Palavras-chave
Inovação em Saúde
Humanização da Assistência
Ética em Enfermagem
Segurança do Paciente
Como Citar
Resumo
Objetivou-se analisar o impacto da IA na saúde, destacando inovações, desafios éticos e a humanização do cuidado. Trata-se de um estudo de reflexão orientado pela tipologia de Grant e Booth. Realizou-se busca nas bases Medline/PubMed, LILACS e SciELO utilizando termos controlados e operadores booleanos. Após triagem e aplicação de critérios de inclusão e exclusão, o corpus final foi submetido à Análise de Conteúdo de Bardin, estruturada nas fases de pré-análise, exploração do material e tratamento dos resultados. Emergiram duas categorias analíticas: "O potencial transformador da IA na reorientação das práticas de saúde" e "Dilemas éticos e a humanização como pilar da assistência na era digital". Verificou-se o potencial da IA em diagnósticos de precisão, terapias personalizadas e gestão otimizada, mas revela dilemas éticos significativos, como a privacidade de dados, vieses algorítmicos e questões de responsabilização, que ameaçam a equidade e a centralidade do cuidado humano. A IA é revolucionária quando utilizada como ferramenta de apoio, amplificando a empatia e a escuta ativa. A incorporação de modelos como IAC (Informação, Avaliação, Consentimento) e de estruturas de explicabilidade (XAI) traduz princípios éticos em etapas implementáveis, assegurando sistemas justos, eficientes e centrados no ser humano.
Referências
Moraes JJ, Barbosa MCMA, Vieira PHC, Costa ACMSF da, Romeiro ET, Terebinto DV, et al. Impacto da tecnologia de inteligência artificial na medicina diagnóstica. Rev Ibero-Am Humanidades Ciênc Educ. 2023;9(7):1303–14. DOI: 10.51891/rease.v9i7.10676
Raulin MLF, Angel DJ. Inteligência artificial na medicina: impactos e desafios. REASE. 2024;10(5):2802-15. DOI: 10.51891/rease.v10i5.14215
Alcântara HS, Almeida DM, Pinto EV. Inteligência artificial no cuidado de enfermagem: um estudo acerca do futuro da profissão. Rev Ibero-Am Humanidades Ciênc Educ. 2024;10(12):1290–305. DOI: 10.51891/rease.v10i12.17293
Adamson AS, Smith A. Machine learning and health care disparities in dermatology. JAMA Dermatol. 2018;154(11):1247–8. DOI: 10.1001/jamadermatol.2018.2348
Grant MJ, Booth A. A typology of reviews: an analysis of 14 review types and associated methodologies. Health Info Libr J. 2009;26(2):91–108. DOI: 10.1111/j.1471-1842.2009.00848.x
Bardin L. Análise de conteúdo. São Paulo: Edições 70; 2016.
Fogel AL, Kvedar JC. Artificial intelligence powers digital medicine. NPJ Digit Med. 2018;1(1):5. DOI: 10.1038/s41746-017-0012-2
Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44–56. DOI: 10.1038/s41591-018-0300-7
Liu Y, Chen Y, Wang Z, Xu C, He Z. A systematic review of deep learning in medical image analysis: from the perspective of network structure. J Healthc Eng. 2021;2021:6653549. DOI: 10.1155/2021/6653549
Reddy S, Allan S, Coghlan S, Cooper P. A governance model for the application of AI in health care. J Am Med Inform Assoc. 2020;27(3):491–7. DOI: 10.1093/jamia/ocz192
Hashimoto DA, Rosman G, Rus D, Meireles OR. Artificial intelligence in surgery: promises and perils. Ann Surg. 2018;268(1):70-6. DOI: 10.1097/SLA.0000000000002693
McKinney SM, Sieniek M, Godbole V, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020;577(7788):89–94. DOI: 10.1038/s41586-019-1799-6
Kuo YL, Chen SC, Lee YJ. AI in precision oncology. Cancers (Basel). 2023;15(3):607. DOI: 10.3390/cancers15030607
Onishi S, Kuwahara T, Tajika M, et al. Artificial intelligence for body composition assessment focusing on sarcopenia. Sci Rep. 2025;15:1324. DOI: 10.1038/s41598-024-83401-8
Ribeiro AH, Ribeiro MH, Paixão GMM, Oliveira DM, Gomes PR, Canazart JA, et al. Automatic diagnosis of the 12-lead ECG using a deep neural network. Nat Commun. 2020;11(1):1760. DOI: 10.1038/s41467-020-15432-4
Frizzo M. Análise de equidade em algoritmos de IA na área da saúde: um estudo sobre viés de dados, medidas de pós-processamento e correlações de atributos [Trabalho de Conclusão de Curso]. São Paulo: Universidade Federal de São Paulo; 2023.
Morley J, Machado V, Burr C, Cowls J, Joshi I, Taddeo M, et al. The ethics of AI in health care: a mapping review. Soc Sci Med. 2020;260:113172. DOI: 10.1016/j.socscimed.2020.113172
Chen IY, Szolovits P, Ghassemi M. A new baseline for fairness in machine learning for healthcare. In: Proceedings of the 5th Machine Learning for Healthcare Conference; 2020 Aug 7-8; Virtual. p. 436-457. DOI: 10.48550/arXiv.1905.08898
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Copyright (c) 2026 Global Academic Nursing Journal