola; Tiribelli, 2023; Minssen et al., 2020; Hoofnagle et al., 2019). A justiça e a ética também são fatores críticos a serem considerados na criação de algoritmos de IA. Estudos recentes sugerem que a criação de diretrizes éticas e de governança pode ajudar a mitigar os riscos associados à IA promovendo uma implementação mais segura e responsável dessas tecnologias (IHE, 2023; Health Tech Magazine, 2023). Por exemplo, a criação de um framework de governança pela National Institute of Standards and Technology (NIST) visa integrar considerações de confiança no design, desenvolvimento e uso de produtos e serviços de IA (NIST, 2023).

5.3 Privacidade e segurança dos dados

A proteção da privacidade dos pacientes e a segurança dos dados são preocupações centrais na implementação de IA na saúde. Métodos de anonimização e supervisão rigorosa são necessários para mitigar os riscos de reidentificação de dados anônimos, garantindo a integridade e a confidencialidade das informações de saúde (Price; Cohen, 2019; Murdoch, 2021; Schönberger, 2019; Chatterjee, 2020). Esses pontos são reforçados por novas pesquisas que sugerem a utilização de modelos generativos para criar dados sintéticos que preservem a privacidade sem comprometer a funcionalidade da IA. A Health Tech Magazine (2023) destacou que plataformas de segurança baseadas em IA podem ajudar a identificar e inventariar informações de saúde protegidas eletronicamente (ePHI), reduzindo riscos e economizando custos (Health Tech Magazine, 2023). Além disso, a IHE (2023) apontou a necessidade de medidas de segurança cibernética robustas, como autenticação multifator e criptografia de dados sensíveis, para proteger contra ataques cibernéticos e garantir a continuidade dos negócios (IHE, 2023).

5.4 Implicações, desafios e limitações do estudo

A implementação de IA na gestão de documentos em saúde apresenta tanto oportunidades quanto desafios. A eficiência e a precisão no manuseio de informações de saúde podem ser significativamente melhoradas, mas é necessário garantir que essas inovações não comprometam a segurança dos dados dos pacientes. As regulamentações precisam acompanhar a rápida evolução tecnológica para garantir a conformidade e a proteção de dados. Além disso, as implicações éticas e de justiça nos algoritmos de IA precisam ser consideradas para assegurar uma implementação equitativa e justa dessas tecnologias. Este estudo apresentou algumas limitações. A revisão foi baseada em uma amostra de 10 artigos, o que pode não representar a totalidade das pesquisas sobre o tema. Além disso, a seleção dos artigos pode ter sido influenciada pela disponibilidade de acesso às bases de dados, potencialmente excluindo estudos relevantes publicados em outras fontes.

6 CONCLUSÃO

Desta forma, os resultados desta revisão indicaram que, embora a IA possa aumentar a eficiência operacional e a precisão no manuseio de documentos, é essencial que as instituições de saúde implementem medidas robustas de segurança para proteger a privacidade dos dados dos pacientes. A conformidade com regulamentações como o HIPAA nos EUA e o GDPR na Europa deve ser rigorosamente observada para evitar violações de dados e garantir a confiança dos pacientes.

Este estudo apresentou algumas limitações, como a base restrita de artigos analisados e a possível exclusão de estudos relevantes devido à disponibilidade de acesso às bases de dados. Pesquisas futuras poderiam expandir a amostra e incluir uma análise mais abrangente de estudos internacionais para obter uma visão mais global dos impactos da IA na gestão de documentos em saúde.

Em suma, a integração da IA na gestão documental de saúde oferece benefícios significativos, mas requer uma abordagem equilibrada que contemple inovação, regulamentação e ética. É fundamental que as instituições de saúde continuem a desenvolver e implementar estratégias que maximizem os benefícios da IA enquanto protegem os dados dos pacientes e garantem a conformidade regulatória.

REFERÊNCIAS

HOOFNAGLE, C. J.; VAN DER SLOOT, B.; BORGESIUS, F. Z. The European Union general data protection regulation: what it is and what it means. Information & Communications Technology Law, v. 28, n. 1, p. 65–98, fev. 2019. https://doi.org/10.1080/13600834.2019.1573501.

SCHÖNBERGER, D. Artificial intelligence in healthcare: a critical analysis of the legal and ethical implications. International Journal of Law and Information Technology, v. 27, n. 2, p. 171–203, 1 jun. 2019. Disponível em: https://doi.org/10.1093/ijlit/eaz004.

PRICE, W. N.; COHEN, I. G. Privacy in the age of medical big data. Nature Medicine, v. 25, n. 1, p. 37–43, jan. 2019. Disponível em: https://doi.org/10.1038/s41591-018-0272-7.

COHEN, I. G. et al. The European artificial intelligence strategy: implications and challenges for digital health. Lancet Digital Health, 2020. Disponível em: https://doi.org/10.1016/S2589-7500.

CHATTERJEE, S. Is data privacy a fundamental right in India? An analysis and recommendations from policy and legal perspective. International Journal of Law and Management, 2020. Disponível em: https://doi.org/10.1108/IJLMA-01-2018-0013.

AHMED, T.; AZIZ, M. M.; MOHAMMED, N. De-identification of electronic health record using neural network. Scientific Reports, 2020. Disponível em: https://doi.org/10.1038/s41598-020-75544-1.

MINSSEN, T. et al. Regulatory responses to medical machine learning. Journal of Law and the Biosciences, 2020. Disponível em: https://doi.org/10.1093/jlb/lsaa002.

MURDOCH, Blake. Privacy and artificial intelligence: challenges for protecting health information in a new era. BMC Medical Ethics, v. 22, n. 1, p. 1–5, 15 set. 2021. https://doi.org/10.1186/s12910-021-00687-3.

GILBERT, S.; et al. Algorithm Change Protocols in the Regulation of Adaptive Machine Learning–Based Medical Devices. Journal of Medical Internet Research, 2021. Disponível em: https://doi.org/10.2196/30545.

GIOVANOLA, B.; TIRIBELLI, S. Beyond bias and discrimination: redefining the AI ethics principle of fairness in healthcare machine-learning algorithms. AI & Society, v. 38, n. 2, p.549-563, 2023. Disponível em: https://doi.org/10.1007/s00146-022-01455-6.

LECUN, Y.; BENGIO, Y.; HINTON, G. Deep learning. Nature, [s.l.], v. 521, n. 7553, p. 436-444, 2015. Disponível em: https://doi.org/10.1038/nature14539.

TURING, A. M. Computing machinery and intelligence. Mind, v. 59, n. 236, p. 433-460, 1950.

LEBEDEV, M. A.; NICOLELIS, M. A. L. Brain-Machine Interfaces: From Basic Science to Neuroprostheses and Neurorehabilitation. Physiological Reviews, v. 97, p. 767-837, mar. 2017. Disponível em: https://doi.org/10.1152/physrev.00027.2016

MORLEY, J. et al. The ethics of AI in healthcare: A mapping review. Social Science & Medicine, [s.l.], v. 260, 113172, 2020. ISSN 0277-9536. Disponível em: https://doi.org/10.1016/j.socscimed.2020.113172.

REID, L. et al. Defining Nursing Informatics: A Narrative Review. Studies in Health Technology and Informatics, v. 284, p. 108-112, 2021 Disponível em: https://doi.org/10.3233/SHTI210680.

WORLD HEALTH ORGANIZATION. Ethics and governance of artificial intelligence for health: WHO guidance. Geneva: World Health Organization, 2021. Disponível em: https://apps.who.int/iris/handle/10665/341996.

WORLD HEALTH ORGANIZATION. Regulatory considerations on artificial intelligence for health. Geneva: World Health Organization, 2023. Disponível em: https://iris.who.int/handle/10665/373421.

BARRETO, D. H. de S. et al. Aplicabilidade da Inteligência Artificial (IA) na promoção da saúde: desafios e perspectivas. Revista Multidisciplinar em Saúde, v. 4, n. 3, 2023. Disponível em: https://doi.org/10.51161/conais2023/22931.

PAGE, Matthew J. et al . A declaração PRISMA 2020: diretriz atualizada para relatar revisões sistemáticas. Epidemiol. Serv. Saúde, Brasília, v. 31, n. 2, e2022107, 2022 . Disponível em: http://scielo.iec.gov.br/scielo.php?script=sci_arttext&pid=S167949742022000201700&lng=pt&nrm=iso>. (Acesso em 22 de outubro de 2024).

IHE. Artificial intelligence and cybersecurity in healthcare. 2023. Disponível em: https://ihf-fih.org/2023/01/01/ai-cybersecurity-healthcare.

WORLD ECONOMIC FORUM. How AI can reduce the burden on healthcare professionals. 2023. Disponível em: https://www.weforum.org/agenda/2023/04/ai-healthcare-burden-reduction.

REID, L. et al. Defining Nursing Informatics: A Narrative Review. Studies in Health Technology and Informatics, v. 284, p. 108-112, 2021 Disponível em: https://doi.org/10.3233/SHTI210680.

GOOGLE HEALTH. Transforming healthcare with AI: The future is now. 2024. Disponível em: https://health.google/2024/03/15/ai-transforming-healthcare.

AITH, F.; DALLARI, A. B. (Orgs.). LGPD na saúde digital. São Paulo, SP: Thomson Reuters Brasil, 2022.

ARONSON, J. K.; HENEGHAN, C.; FERNER, R. E. Medical Devices: Definition, Classification, and Regulatory Implications. Drug Safety, v. 43, n. 2, p. 83–93, 2020. https://doi.org/10.1007/s40264-019-00878-3.

BAJWA, J. et al. Artificial intelligence in healthcare: transforming the practice of medicine. Future Healthcare Journal, v. 8, n. 2, p. e188-e194, 2021. https://doi.org/10.7861/fhj.2021-0095.

BRASIL. Lei no 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD). DOU, 15 ago. 2018. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm.

COHEN, I. G.; MELLO, M. M. HIPAA and Protecting Health Information in the 21st Century. JAMA, v. 320, n. 3, p. 231–232, 17 jul. 2018. https://doi.org/10.1001/jama.2018.5630.

GOTTLIEB, S.; SILVIS, L. How to Safely Integrate Large Language Models into Health Care. JAMA Health Forum, v. 4, n. 9, e233909, 21 set. 2023. https://doi.org/10.1001/jamahealthforum.2023.3909.

IMDRF, SaMD Working Group. Software as a Medical Device (SaMD): Application of Quality Management System. International Medical Device Regulators Forum – IMDRF, 2 out. 2015. Disponível em: https://www.imdrf.org/documents/software-medical-device-samd-application-quality-management-system.

IMDRF, SaMD Working Group. Software as a Medical Device (SaMD): Clinical Evaluation. International Medical Device Regulators Forum – IMDRF, 21 set. 2017. Disponível em: https://www.imdrf.org/documents/software-medical-device-samd-clinical-evaluation.

IMDRF, SaMD Working Group. Software as a Medical Device (SaMD): Key Definitions. International Medical Device Regulators Forum – IMDRF, 9 dez. 2013. Disponível em: https://www.imdrf.org/documents/software-medical-device-samd-key-definitions.

MARTINEZ-ORTIGOSA, A. et al. Applications of Artificial Intelligence in Nursing Care: Systematic Review. Journal of Nursing Management, [s.l.], v. 2023, Article ID 3219127, 2023. Disponível em: https://doi.org/10.1155/2023/3219127.

MINSSEN, Timo; GERKE, Sara;ABOY, Mateo; PRICE, Nicholson; COHEN, Glenn. Regulatory responses to medical machine learning. Journal of Law and the Biosciences, v. 7, n. 1, lsaa002, 25 jul. 2020. https://doi.org/10.1093/jlb/lsaa002.

NILSSON, Nils J. The Quest for Artificial Intelligence: A History of Ideas and Achievements. Cambridge: Cambridge University Press, 2010. Disponível em: https://doi.org/10.1017/CBO9780511819346.

PARREIRA, A.; LEHMANN, L.; OLIVEIRA, M. O desafio das tecnologias de inteligência artificial na Educação: percepção e avaliação dos professores. Ensaio: avaliação e políticas públicas em Educação, Rio de Janeiro, v. 29, n. 113, out.-dez. 2021. Disponível em: https://doi.org/10.1590/S0104-40362020002803115.

RONQUILLO, C. E. et al. Artificial intelligence in nursing: Priorities and opportunities from an international invitational think‐tank of the Nursing and Artificial Intelligence Leadership Collaborative. Journal of Advanced Nursing, v. 77, n. 9, p. 3707-3717, 2021.

SOARES, R. A. et al. O uso da inteligência artificial na medicina: aplicações e benefícios. Research, Society and Development, [S.l.], v. 12, n. 4, e5012440856, mar. 2023. ISSN 2525-3409. Disponível em: http://dx.doi.org/10.33448/rsd-v12i4.40856.

SOUZA, G. N.; BULGARELI, J. V. Uso da inteligência artificial aplicada ao processo decisório na alocação de recursos na saúde pública do Brasil: uma revisão integrativa da literatura. Journal Manag Prim Health Care, v. 15, e012, 2023. Disponível em: https://doi.org/10.14295/jmphc.v15.1352.

WANG, C. et al. Privacy Protection in Using Artificial Intelligence for Healthcare: Chinese Regulation in Comparative Perspective. Healthcare, v. 10, n. 10, p. 1878, 27 set. 2022. https://doi.org/10.3390/healthcare10101878

¹Discente da Graduação em enfermagem da Faculdade Santa Bárbara Tatuí/SP. Email: 116653@faesb.edu.br
²Discente da Graduação em enfermagem da Faculdade Santa Bárbara Tatuí/SP. Email: 116726@faesb.edu.br
³Enfermeiro. Mestre em Gestão e Saúde Coletiva. Doutorando do Programa de Pós-graduação em Odontologia, área de Saúde Coletiva- Faculdade de Odontologia de Piracicaba- UNICAMP. Docente da Graduação em Enfermagem da Faculdade Santa Bárbara Tatuí/SP. Email: prof.samoel.mariano@faesb.edu.br
⁴Enfermeira. Doutora em Enfermagem e Mestre em Pesquisa Clínica pela Faculdade de Medicina da Universidade Estadual Paulista (UNESP/Botucatu). Docente da Graduação em Enfermagem da Faculdade Santa Bárbara Tatuí/SP. Email: prof.anelvira.florentino@faesb.edu.br