IA vai decidir sua vez na fila do SUS? Propostas de candidatos da esquerda à direita não são simples de implementar

Um dos exemplos é utilizar a IA para substituir a tradicional fila por ordem de chegada, implantando uma triagem orientada por algoritmos.
Ou seja, a vez de um paciente passaria a ser avaliada por uma IA com base em fatores como gravidade e risco de progressão da doença.
Em seu programa, Flávio Bolsonaro promete usar inteligência artificial para agilizar o agendamento de consultas e exames e como apoio à prevenção.

“O sistema poderá identificar quem corre maior risco de adoecer e chamar essa pessoa para se cuidar a tempo, em vez de esperar que ela chegue ao pronto-socorro quando já é grave”, diz o plano do candidato.

Lula afirma que quer aprimorar “ainda mais a regulação do acesso à atenção especializada”, para garantir maior transparência das filas e utilizar inteligência artificial, “com fila única digital e ordenada pelo risco clínico”.

Já Renan Santos (Missão) propõe a substituição do atual modelo de fila cronológica e cita diretamente uma plataforma de El Salvador criada pelo governo Bukele.

“Temos um programa de integração entre saúde e tecnologia, inspirado parcialmente no que foi operacionalizado em El Salvador, por meio do DoctorSV. O sistema deverá oferecer integração entre laboratórios, farmácias e centros de imagem com triagens”, diz trecho do livro que reúne suas propostas.

Proposta por todos os espectros políticos, a adoção de IA na gestão da saúde é inevitável, diz Alexandre Chiavegatto Filho, professor de inteligência artificial na Faculdade de Saúde Pública da Universidade de São Paulo (USP). Ele aposta que a área vai ser a maior beneficiária da inteligência artificial.

Chiavegatto, que coordena o Laboratório de Big Data e Análise Preditiva da instituição, afirma que existe potencial de uso desde o primeiro contato do paciente com o sistema de saúde até a alta, principalmente no auxílio do diagnóstico.
“Os fatores que levam uma pessoa a ter um problema grave de saúde, ou até mesmo ir a óbito, normalmente são interações complexas, e é exatamente nisso que esses algoritmos funcionam tão bem”, diz.

Um dos potenciais da IA que mais anima Chiavegatto é a possibilidade de ampliar o acesso a especialistas em regiões onde eles são escassos. Seu laboratório desenvolve algoritmos que aprendem com dados de pacientes brasileiros e podem auxiliar profissionais de saúde em locais mais remotos.

Wagner Meira Jr., professor do Departamento de Ciência da Computação da Universidade Federal de Minas Gerais (UFMG) e pesquisador do Centro de Inovação em Inteligência Artificial para Saúde, pesquisa aplicações de IA no diagnóstico, tratamento e organização dos serviços de saúde. Ele considera que as propostas apresentadas pelos candidatos são, em alguns casos, futuristas.

“Dificilmente se realizam em quatro anos de governo”, diz. Para ele, a inteligência artificial tem obtido melhores resultados em situações “mais contidas e bem definidas”, como a análise de exames. “Quanto menos específico o caso é, e quanto mais bem delimitado, mais a IA tem sucesso”, afirma.

Meira Jr. chama atenção para um problema central da proposta de usar algoritmos para reorganizar as filas: a capacidade de atendimento. Segundo ele, não basta mudar a ordem dos pacientes se a quantidade de profissionais e serviços disponíveis continuar a mesma.
“Para você conseguir uma melhoria da fila, antes de qualquer coisa, você tem que aumentar o número de atendentes na fila. Depois você pensa em como vai priorizar a fila. Se você simplesmente mudar a posição das pessoas e continuar com a mesma restrição de capacidade, não vai melhorar muita coisa.”

Outro obstáculo, segundo o pesquisador, é a própria qualidade dos dados disponíveis no SUS. Grande parte das informações existentes é formada por registros administrativos, produzidos originalmente para fins de faturamento, explica o professor.
“Ou seja, esses dados, na verdade, foram usados para pagar um prestador de serviço, em sua maior parte, e não necessariamente para serem usados do ponto de vista clínico. São dados muito ricos. Mas são muito limitados para toda essa gama de cenários”, diz.
Segundo o Ministério da Saúde, não existe hoje um número nacional consolidado de quantas pessoas aguardam atendimento no SUS. Isso porque a gestão das filas de cirurgias, consultas e exames é de competência de Estados e municípios, e até pouco tempo atrás eles não eram obrigados a enviar essas informações ao governo federal.

Para tentar resolver essa lacuna, a pasta publicou uma portaria em 2025 que passa a exigir o envio periódico e padronizado desses registros à Rede Nacional de Dados em Saúde (RNDS). A medida, porém, ainda está em fase de implementação.
A única fonte de dados que o Ministério consegue oferecer hoje é o Sisreg, sistema de regulação usado para agendar consultas e procedimentos — mas que não é adotado por todos os municípios do país, o que o próprio governo reconhece que não representa a totalidade do território nacional.

Na prática, isso significa que uma IA pode não ter informações suficientes para determinar, para qualquer especialidade, qual paciente deveria ser priorizado.
“O problema não é nem a quantidade de coisas que você vai ser capaz de resolver [com a IA], que pode até ser um bom número. O problema é o falso negativo”, diz Meira Jr.

Em sistemas de saúde, explica o especialista, um falso positivo pode gerar exames ou tratamentos desnecessários e aumentar os custos. Mas um falso negativo pode deixar de identificar justamente quem precisava de atendimento.
“O falso positivo é ineficiência, vai pegar custo e vai ser desperdiçado”, afirma. “Agora, o falso negativo é o complicado. Com um falso negativo, você pode matar alguém.”

Por isso, Meira Jr. diferencia o uso da tecnologia para organizar recursos do uso da IA para tomar decisões clínicas.
Na primeira categoria, ele vê aplicações mais imediatas, como identificar profissionais disponíveis, distribuir consultas e aproveitar estruturas que estejam ociosas.
“O uso em aspectos logísticos, administrativos, eficiência do sistema de saúde é uma coisa razoável”, afirma.

Por exemplo, uma possibilidade seria combinar sistemas de saúde de diferentes regiões para aproveitar consultas disponíveis.
“Se eu sei que tenho teleconsultas vagas em São Paulo e tenho gente precisando de teleconsulta na Amazônia, então a IA poderia escalonar essa pessoa para ser atendida por teleconsulta, seria mais rápido do que esperar meses para ser atendida presencialmente.”
Já a utilização da tecnologia para decidir quem deve ou não receber determinado tratamento envolve riscos diferentes. Para o cientista, o problema passa também por questões éticas e por definir quem será responsabilizado quando uma decisão automatizada der errado.