THE IMPACT OF ARTIFICIAL INTELLIGENCE ON THE MODERNIZATION OF PUBLIC HEALTH PLANNING AND MANAGEMENT
REGISTRO DOI: 10.69849/revistaft/cs10202408141920
Francirômulo da Costa Nascimento1; Mariangela Jéssica Moreira Araújo Braz2; Francisca Karla Pereira de Sousa3; Kleniane Lopes de Freitas4; Amanda Cerqueira Lima Gomes Sales5; Daiane Carvalho de Sousa6; Naylla Amorim Gonçalves da Silva7; Anderson dos Santos Pereira8; Yana Marcia Monte Coelho9; Gisele Bezerra da Silva10
Resumo
A Inteligência Artificial (IA) tem emergido como uma tecnologia disruptiva com o potencial de transformar diversos setores, incluindo a saúde pública. O objetivo central deste estudo é avaliar o impacto da Inteligência Artificial (IA) no planejamento e gestão da saúde pública, identificando benefícios, desafios e recomendações para otimizar sua integração. A metodologia adotada é uma revisão narrativa realizada em outubro de 2023, centrada no impacto da Inteligência Artificial (IA) na modernização do planejamento e gestão da saúde pública. A questão central do estudo é “Como a implementação da Inteligência Artificial nos sistemas de planejamento e gestão da saúde pública compara-se aos sistemas tradicionais em termos de eficiência, precisão, capacidade preditiva e satisfação dos usuários?”. A estrutura adotada segue a estratégia PICo, avaliando os Sistemas de gestão da saúde pública com e sem IA, a Introdução da IA em planejamento e gestão e os Resultados/Outcomes na eficácia, precisão e satisfação dos usuários. Uma busca sistemática foi conduzida em diversas bases de dados acadêmicas, incluindo PubMed, Scopus, Web of Science, CINAHL, LILACS e Embase. Os descritores em saúde escolhidos para a pesquisa foram “Gestão em Saúde”, “Inteligência Artificial”, “Planejamento em Saúde” e “Saúde Pública”, combinados com operadores booleanos AND e OR nos idiomas inglês, português e espanhol. Os resultados da pesquisa revelaram que a Inteligência Artificial (IA) tem transformado significativamente o planejamento e a gestão da saúde pública. A implementação da IA mostrou-se mais eficiente e precisa em comparação aos sistemas tradicionais, acelerando decisões e otimizando recursos. No entanto, desafios relacionados à ética, regulamentação e integração ainda persistem. A aceitação da IA varia, mas seu potencial para revolucionar a saúde pública é inegável. Em suma, A Inteligência Artificial promete revolução no setor em saúde, otimizando diagnósticos e gestão de recursos. Seu avanço traz dilemas éticos, desafios de privacidade e demanda integração com sistemas existentes. O financiamento sustentável, comunicação eficaz e a atualização das legislações são cruciais para assegurar que a IA seja uma aliada na promoção da saúde.
Palavras-chave: Gestão em Saúde; Inteligência Artificial; Planejamento em Saúde; Saúde Pública.
1. INTRODUÇÃO
Em meio ao rápido avanço tecnológico que caracteriza o século XXI, a Inteligência Artificial (IA) destaca-se como uma das inovações mais proeminentes, com implicações profundas e abrangentes em inúmeros domínios da sociedade (Schwalbe e Wahl, 2020). Da automação de tarefas domésticas à predição de tendências de mercado, a IA tem reformulado paradigmas e transformado expectativas. Um dos campos que mais se beneficia dessa revolução é o da saúde (Alami et al., 2020). Ao integrar técnicas de IA, o setor de saúde tem explorado novas fronteiras de eficiência, precisão e inovação, especialmente no âmbito da gestão e planejamento da saúde pública (Bajwa et al., 2021).
Historicamente, o planejamento e gestão da saúde pública enfrentam desafios complexos devido à necessidade de lidar com vastas quantidades de dados, diversidade de populações atendidas e a imperatividade de respostas ágeis a crises sanitárias (Benke e Benke, 2018). O potencial da IA reside em sua habilidade intrínseca de processar e analisar, em tempo real, enormes conjuntos de dados, facilitando diagnósticos, prevendo surtos de doenças e otimizando a alocação de recursos (Farlow et al., 2023). Essas capacidades poderiam, em teoria, proporcionar uma transformação sem precedentes na eficácia da saúde pública, tornando-a mais proativa do que reativa (Hee Lee e Yoon, 2021).
À medida que avançamos, é essencial reconhecer que a convergência da IA com a saúde pública não é apenas uma questão de implementar novas ferramentas ou modernizar sistemas antigos, mas representa uma reconfiguração fundamental de como percebemos e interagimos com a saúde em uma escala coletiva (Qiu et al., 2023). Com a IA, a possibilidade de personalização em massa surge, permitindo intervenções de saúde específicas para grupos ou até mesmo indivíduos, enquanto se beneficia de análises realizadas em grandes populações. Esta simbiose entre o individual e o coletivo poderia ser a chave para uma gestão de saúde mais eficiente e eficaz (Sheikh et al., 2021).
Também é crucial abordar a dinâmica global que esta integração implica. Países em desenvolvimento, que frequentemente enfrentam os maiores desafios em termos de saúde pública devido à escassez de recursos, infraestrutura insuficiente e cargas de doenças elevadas, podem ver na IA uma oportunidade inigualável de avanço (Labrique et al., 2018). No entanto, o risco de uma “lacuna digital” em saúde, onde nações mais ricas têm acesso a tecnologias avançadas enquanto outras são deixadas para trás, é uma preocupação legítima que merece atenção (Panch et al., 2019).
Por fim, não podemos nos esquecer da humanidade no cerne da saúde pública. Enquanto nos movemos em direção a uma era dominada pela tecnologia, é imperativo que a IA seja vista como uma ferramenta para ampliar e aprimorar o toque humano, e não para substituí-lo (Morrow et al., 2023). A empatia, o julgamento e a compreensão humana têm seu próprio valor inestimável, especialmente quando se trata de saúde e bem-estar (Buchman et al., 2023).
Por outro lado, a crescente integração da Inteligência Artificial (IA) em setores variados sinaliza uma revolução na maneira como processamos informações e tomamos decisões (MacIntyre, C. R. et al., 2023). No contexto da saúde pública, onde decisões eficazes e baseadas em dados podem literalmente salvar vidas, a promessa da IA é particularmente ressonante. A capacidade da IA de analisar vastos conjuntos de dados, identificar padrões e fornecer insights pode ser a chave para abordar lacunas históricas em planejamento e gestão (Wang e Preininger, 2019).
Além disso, em um mundo em constante mudança, onde emergências de saúde podem surgir rapidamente e se espalhar globalmente, a agilidade e adaptabilidade oferecidas pela IA são inestimáveis (Alowais et al., 2023). Assim, dada a magnitude do potencial impacto da IA na saúde pública e a imperatividade de sistemas de saúde mais ágeis e informados, torna-se essencial explorar e compreender profundamente esse impacto, justificando plenamente uma pesquisa dedicada a este tema.
Logo, objetivamos analisar profundamente a influência da Inteligência Artificial na evolução do planejamento e gestão da saúde pública. Ao buscar compreender os benefícios, desafios e possíveis trajetórias, pretendemos fornecer uma visão holística da confluência entre tecnologia e saúde, contextualizando-a em um cenário amplo onde os entrelaces de tecnologia, sociedade e humanidade direcionam nossa busca por uma saúde pública mais equitativa, acessível e eficaz.
2. METODOLOGIA
O trabalho com delineamento revisão narrativa, realizada no mês de julho de 2023, abrange sobre o “O Impacto da Inteligência Artificial na Modernização do Planejamento e Gestão da Saúde Pública”. Será conduzida para explorar e entender melhor esta questão. Inicialmente, a pergunta central da pesquisa foi, “Como a implementação da Inteligência Artificial nos sistemas de planejamento e gestão da saúde pública compara-se aos sistemas tradicionais em termos de eficiência, precisão, capacidade preditiva e satisfação dos usuários?”. Portanto, orientará todo o processo de revisão e será conduzida para explorar e entender melhor esta questão.
Logo a questão de pesquisa foi estruturada considerando os domínios da estratégia PICo (Santos, Pimenta e Nobre, 2007; Schiavenato e Chu, 2021). População (P) Sistemas de gestão da saúde pública; Intervenção (I) Implementação da Inteligência Artificial em planejamento e gestão; Comparação (C) Sistemas de gestão da saúde pública sem a utilização da Inteligência Artificial.; e o Resultado/Outcome (O) Melhoria na eficiência, precisão, capacidade preditiva, e satisfação dos usuários.
Para buscar a literatura relevante, foi realizada uma busca sistemática em diversas bases de dados acadêmicas, incluindo PubMed, Scopus, Web of Science, CINAHL, LILACS, Embase. Os descritores em saúde utilizado para a pesquisa foram “Inteligência Artificial”, “Saúde Pública”, “Planejamento em Saúde”, “Gestão em Saúde”, combinadas de maneira apropriada com os operadores booleanos AND e OR para garantir uma pesquisa abrangente, nos idiomas inglês, português e espanhol.
Diferentemente das revisões sistemáticas, que exigem critérios rigorosos de inclusão e exclusão, a seleção de estudos para esta revisão narrativa será guiada principalmente pela relevância em relação à pergunta de pesquisa (Baethge, Goldbeck-Wood e Mertens, 2019; Henry et al., 2018). Após a identificação, os estudos foram lidos na íntegra, focando-se em aspectos como a incorporação da inteligência artificial no planejamento e gestão da saúde pública. Atenção especial foi dada a questões como a implementação da IA no panorama mais amplo da assistência em saúde, os benefícios e desafios dessa tecnologia, e as perspectivas futuras de sua aplicação na modernização e otimização dos sistemas de saúde pública.
Os dados extraídos dos estudos selecionados foram posteriormente analisados e interpretados, levando em conta a natureza qualitativa desta revisão narrativa. Esta análise proporcionará uma compreensão mais profunda das diversas maneiras pelas quais a Inteligência Artificial tem influenciado o planejamento e gestão da saúde pública. Será dada especial atenção à identificação de seus benefícios, à abordagem de desafios e às perspectivas futuras de sua integração na modernização dos sistemas de saúde.
Os resultados desta revisão serão então apresentados de forma descritiva de maneira estruturada e coerente, discutindo os principais achados e interpretando-os à luz da teoria e pesquisa existentes. Além disso, serão identificadas lacunas na literatura atual, fornecendo assim direções para futuras pesquisas nesta área. Esse capítulo foi escrito seguindo as diretrizes padrão para a redação de revisões narrativas, garantindo assim um relato completo, confiável e de alta qualidade dos achados.
Os resultados e discussão foram agrupadas por categorias, as quais serão apresentadas a seguir:
3. RESULTADOS E DISCUSSÕES
Para uma revisão narrativa do tema “O Impacto da Inteligência Artificial na Modernização do Planejamento e Gestão da Saúde Pública”, os estudos podem ser organizados nas seguintes categorias para uma análise mais estruturada:
Categoria 1- Aplicações Práticas da IA em Saúde Pública:
A ascensão da Inteligência Artificial (IA) em diversos setores revelou um potencial inexplorado, especialmente no domínio da saúde pública (Morgenstern et al., 2021). Dentre as várias implicações práticas que a IA trouxe para o cenário da saúde, algumas merecem destaque:
Diagnóstico assistido por IA
A capacidade de máquinas aprenderem e processar vastas quantidades de informações tem revolucionado a maneira como diagnósticos são realizados (Pinto-Coelho, 2023). A IA, ao analisar imagens médicas, por exemplo, pode identificar anomalias com precisão muitas vezes superior à capacidade humana (Leeuwen, van et al., 2022). Isso não só aumenta a eficiência do diagnóstico, mas também pode reduzir erros humanos, resultando em tratamentos mais precisos e tempestivos para os pacientes (Najjar, 2023; Oren, Gersh e Bhatt, 2020).
Previsão e monitoramento de surtos de doenças
Com o advento de algoritmos avançados e poder de processamento, a IA tornou-se uma ferramenta valiosa na predição de surtos de doenças. Ao analisar dados de saúde pública, variáveis ambientais e comportamentais, a IA pode prever e monitorar potenciais surtos, permitindo que autoridades de saúde se preparem e respondam de maneira proativa, minimizando impactos e salvando vidas (MacIntyre, Lim e Quigley, 2022; Syrowatka et al., 2021).
Otimização da alocação de recursos
Em um mundo com recursos limitados, a alocação eficiente é crucial. Através da IA, é possível prever demandas futuras, entender padrões de utilização e, assim, direcionar recursos para áreas de maior necessidade, otimizando o uso de instalações, pessoal e equipamentos e garantindo que os pacientes recebam cuidados adequados (Boonstra e Laven, 2022; Huang et al., 2021; Meskó, Hetényi e Gyorffy, 2018)
Assistência virtual e telemedicina
Em uma era digital, a saúde não fica atrás. Assistência virtual, impulsionada por IA, permite que médicos e pacientes se conectem independentemente da localização geográfica (Sharma, Rawal e Shah, 2023). Isso é particularmente valioso em áreas rurais ou remotas, onde o acesso a cuidados médicos pode ser limitado (Kuziemsky et al., 2019). Além disso, com sistemas inteligentes de telemedicina, diagnósticos e tratamentos podem ser oferecidos em tempo real, sem a necessidade de deslocamento físico, democratizando ainda mais o acesso à saúde (Iqbal et al., 2023).
Em suma, a integração da IA na saúde pública não é apenas uma evolução tecnológica; representa um avanço significativo na maneira como cuidamos da saúde das populações (Jungwirth e Haluza, 2023). À medida que continuamos a explorar e expandir essas aplicações, o horizonte para uma saúde mais eficiente, acessível e personalizada torna-se cada vez mais tangível (Thomasian, Eickhoff e Adashi, 2021).
Categoria 2- Desafios Éticos e Regulatórios da IA em Saúde Pública
A introdução da Inteligência Artificial (IA) na saúde pública trouxe consigo avanços impressionantes no diagnóstico, tratamento e gestão da saúde (Al-Hwsali et al., 2023). No entanto, juntamente com seu potencial transformador, surgem importantes desafios éticos e regulatórios que necessitam de uma reflexão aprofundada (Murphy et al., 2021).
Privacidade e segurança dos dados:
A IA exige vastos conjuntos de dados para treinamento e aplicação, tornando a segurança e a privacidade dos dados de saúde mais críticas do que nunca (Katirai, 2023). Há uma tensão entre a necessidade de compartilhar dados para inovação e a obrigação ética de proteger as informações pessoais dos pacientes(Zhang e Zhang, 2023). O desafio reside em garantir que esses dados sejam manipulados de maneira segura e confidencial, preservando a confiança do paciente e cumprindo as leis de privacidade (Reddy et al., 2020).
Responsabilidade em caso de erros da IA
À medida que a IA começa a desempenhar um papel na tomada de decisões médicas, surge a questão da responsabilidade por erros ou danos resultantes. Se um sistema de IA proporciona um diagnóstico ou tratamento inadequado, a responsabilidade recai sobre o médico, o hospital, o desenvolvedor do software ou o sistema de IA em si? A delimitação clara da responsabilidade é fundamental para a confiança no uso da tecnologia (MacIntyre, M. R. et al., 2023; Reddy et al., 2020).
Equidade no acesso e uso da tecnologia:
Enquanto a IA oferece a promessa de cuidados médicos melhorados, há preocupações de que sua adoção possa ampliar as disparidades de saúde existentes. É essencial garantir que o acesso às vantagens da IA não seja limitado por barreiras socioeconômicas, geográficas ou culturais, promovendo uma implementação equitativa que beneficie todos os segmentos da população (Badal, Lee e Esserman, 2023).
Regulamentação e padronização:
A natureza dinâmica e evolutiva da IA desafia os quadros regulatórios tradicionais. A padronização de algoritmos e a validação de suas aplicações na saúde são cruciais para garantir a segurança e eficácia (Istasy et al., 2022). O equilíbrio entre a promoção da inovação e a proteção do público exige regulamentações adaptativas e revisões periódicas (Bajgain et al., 2023).
Em síntese, a adoção da IA na saúde pública, embora repleta de oportunidades, traz consigo desafios éticos e regulatórios intrincados. A resposta a esses desafios determinará a trajetória futura da integração da IA no panorama da saúde global, exigindo uma abordagem colaborativa e multidisciplinar (Jeyaraman et al., 2023).
Categoria 3- Integração da IA com Sistemas Tradicionais de Saúde
A Inteligência Artificial (IA) está revolucionando diversos setores, e a saúde não é exceção. Contudo, para que a IA alcance todo o seu potencial nessa área, é crucial que ela seja efetivamente integrada aos sistemas tradicionais de saúde. Esta integração representa não apenas a inclusão de tecnologias avançadas, mas também uma mudança significativa na maneira como os serviços de saúde é prestada e recebidos (Awad et al., 2021).
Modernização de infraestruturas existentes
A plena integração da IA requer uma atualização das infraestruturas tradicionais de saúde. Isto não se refere apenas à implementação de hardware e software avançados, mas também à criação de redes seguras e eficientes que possam suportar o fluxo contínuo e a análise de dados (Yu, Beam e Kohane, 2018). Esta modernização permitirá que sistemas antigos coexistam e se beneficiem das capacidades avançadas oferecidas pela IA, como análise em tempo real e diagnóstico assistido (Noorbakhsh-Sabet et al., 2019).
Treinamento e adaptação de profissionais da saúde
A IA, por mais avançada que seja, deve trabalhar em conjunto com os profissionais de saúde (Charow et al., 2021). Isto implica não só ensinar médicos, enfermeiros e outros profissionais de saúde como utilizar estes novos instrumentos, mas também ensiná-los sobre os seus princípios e limitações (Akinrinmade et al., 2023). As habilidades humanas devem ser combinadas com recursos de IA em treinamento para garantir uma abordagem holística ao atendimento ao paciente (Barbour et al., 2019).
Implementação de interfaces amigáveis para o usuário
Para que a IA seja amplamente adotada em ambientes de saúde, é fundamental que as soluções sejam intuitivas e amigáveis (Potočnik, Foley e Thomas, 2023). A interface entre a máquina e o usuário, seja ele um profissional de saúde ou um paciente, deve ser projetada de forma a facilitar a interação, minimizar erros e promover uma experiência positiva (Nilsen et al., 2023). Isto implica no desenvolvimento de plataformas que, além de funcionais, sejam acessíveis e fáceis de usar (Hogg et al., 2023).
Concluindo, a integração da IA nos sistemas tradicionais de saúde é uma jornada que vai além da simples adoção tecnológica. Representa uma evolução holística do setor, onde tecnologia e humanidade se unem em prol de melhores resultados de saúde e experiências aprimoradas para pacientes e profissionais (Wenderott, Gambashidze e Weigl, 2022).
Categoria 4-Resultados e Impactos da IA na Qualidade dos Serviços de Saúde
A integração da Inteligência Artificial (IA) nos serviços de saúde está reconfigurando a forma como o atendimento é prestado, com impactos notáveis na eficiência, eficácia e experiência do paciente (Al-Zubaidy et al., 2022). Vamos analisar alguns dos principais resultados e impactos associados à implementação da IA.
Redução de erros e melhoria na precisão
A IA tem a capacidade de analisar grandes volumes de dados com precisão, o que tem resultado em diagnósticos mais acertados e tratamentos mais personalizados (Shen et al., 2019). Algoritmos avançados podem identificar nuances em imagens médicas ou padrões em dados clínicos que podem ser facilmente negligenciados por olhos humanos (Wang et al., 2023). Esta precisão elevada é fundamental para reduzir erros médicos e garantir que os pacientes recebam o tratamento correto desde o início (Chen et al., 2021).
Aumento da rapidez na tomada de decisões
Em situações médicas, o tempo é frequentemente essencial. Com a capacidade da IA de processar e analisar dados rapidamente, os profissionais de saúde podem receber insights em tempo real, permitindo-lhes tomar decisões mais informadas e rápidas, seja na sala de emergência, no diagnóstico ou na seleção do tratamento mais adequado (Cresswell et al., 2020).
Satisfação do paciente e feedback dos profissionais de saúde
A incorporação da IA pode resultar em menos tempo de espera para os pacientes e tratamentos mais eficazes, levando a um aumento na satisfação do paciente (Li et al., 2021). Para os profissionais de saúde, ferramentas baseadas em IA podem aliviar algumas das tarefas rotineiras e repetitivas, permitindo-lhes focar mais no cuidado direto ao paciente. Além disso, ter acesso a insights fornecidos pela IA pode reforçar a confiança nas decisões clínicas tomadas(Li et al., 2022).
Análise de custo-benefício da implementação da IA
A adoção de soluções baseadas em IA, embora possa representar um investimento inicial significativo, tem o potencial de trazer economias a longo prazo. Ao reduzir erros, evitar retratamentos e otimizar a utilização de recursos, a IA pode levar a uma prestação de serviços de saúde mais eficiente e econômica (Wolff et al., 2020). A análise de custo-benefício também deve considerar os benefícios intangíveis, como a melhoria na qualidade de vida dos pacientes e o aprimoramento geral dos padrões de atendimento (Rossi et al., 2022).
Em resumo, os avanços da IA estão remodelando a qualidade dos serviços de saúde, oferecendo oportunidades para um atendimento mais preciso, eficiente e centrado no paciente. No entanto, a plena realização desses benefícios requer uma consideração cuidadosa de como essas tecnologias são implementadas e integradas no ecossistema da saúde (Zaidan, 2023).
Categoria 5- Aspectos Financeiros e Econômicos da IA em Saúde Pública
A implementação da Inteligência Artificial (IA) em sistemas de saúde pública representa uma revolução não apenas tecnológica, mas também financeira e econômica. A introdução dessa tecnologia implica considerações monetárias que vão além do mero custo de aquisição, envolvendo aspectos operacionais, retornos potenciais e estratégias de financiamento (Fasterholdt et al., 2022). Vamos explorar essas dimensões:
Investimento inicial e custos operacionais
A adoção de soluções de IA em saúde pública frequentemente exige um investimento significativo na fase inicial. Isso pode incluir o custo de hardware especializado, software, licenças, além de gastos associados à integração dessas soluções com os sistemas existentes (Khanna et al., 2022). No entanto, o investimento não se limita à fase inicial. Os custos operacionais, como atualizações, manutenção, treinamento de pessoal e consumo de energia, também devem ser considerados. Esses gastos recorrentes são fundamentais para garantir que as soluções de IA funcionem de maneira eficaz e segura ao longo do tempo (Abràmoff et al., 2022).
Análise do retorno sobre o investimento (ROI)
Embora a IA possa exigir um investimento considerável, os benefícios potenciais podem justificar os gastos (Wehkamp, Krawczak e Schreiber, 2023). A redução de erros, a otimização da alocação de recursos e a melhoria na eficiência do atendimento ao paciente são apenas alguns dos retornos que podem ser traduzidos em economias substanciais para o sistema de saúde (Amann et al., 2020). Ao avaliar o ROI, é vital considerar tanto os benefícios tangíveis (como economias diretas) quanto os intangíveis (como melhorias na satisfação do paciente e na qualidade do atendimento) (Hazarika, 2020; Poalelungi et al., 2023).
Modelos de financiamento e possíveis fontes de financiamento
A IA em saúde pública pode ser financiada de diversas maneiras. O financiamento governamental, seja por meio de orçamentos diretos ou incentivos fiscais, é uma das opções mais evidentes (Cossy-Gantner et al., 2018). No entanto, parcerias público-privadas, investidores privados, organizações não governamentais e agências internacionais também podem ser fontes viáveis. Além disso, novos modelos de negócios, como soluções de IA como serviço, podem permitir que os sistemas de saúde pública adotem essa tecnologia sem a necessidade de um investimento inicial substancial (Hadley et al., 2020).
Em conclusão, enquanto a IA tem o potencial de revolucionar a saúde pública, seu impacto financeiro e econômico não pode ser negligenciado (Wolff et al., 2021). Uma avaliação holística dos custos, benefícios e fontes potenciais de financiamento é crucial para garantir que a adoção da IA conduza a uma saúde pública mais eficaz e economicamente viável (Shaw et al., 2019).
Categoria 6- Engajamento e Percepção Pública sobre IA em Saúde
A emergente presença da Inteligência Artificial (IA) na saúde pública elevou a necessidade de considerar como pacientes, profissionais de saúde e a comunidade em geral percebem e se engajam com essa tecnologia (Beets et al., 2023). A percepção pública sobre a IA é fundamental, uma vez que influencia diretamente a aceitação, a utilização e, consequentemente, o impacto dessa tecnologia no setor de saúde (Gao et al., 2020). Vamos discutir algumas nuances relacionadas ao engajamento e percepção pública sobre a IA em saúde:
Compreensão e aceitação da IA por pacientes e comunidade
O entendimento geral sobre o que é a IA e como ela pode ser aplicada na saúde é variável. Muitos pacientes podem não estar cientes dos benefícios potenciais ou podem ter equívocos sobre a precisão ou confiabilidade da tecnologia. A aceitação está diretamente ligada à compreensão: quanto mais informadas as pessoas estiverem sobre a IA, mais provável é que elas confiem e aceitem sua integração na saúde pública (Lammons et al., 2023; Stai et al., 2020).
Categoria 7- Considerações Legais e de Política Pública
A introdução e o crescimento da Inteligência Artificial (IA) no setor da saúde pública carregam implicações legais e políticas que precisam ser cuidadosamente avaliadas (Couture et al., 2023). A transição para um sistema de saúde impulsionado pela IA exige uma reestruturação de normas, diretrizes e legislações, garantindo não apenas a eficácia das soluções, mas também sua ética e integridade (Silva, Da et al., 2022) Discutiremos a seguir algumas destas considerações:
Desenvolvimento de legislações específicas para IA em saúde
Com a IA desempenhando funções cruciais, desde o diagnóstico até a gestão de dados de pacientes, é imperativo que haja leis específicas que regulam sua aplicação. Estas leis devem abordar questões como responsabilidade (em caso de má interpretação ou erros), integridade dos algoritmos e padronização dos sistemas de IA (Naik et al., 2022; Schönberger, 2019).
Aspectos de propriedade intelectual
A IA na saúde está frequentemente na vanguarda da inovação. Portanto, questões relacionadas à propriedade intelectual, como patentes de algoritmos e direitos autorais de sistemas, se tornam cruciais (Batlle et al., 2021). Além disso, com a colaboração internacional e compartilhamento de dados, é importante que haja acordos claros sobre propriedade e uso de tecnologias e informações (Morley et al., 2022; Pereira et al., 2021).
Diretrizes de política para promover e regulamentar a IA em saúde pública
Para que a IA seja adotada de maneira ampla e eficaz, as diretrizes políticas devem não apenas regulamentar, mas também promover sua integração na saúde pública(Smallman, 2022). Isso pode incluir incentivos fiscais para pesquisa e desenvolvimento, programas de formação para profissionais de saúde, e parcerias público-privadas para incentivar inovações (Prakash et al., 2022). Além disso, as políticas devem se concentrar em garantir equidade no acesso e uso da IA, para que todos os segmentos da população se beneficiem (Gupta, Choudhury e Kotwal, 2023).
Totalizando, enquanto a IA oferece oportunidades notáveis para revolucionar a saúde pública, ela também traz consigo uma série de desafios legais e políticos (McLennan et al., 2022). Abordar proativamente essas questões, através de leis bem formuladas e diretrizes políticas, será crucial para garantir que a IA seja integrada na saúde pública de uma forma que beneficie todos, mantendo padrões éticos e de qualidade (Sunarti et al., 2021).
4. CONSIDERAÇÕES FINAIS
A pesquisa “O Impacto da Inteligência Artificial na Modernização do Planejamento e Gestão da Saúde Pública” proporcionou uma profunda investigação sobre a interface entre tecnologia emergente e as necessidades intrínsecas de um sistema de saúde em constante evolução. A IA, com seu vasto potencial para transformar processos, análises e tomadas de decisão, emerge como uma ferramenta promissora no cenário da saúde pública.
Constatou-se que as aplicações práticas da IA, desde o diagnóstico assistido até a otimização da alocação de recursos, têm o potencial de impulsionar a eficiência e a precisão dos serviços de saúde. No entanto, juntamente com essas possibilidades, surgem desafios éticos, regulatórios e práticos. A questão da privacidade dos dados, equidade no acesso, e a integração com sistemas tradicionais são barreiras que necessitam de abordagens inovadoras e considerações cuidadosas.
Aspectos financeiros, como investimento e análise de custo-benefício, destacam a necessidade de estratégias sustentáveis para a implementação da IA. Enquanto isso, a percepção e o engajamento público apontam para a importância de uma comunicação transparente e educativa. Finalmente, com a IA influenciando tão profundamente a saúde, surge uma imperativa necessidade de desenvolver e adaptar legislações e políticas públicas.
Em suma, enquanto a Inteligência Artificial apresenta um horizonte repleto de possibilidades para a saúde pública, sua integração bem-sucedida requer uma abordagem holística. Esta abordagem deve equilibrar inovação tecnológica com considerações éticas, legais, e humanas, garantindo que a saúde pública continue sendo um direito acessível e eficaz para todos. A jornada em direção à modernização está apenas começando, e com colaboração, pesquisa contínua, e foco no bem-estar humano, o futuro da saúde pública apoiada pela IA parece brilhante e promissor.
REFERÊNCIAS BIBLIOGRÁFICAS
ABRÀMOFF, M. D.; ROEHRENBECK, C.; TRUJILLO, S.; GOLDSTEIN, J.; GRAVES, A. S.; REPKA, M. X.; SILVA III, E. “ZEKE”. A reimbursement framework for artificial intelligence in healthcare. npj Digital Medicine, v. 5, n. 1, p. 72, 9 jun. 2022.
AKINRINMADE, A. O.; ADEBILE, T. M.; EZUMA-EBONG, C.; BOLAJI, K.; AJUFO, A.; ADIGUN, A. O.; MOHAMMAD, M.; DIKE, J. C.; OKOBI, O. E. Artificial Intelligence in Healthcare: Perception and Reality. Cureus, v. 15, n. 9, 20 set. 2023.
ALAMI, H. et al. Artificial intelligence in health care: laying the Foundation for Responsible, sustainable, and inclusive innovation in low- and middle-income countries. Globalization and health, v. 16, n. 1, 24 jun. 2020.
AL-HWSALI, A.; ALSAADI, B.; ABDI, N.; KHATAB, S.; ALZUBAIDI, M.; SOLAIMAN, B.; HOUSEH, M. Scoping Review: Legal and Ethical Principles of Artificial Intelligence in Public Health. Studies in health technology and informatics, v. 305, p. 640–643, 29 jun. 2023.
ALOWAIS, S. A. et al. Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC Medical Education, v. 23, n. 1, 1 dez. 2023.
AL-ZUBAIDY, M.; HOGG, H. J.; MANIATOPOULOS, G.; TALKS, J.; TEARE, M. D.; KEANE, P. A.; BEYER, F. R. Stakeholder Perspectives on Clinical Decision Support Tools to Inform Clinical Artificial Intelligence Implementation: Protocol for a Framework Synthesis for Qualitative Evidence. JMIR research protocols, v. 11, n. 4, 1 abr. 2022.
AMANN, J.; BLASIMME, A.; VAYENA, E.; FREY, D.; MADAI, V. I. Explainability for artificial intelligence in healthcare: a multidisciplinary perspective. BMC Medical Informatics and Decision Making, v. 20, n. 1, 1 dez. 2020.
AWAD, A.; TRENFIELD, S. J.; POLLARD, T. D.; ONG, J. J.; ELBADAWI, M.; MCCOUBREY, L. E.; GOYANES, A.; GAISFORD, S.; BASIT, A. W. Connected healthcare: Improving patient care using digital health technologiesAdvanced Drug Delivery ReviewsElsevier B.V., , 1 nov. 2021.
AYERS, J. W.; ZHU, Z.; POLIAK, A.; LEAS, E. C.; DREDZE, M.; HOGARTH, M.; SMITH, D. M. Evaluating Artificial Intelligence Responses to Public Health Questions. JAMA Network Open, v. 6, n. 6, 7 jun. 2023.
BADAL, K.; LEE, C. M.; ESSERMAN, L. J. Guiding principles for the responsible development of artificial intelligence tools for healthcare. Communications Medicine, v. 3, n. 1, 1 abr. 2023.
BAETHGE, C.; GOLDBECK-WOOD, S.; MERTENS, S. SANRA-a scale for the quality assessment of narrative review articles. Research integrity and peer review, v. 4, n. 1, p. 5, 26 dez. 2019.
BAJGAIN, B.; LORENZETTI, D.; LEE, J.; SAURO, K. Protocol: Determinants of implementing artificial intelligence-based clinical decision support tools in healthcare: a scoping review protocol. BMJ Open, v. 13, n. 2, p. 68373, 23 fev. 2023.
BAJWA, J.; MUNIR, U.; NORI, A.; WILLIAMS, B. Artificial intelligence in healthcare: transforming the practice of medicine. Future Healthcare Journal, v. 8, n. 2, p. e188–e194, 16 jul. 2021.
BARBOUR, A. B.; FRUSH, J. M.; GATTA, L. A.; MCMANIGLE, W. C.; KEAH, N. M.; BEJARANO-PINEDA, L.; GUERRERO, E. M. Artificial Intelligence in Health Care: Insights From an Educational Forum. Journal of Medical Education and Curricular Development, v. 6, p. 238212051988934, jan. 2019.
BATLLE, J. C. et al. Data Sharing of Imaging in an Evolving Health Care World: Report of the ACR Data Sharing Workgroup, Part 1: Data Ethics of Privacy, Consent, and Anonymization. Journal of the American College of Radiology, v. 18, n. 12, p. 1646–1654, 1 dez. 2021.
BEETS, B.; NEWMAN, T. P.; HOWELL, E. L.; BAO, L.; YANG, S. Surveying Public Perceptions of Artificial Intelligence in Health Care in the United States: Systematic Review. Journal of Medical Internet Research, v. 25, 2023.
BENKE, K.; BENKE, G. Artificial Intelligence and Big Data in Public Health. International journal of environmental research and public health, v. 15, n. 12, 1 dez. 2018.
BOONSTRA, A.; LAVEN, M. Influence of artificial intelligence on the work design of emergency department clinicians a systematic literature review. BMC Health Services Research, v. 22, n. 1, p. 669, 1 dez. 2022.
BUCHMAN, D. Z.; IMAHORI, D.; LO, C.; HUI, K.; WALKER, C.; SHAW, J.; DAVIS, K. D. The Influence of Using Novel Predictive Technologies on Judgments of Stigma, Empathy, and Compassion among Healthcare Professionals. AJOB Neuroscience, p. 1–14, 14 jul. 2023.
CHAROW, R. et al. Artificial Intelligence Education Programs for Health Care Professionals: Scoping ReviewJMIR Medical EducationJMIR Publications Inc., , 1 out. 2021.
CHEN, Z. H.; LIN, L.; WU, C. F.; LI, C. F.; XU, R. H.; SUN, Y. Artificial intelligence for assisting cancer diagnosis and treatment in the era of precision medicine. Cancer communications (London, England), v. 41, n. 11, p. 1100–1115, 1 nov. 2021.
COSSY-GANTNER, A.; GERMANN, S.; SCHWALBE, N. R.; WAHL, B. Artificial intelligence (AI) and global health: how can AI contribute to health in resource-poor settings? BMJ Global Health, v. 3, n. 4, p. 798, 1 jul. 2018.
COUTURE, V.; ROY, M. C.; DEZ, E.; LAPERLE, S.; BÉLISLE-PIPON, J. C. Ethical Implications of Artificial Intelligence in Population Health and the Public’s Role in Its Governance: Perspectives from a Citizen and Expert Panel. Journal of Medical Internet Research, v. 25, 2023.
CRESSWELL, K.; CALLAGHAN, M.; KHAN, S.; SHEIKH, Z.; MOZAFFAR, H.; SHEIKH, A. Investigating the use of data-driven artificial intelligence in computerized decision support systems for health and social care: A systematic review. Health Informatics Journal, v. 26, n. 3, p. 2138–2147, 1 set. 2020.
FARLOW, A. et al. Rethinking global digital health and AI-for-health innovation challenges. PLOS global public health, v. 3, n. 4, p. e0001844, 28 abr. 2023.
FASTERHOLDT, I.; NAGHAVI-BEHZAD, M.; RASMUSSEN, B. S. B.; KJØLHEDE, T.; SKJØTH, M. M.; HILDEBRANDT, M. G.; KIDHOLM, K. Value assessment of artificial intelligence in medical imaging: a scoping review. BMC Medical Imaging, v. 22, n. 1, 1 dez. 2022.
FISHER, S.; ROSELLA, L. C. Priorities for successful use of artificial intelligence by public health organizations: a literature reviewBMC Public HealthBioMed Central Ltd, , 1 dez. 2022.
GAO, S.; HE, L.; CHEN, Y.; LI, D.; LAI, K. Public perception of artificial intelligence in medical care: Content analysis of social media. Journal of Medical Internet Research, v. 22, n. 7, 1 jul. 2020.
GUPTA, P.; CHOUDHURY, R.; KOTWAL, A. Achieving health equity through healthcare technology: Perspective from India. Journal of Family Medicine and Primary Care, v. 12, n. 9, p. 1814, set. 2023.
HADLEY, T. D.; PETTIT, R. W.; MALIK, T.; KHOEI, A. A.; SALIHU, H. M. Artificial Intelligence in Global Health -A Framework and Strategy for Adoption and Sustainability. International journal of MCH and AIDS, v. 9, n. 1, p. 121–127, 10 fev. 2020.
HAZARIKA, I. Artificial intelligence: opportunities and implications for the health workforce. International Health, v. 12, n. 4, p. 241, 2020.
HEE LEE, D.; YOON, S. N. Application of Artificial Intelligence-Based Technologies in the Healthcare Industry: Opportunities and Challenges. International journal of environmental research and public health, v. 18, n. 1, p. 1–18, 1 jan. 2021.
HENRY, B. M.; SKINNINGSRUD, B.; VIKSE, J.; PĘKALA, P. A.; WALOCHA, J. A.; LOUKAS, M.; TUBBS, R. S.; TOMASZEWSKI, K. A. Systematic reviews versus narrative reviews in clinical anatomy: Methodological approaches in the era of evidence-based anatomy. Clinical Anatomy, v. 31, n. 3, p. 364–367, 1 abr. 2018.
HOGG, H. D. J.; AL-ZUBAIDY, M.; TALKS, J.; DENNISTON, A. K.; KELLY, C. J.; MALAWANA, J.; PAPOUTSI, C.; TEARE, M. D.; KEANE, P. A.; BEYER, F. R.; MANIATOPOULOS, G. Stakeholder Perspectives of Clinical Artificial Intelligence Implementation: Systematic Review of Qualitative Evidence. Journal of Medical Internet Research, v. 25, p. e39742, 10 jan. 2023.
HUANG, C. H.; BATARSEH, F. A.; BOUEIZ, A.; KULKARNI, A.; SU, P. H.; AMAN, J. Measuring outcomes in healthcare economics using Artificial Intelligence: With application to resource management. Data & policy, v. 3, 12 nov. 2021.
IQBAL, J. et al. Reimagining Healthcare: Unleashing the Power of Artificial Intelligence in Medicine. Cureus, v. 15, n. 9, 4 set. 2023.
ISTASY, P.; LEE, W. S.; IANSAVICHENE, A.; UPSHUR, R.; GYAWALI, B.; BURKELL, J.; SADIKOVIC, B.; LAZO-LANGNER, A.; CHIN-YEE, B. The Impact of Artificial Intelligence on Health Equity in Oncology: Scoping Review. Journal of Medical Internet Research, v. 24, n. 11, p. e39748, 1 nov. 2022.
JEYARAMAN, M.; BALAJI, S.; JEYARAMAN, N.; YADAV, S. Unraveling the Ethical Enigma: Artificial Intelligence in Healthcare. Cureus, v. 15, n. 8, 10 ago. 2023.
JUNGWIRTH, D.; HALUZA, D. Artificial Intelligence and Public Health: An Exploratory Study. International journal of environmental research and public health, v. 20, n. 5, 1 mar. 2023.
KATIRAI, A. The ethics of advancing artificial intelligence in healthcare: analyzing ethical considerations for Japan’s innovative AI hospital system. Frontiers in public health, v. 11, 2023.
KHANNA, N. N. et al. Economics of Artificial Intelligence in Healthcare: Diagnosis vs. Treatment. Healthcare, v. 10, n. 12, p. 28, 1 dez. 2022.
KUZIEMSKY, C.; MAEDER, A. J.; JOHN, O.; GOGIA, S. B.; BASU, A.; MEHER, S.; ITO, M. Role of Artificial Intelligence within the Telehealth Domain: Official 2019 Yearbook Contribution by the members of IMIA Telehealth Working Group. Yearbook of Medical Informatics, v. 28, n. 1, p. 35, 1 ago. 2019.
LABRIQUE, A. B.; WADHWANI, C.; WILLIAMS, K. A.; LAMPTEY, P.; HESP, C.; LUK, R.; AERTS, A. Best practices in scaling digital health in low and middle income countries. Globalization and Health, v. 14, n. 1, 3 nov. 2018.
LAMBERT, S. I.; MADI, M.; SOPKA, S.; LENES, A.; STANGE, H.; BUSZELLO, C. P.; STEPHAN, A. An integrative review on the acceptance of artificial intelligence among healthcare professionals in hospitalsnpj Digital MedicineNature Research, , 1 dez. 2023.
LAMMONS, W.; SILKENS, M.; HUNTER, J.; SHAH, S.; STAVROPOULOU, C. Centering Public Perceptions on Translating AI Into Clinical Practice: Patient and Public Involvement and Engagement Consultation Focus Group Study. Journal of Medical Internet Research, v. 25, n. 1, 1 jan. 2023.
LEEUWEN, K. G. VAN; ROOIJ, M. DE; SCHALEKAMP, S.; GINNEKEN, B. VAN; RUTTEN, M. J. C. M. How does artificial intelligence in radiology improve efficiency and health outcomes? Pediatric radiology, v. 52, n. 11, p. 2087–2093, 1 out. 2022.
LI, X. et al. Using artificial intelligence to reduce queuing time and improve satisfaction in pediatric outpatient service: A randomized clinical trial. Frontiers in Pediatrics, v. 10, p. 929834, 10 ago. 2022.
LI, X.; TIAN, D.; LI, W.; DONG, B.; WANG, H.; YUAN, J.; LI, B.; SHI, L.; LIN, X.; ZHAO, L.; LIU, S. Artificial intelligence-assisted reduction in patients’ waiting time for outpatient process: a retrospective cohort study. BMC Health Services Research, v. 21, n. 1, 1 dez. 2021.
MACINTYRE, C. R. et al. Artificial intelligence in public health: the potential of epidemic early warning systems. The Journal of International Medical Research, v. 51, n. 3, p. 1–18, 1 mar. 2023.
MACINTYRE, C. R.; LIM, S.; QUIGLEY, A. Preventing the next pandemic: Use of artificial intelligence for epidemic monitoring and alerts. Cell Reports Medicine, v. 3, n. 12, p. 100867, 12 dez. 2022.
MACINTYRE, M. R.; COCKERILL, R. G.; MIRZA, O. F.; APPEL, J. M. Ethical considerations for the use of artificial intelligence in medical decision-making capacity assessments. Psychiatry Research, v. 328, p. 115466, 1 out. 2023.
MCLENNAN, S.; FISKE, A.; TIGARD, D.; MÜLLER, R.; HADDADIN, S.; BUYX, A. Embedded ethics: a proposal for integrating ethics into the development of medical AI. BMC medical ethics, v. 23, n. 1, 1 dez. 2022.
MESKÓ, B.; HETÉNYI, G.; GYORFFY, Z. Will artificial intelligence solve the human resource crisis in healthcare? BMC health services research, v. 18, n. 1, 13 jul. 2018.
MORGENSTERN, J. D.; ROSELLA, L. C.; DALEY, M. J.; GOEL, V.; SCHÜNEMANN, H. J.; PIGGOTT, T. “AI’s gonna have an impact on everything in society, so it has to have an impact on public health”: a fundamental qualitative descriptive study of the implications of artificial intelligence for public health. BMC public health, v. 21, n. 1, p. 40, 6 jan. 2021.
MORLEY, J.; MURPHY, L.; MISHRA, A.; JOSHI, I.; KARPATHAKIS, K. Governing Data and Artificial Intelligence for Health Care: Developing an International Understanding. JMIR Formative Research, v. 6, n. 1, 1 jan. 2022.
MORROW, E.; ZIDARU, T.; ROSS, F.; MASON, C.; PATEL, K. D.; REAM, M.; STOCKLEY, R. Artificial intelligence technologies and compassion in healthcare: A systematic scoping review. Frontiers in Psychology, v. 13, 17 jan. 2023.
MURPHY, K.; RUGGIERO, E. DI; UPSHUR, R.; WILLISON, D. J.; MALHOTRA, NEHA; CAI, J. C.; MALHOTRA, NAKUL; LUI, V.; GIBSON, J. Artificial intelligence for good health: a scoping review of the ethics literature. BMC medical ethics, v. 22, n. 1, 1 dez. 2021.
NAIK, N. et al. Legal and Ethical Consideration in Artificial Intelligence in Healthcare: Who Takes Responsibility? Frontiers in Surgery, v. 9, p. 862322, 14 mar. 2022.
NAJJAR, R. Redefining Radiology: A Review of Artificial Intelligence Integration in Medical Imaging. Diagnostics (Basel, Switzerland), v. 13, n. 17, 1 set. 2023.
NILSEN, P.; SVEDBERG, P.; NEHER, M.; NAIR, M.; LARSSON, I.; PETERSSON, L.; NYGREN, J. A Framework to Guide Implementation of AI in Health Care: Protocol for a Cocreation Research Project. JMIR Research Protocols, v. 12, p. e50216, 8 nov. 2023.
NOORBAKHSH-SABET, N.; ZAND, R.; ZHANG, Y.; ABEDI, V. Artificial Intelligence Transforms the Future of Healthcare. The American journal of medicine, v. 132, n. 7, p. 795, 1 jul. 2019.
OREN, O.; GERSH, B. J.; BHATT, D. L. Artificial intelligence in medical imaging: switching from radiographic pathological data to clinically meaningful endpoints. The Lancet Digital Health, v. 2, n. 9, p. e486–e488, 1 set. 2020.
PANCH, T.; PEARSON-STUTTARD, J.; GREAVES, F.; ATUN, R. Artificial intelligence: opportunities and risks for public health. The Lancet. Digital health, v. 1, n. 1, p. e13–e14, 1 maio 2019.
PEREIRA, T. et al. Sharing Biomedical Data: Strengthening AI Development in Healthcare. Healthcare (Basel, Switzerland), v. 9, n. 7, 1 jul. 2021.
PETERSSON, L.; LARSSON, I.; NYGREN, J. M.; NILSEN, P.; NEHER, M.; REED, J. E.; TYSKBO, D.; SVEDBERG, P. Challenges to implementing artificial intelligence in healthcare: a qualitative interview study with healthcare leaders in Sweden. BMC Health Services Research, v. 22, n. 1, 1 dez. 2022.
PINTO-COELHO, L. How Artificial Intelligence Is Shaping Medical Imaging Technology: A Survey of Innovations and Applications. Bioengineering (Basel, Switzerland), v. 10, n. 12, 1 dez. 2023.
POALELUNGI, D. G.; MUSAT, C. L.; FULGA, A.; NEAGU, M.; NEAGU, A. I.; PIRAIANU, A. I.; FULGA, I. Advancing Patient Care: How Artificial Intelligence Is Transforming Healthcare. Journal of Personalized Medicine, v. 13, n. 8, p. 13, 1 ago. 2023.
POTOČNIK, J.; FOLEY, S.; THOMAS, E. Current and potential applications of artificial intelligence in medical imaging practice: A narrative review. Journal of medical imaging and radiation sciences, v. 54, n. 2, p. 376–385, 1 jun. 2023.
PRAKASH, S.; BALAJI, J. N.; JOSHI, A.; SURAPANENI, K. M. Ethical Conundrums in the Application of Artificial Intelligence (AI) in Healthcare-A Scoping Review of Reviews. Journal of personalized medicine, v. 12, n. 11, 1 nov. 2022.
QIU, J. et al. Large AI Models in Health Informatics: Applications, Challenges, and the Future. IEEE journal of biomedical and health informatics, v. 27, n. 12, 1 dez. 2023.
REDDY, S.; ALLAN, S.; COGHLAN, S.; COOPER, P. A governance model for the application of AI in health care. Journal of the American Medical Informatics Association : JAMIA, v. 27, n. 3, p. 491, 1 mar. 2020.
ROSSI, J. G.; FELDBERG, B.; KROIS, J.; SCHWENDICKE, F. Evaluation of the Clinical, Technical, and Financial Aspects of Cost-Effectiveness Analysis of Artificial Intelligence in Medicine: Scoping Review and Framework of Analysis. JMIR medical informatics, v. 10, n. 8, 1 ago. 2022.
SAFI, S.; DANZER, G.; SCHMAILZL, K. J. G. Empirical research on acceptance of digital technologies in medicine among patients and healthy users: Questionnaire study. JMIR Human Factors, v. 6, n. 4, 1 out. 2019.
SAFI, S.; THIESSEN, T.; SCHMAILZL, K. J. G. Acceptance and resistance of new digital technologies in medicine: Qualitative study. JMIR Research Protocols, v. 7, n. 12, p. e11072, 1 dez. 2018.
SANTOS, C. M. DA C.; PIMENTA, C. A. DE M.; NOBRE, M. R. C. The PICO strategy for the research question construction and evidence search. Revista Latino-Americana de Enfermagem, v. 15, n. 3, p. 508–511, jun. 2007.
SCHIAVENATO, M.; CHU, F. PICO: What it is and what it is not. Nurse Education in Practice, v. 56, p. 103194, 1 out. 2021.
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.
SCHWALBE, N.; WAHL, B. Artificial intelligence and the future of global health. Lancet (London, England), v. 395, n. 10236, p. 1579–1586, 16 maio 2020.
SHARMA, S.; RAWAL, R.; SHAH, D. Addressing the challenges of AI-based telemedicine: Best practices and lessons learned. Journal of Education and Health Promotion, v. 12, n. 1, p. 338, 2023.
SHAW, J.; RUDZICZ, F.; JAMIESON, T.; GOLDFARB, A. Artificial Intelligence and the Implementation Challenge. Journal of medical Internet research, v. 21, n. 7, 1 jul. 2019.
SHEIKH, A.; ANDERSON, M.; ALBALA, S.; CASADEI, B.; FRANKLIN, B. D.; RICHARDS, M.; TAYLOR, D.; TIBBLE, H.; MOSSIALOS, E. Health information technology and digital innovation for national learning health and care systems. The Lancet. Digital health, v. 3, n. 6, p. e383–e396, 1 jun. 2021.
SHEN, J.; ZHANG, C. J. P.; JIANG, B.; CHEN, J.; SONG, J.; LIU, Z.; HE, Z.; WONG, S. Y.; FANG, P. H.; MING, W. K. Artificial Intelligence Versus Clinicians in Disease Diagnosis: Systematic Review. JMIR Medical Informatics, v. 7, n. 3, 1 jul. 2019.
SILVA, M. DA et al. Legal concerns in health-related artificial intelligence: a scoping review protocol. Systematic reviews, v. 11, n. 1, p. 123, 17 jun. 2022.
SMALLMAN, M. Multi Scale Ethics-Why We Need to Consider the Ethics of AI in Healthcare at Different Scales. Science and engineering ethics, v. 28, n. 6, 1 dez. 2022.
STAI, B. et al. Public Perceptions of Artificial Intelligence and Robotics in Medicine. Journal of Endourology, v. 34, n. 10, p. 1041, 1 out. 2020.
SUNARTI, S.; FADZLUL RAHMAN, F.; NAUFAL, M.; RISKY, M.; FEBRIYANTO, K.; MASNINA, R. Artificial intelligence in healthcare: opportunities and risk for future. Gaceta sanitaria, v. 35 Suppl 1, p. S67–S70, 1 jan. 2021.
SYROWATKA, A.; KUZNETSOVA, M.; ALSUBAI, A.; BECKMAN, A. L.; BAIN, P. A.; CRAIG, K. J. T.; HU, J.; JACKSON, G. P.; RHEE, K.; BATES, D. W. Leveraging artificial intelligence for pandemic preparedness and response: a scoping review to identify key use cases. NPJ Digital Medicine, v. 4, n. 1, 1 dez. 2021.
THOMASIAN, N. M.; EICKHOFF, C.; ADASHI, E. Y. Advancing health equity with artificial intelligence. Journal of public health policy, v. 42, n. 4, p. 602–611, 1 dez. 2021.
WANG, F.; PREININGER, A. AI in Health: State of the Art, Challenges, and Future Directions. Yearbook of medical informatics, v. 28, n. 1, p. 16–26, 1 ago. 2019.
WANG, L.; CHEN, X.; ZHANG, L.; LI, L.; HUANG, Y.; SUN, Y.; YUAN, X. Artificial intelligence in clinical decision support systems for oncology. International journal of medical sciences, v. 20, n. 1, p. 79–86, 2023.
WEHKAMP, K.; KRAWCZAK, M.; SCHREIBER, S. The Quality and Utility of Artificial Intelligence in Patient Care. Deutsches Ärzteblatt International, v. 120, n. 27–28, p. 463, 10 jul. 2023.
WENDEROTT, K.; GAMBASHIDZE, N.; WEIGL, M. Integration of Artificial Intelligence Into Sociotechnical Work Systems-Effects of Artificial Intelligence Solutions in Medical Imaging on Clinical Efficiency: Protocol for a Systematic Literature Review. JMIR research protocols, v. 11, n. 12, 1 dez. 2022.
WOLFF, J.; PAULING, J.; KECK, A.; BAUMBACH, J. The economic impact of artificial intelligence in health care: Systematic reviewJournal of Medical Internet ResearchJMIR Publications Inc., 1 fev. 2020.
___. Success Factors of Artificial Intelligence Implementation in Healthcare. Frontiers in Digital Health, v. 3, 16 jun. 2021.
YU, K. H.; BEAM, A. L.; KOHANE, I. S. Artificial intelligence in healthcareNature Biomedical EngineeringNature Publishing Group, 1 out. 2018.
ZAIDAN, A. M. The leading global health challenges in the artificial intelligence era. Frontiers in Public Health, v. 11, 2023.
ZHANG, J.; ZHANG, Z. MING. Ethics and governance of trustworthy medical artificial intelligence. BMC medical informatics and decision making, v. 23, n. 1, 1 dez. 2023.
1Mestre em Fisioterapia pela Universidade Ibirapuera (UNIB), Fisioterapeuta Intensivista pela Kairós Multicuidados- Instituto de Assistência Médica do Servidor do Estado de São Paulo. E-mail: romulocostafisio@gmail.com