Quando se fala de inteligência artificial na saúde, a imagem mais comum é a de um algoritmo a detetar um tumor numa radiografia. É uma aplicação real, mas está longe de ser a única. Uma boa parte do impacto acontece longe dos consultórios: nas listas de espera, na gestão de camas, na triagem telefónica e nas horas que médicos e enfermeiros passam a preencher registos.
Para quem gere um hospital ou uma clínica, a questão já não é se a IA vai chegar, mas onde aplicá-la primeiro, com que riscos e com que equipas. É aí que a gestão faz a diferença.
Na gestão de unidades de saúde, a inteligência artificial está sobretudo a ser usada para automatizar tarefas administrativas, prever a procura e apoiar a triagem. São áreas com muitos dados, processos repetitivos e ganhos fáceis de medir.
| Aplicação | O que faz | Impacto na gestão |
| Transcrição de consultas | Converte a conversa em registo clínico estruturado | Mais tempo clínico, menos tempo ao computador |
| Agendamento inteligente | Prevê faltas e reorganiza marcações | Menos vagas perdidas e listas de espera mais curtas |
| Previsão da procura | Antecipa picos na urgência e no internamento | Melhor planeamento de escalas e camas |
| Triagem e encaminhamento | Apoia a decisão sobre o serviço adequado | Menos tempo por contacto e encaminhamento mais certeiro |
| Gestão de stocks e compras | Prevê consumos de medicamentos e material | Menos ruturas e desperdício |
| Codificação e faturação | Extrai informação dos registos clínicos | Processos administrativos mais rápidos e com menos erros |
Não é por acaso que a gestão avança mais depressa do que a prática clínica. Uma ferramenta que prevê faltas a consultas ou organiza escalas não toma decisões sobre doentes, tem riscos mais baixos e mostra resultados em poucos meses. É por isso que muitas organizações começam pela área administrativa antes de avançar para aplicações de apoio ao diagnóstico.
Artigo relacionado: Transformação digital na gestão em saúde: como liderar com formação especializada
Os exemplos portugueses mostram que a IA já saiu da fase de laboratório e chegou a serviços usados todos os dias por milhões de pessoas. Curiosamente, os casos mais visíveis estão no acesso aos cuidados, e não no diagnóstico: atender mais chamadas, encaminhar melhor e reduzir o tempo até ao início do tratamento. Alguns dos mais relevantes, tanto no SNS como em empresas portuguesas que exportam soluções:
Linha SNS 24: perante uma procura muito acima do previsto, com cerca de sete milhões de chamadas atendidas em 2025, a SPMS e a Altice anunciaram um sistema de chamada de retorno e soluções de IA para a doença respiratória aguda, com o objetivo de reduzir as chamadas não atendidas, segundo o ECO.
Fisioterapia no SNS: a convenção com a Sword Health, assinada com nove Unidades Locais de Saúde, leva ao SNS a fisioterapia remota com apoio de IA, sob supervisão de profissionais de saúde. O Governo estima reduzir em 97% o tempo de espera para iniciar tratamento.
Triagem nacional exportada: a mesma empresa portuguesa assumiu a gestão tecnológica da linha nacional de saúde da Grécia, com triagem apoiada em IA e supervisionada por equipas clínicas, para mais de 10 milhões de cidadãos, segundo o ECO.
Em todos os casos, a tecnologia não chega sozinha. A diferença está na forma como é integrada nos circuitos de trabalho, na supervisão clínica e na medição dos resultados, ou seja, em decisões de gestão. Quem lidera estes projetos tem de responder a perguntas muito práticas: que serviço começa primeiro, quem valida as respostas do sistema, como se informa o utente e o que acontece quando a tecnologia falha.
Artigo relacionado: Inteligência artificial e gestão: como estas áreas se cruzam?
Os principais riscos são a qualidade dos dados, a proteção da privacidade e a responsabilidade pelas decisões. Na prática, um gestor tem de acautelar:
Dados: registos incompletos ou enviesados produzem resultados enviesados. Um modelo treinado com dados de um hospital urbano pode, por exemplo, funcionar pior numa unidade do interior, com uma população mais envelhecida.
Privacidade: os dados de saúde são dados sensíveis ao abrigo do RGPD.
Regulação: o Regulamento Europeu da Inteligência Artificial classifica muitos sistemas usados na saúde como de alto risco, com exigências de transparência e supervisão humana.
Adesão das equipas: sem envolver médicos, enfermeiros e administrativos, a ferramenta fica por usar.
Há ainda um risco menos falado: o de comprar tecnologia antes de definir o problema. Uma solução sofisticada aplicada a um processo mal desenhado tende a automatizar a ineficiência, em vez de a resolver.
A experiência das organizações que já o fizeram aponta para um caminho por etapas, em que cada passo reduz o risco do seguinte:
Escolher um problema concreto: por exemplo, faltas às consultas ou tempo gasto em registos, com um indicador claro de partida.
Verificar os dados disponíveis: perceber se existem, se são fiáveis e se podem ser usados de acordo com o RGPD.
Fazer um piloto limitado: num serviço ou numa unidade, com equipas envolvidas desde o início.
Medir e comparar: avaliar o impacto no indicador escolhido e o efeito no trabalho das equipas.
Escalar com supervisão: alargar a outros serviços apenas quando os resultados o justificam, mantendo a decisão final nas mãos dos profissionais.
Sem indicadores definidos à partida, é impossível saber se um projeto resultou. Os mais usados ligam a tecnologia a resultados que a administração e as equipas reconhecem:
Acesso: tempo de espera para consulta, cirurgia ou início de tratamento.
Eficiência: horas administrativas poupadas, faltas evitadas e ocupação de camas e salas.
Qualidade: erros de registo e de codificação, reinternamentos e regressos à urgência.
Pessoas: satisfação dos profissionais e dos utentes com o novo processo.
O retorno raramente aparece só em euros. Muitas vezes, o ganho principal é devolver tempo aos profissionais para o que exige julgamento clínico, o que acaba por se refletir na qualidade e na capacidade de resposta.
Esta forma de trabalhar exige pouco de programação e muito de gestão: priorizar, negociar com os serviços clínicos, avaliar fornecedores e comunicar resultados à administração.
Um gestor não precisa de saber programar; precisa de saber escolher problemas, avaliar soluções e gerir a mudança. As competências mais úteis são:
Identificar processos onde a IA tem retorno claro e mensurável.
Avaliar fornecedores e soluções com critérios técnicos, clínicos e éticos.
Perceber o enquadramento legal: RGPD, dispositivos médicos e Regulamento da IA.
Conduzir a mudança nas equipas e medir resultados depois da implementação.
Comunicar com clareza, tanto com as equipas clínicas como com os utentes, sobre o que a IA faz e o que não faz.
São competências cada vez mais procuradas em funções de direção hospitalar, de qualidade e de sistemas de informação, onde a inteligência artificial na saúde deixa de ser um tema de inovação e passa a fazer parte da operação diária.
Artigo relacionado: Carreiras em gestão em saúde: as principais áreas de atuação
A inteligência artificial na saúde já tem aplicações práticas na gestão, da triagem à previsão da procura e à reabilitação. O que separa as organizações que tiram partido delas das restantes é a capacidade de escolher bem os problemas, gerir o risco e envolver as equipas.
No Iscte Executive Education, as pós-graduações em saúde reúnem os programas de gestão e inovação pensados para profissionais e gestores que querem liderar a transformação digital e a melhoria da gestão nas unidades de saúde. Seguindo o conceito Real-Life Learning, os programas partem de casos reais de hospitais, clínicas e serviços de saúde, para que o que se aprende possa ser aplicado logo na organização.
A inteligência artificial vai substituir médicos e enfermeiros?
Não. Na gestão, a IA serve sobretudo para libertar os profissionais de tarefas administrativas e apoiar decisões, que continuam a ser humanas.
Por onde deve começar um hospital ou uma clínica?
Por um processo com muitos dados, um problema claro e um resultado fácil de medir, como o agendamento, a transcrição de consultas ou a previsão da procura.
A IA na saúde está regulada?
Sim. Além do RGPD e das regras sobre dispositivos médicos, o Regulamento Europeu da IA considera muitos sistemas de saúde como de alto risco.
Que exemplos de IA existem no SNS?
Dois exemplos são a fisioterapia remota com apoio de IA, disponível através de nove Unidades Locais de Saúde, e as soluções de IA anunciadas para a Linha SNS 24 para reduzir as chamadas não atendidas.
Um gestor de saúde precisa de saber programar?
Não. Precisa de perceber o que a tecnologia faz, avaliar soluções e conduzir a mudança nas equipas.