Inteligência artificial na saúde: exemplos aplicados em operadoras, clínicas e hospitais
Inteligência artificial na saúde que já funciona não é diagnóstico: é autorização, glosa, agenda, atendimento e back-office, com guardrails clínicos e LGPD, ANS e sigilo respeitados desde o desenho.
Quando alguém procura exemplos de inteligência artificial na saúde, encontra diagnóstico por imagem, descoberta de medicamentos e predição de risco clínico. São casos reais, mas concentrados em pesquisa e em poucos centros. O que roda hoje na maior parte das operadoras, clínicas e hospitais brasileiros é menos vistoso e muito mais rentável: autorização, glosa, agenda, atendimento e back-office. É desse tipo de aplicação da inteligência artificial na saúde que este texto trata.
O critério para escolher os exemplos foi o de uma consultoria de IA que precisa entregar resultado, não demo: processos onde a IA já opera com retorno medido, onde o risco clínico é controlável e onde as regras de LGPD, ANS e sigilo profissional podem ser cumpridas com arquitetura conhecida. Não é uma lista do que é possível. É uma lista do que funciona.
Onde a inteligência artificial na saúde já funciona: back-office, autorização, glosas, agenda
Os processos administrativos da saúde têm três características que os tornam bons candidatos: volume alto, regras documentadas e custo de erro recuperável. Um pedido de autorização mal classificado pode ser revisto. Um diagnóstico errado, não.
Autorização de procedimentos
Na operadora, cada pedido de autorização chega com guia, laudo, pedido médico e histórico do beneficiário. Um auditor lê tudo, confere cobertura contratual, diretrizes de utilização e prazos, e decide. Modelos de linguagem leem os documentos, extraem os campos relevantes, cruzam com as regras de cobertura e preparam um parecer com a justificativa e os trechos que o sustentam. O auditor revisa e decide. O ganho está no tempo por caso e na consistência entre auditores. A decisão continua sendo de gente, o que importa para a ANS e para a LGPD.
Glosas
Para o prestador, a glosa é receita perdida por erro de codificação, documentação incompleta ou divergência de regra. Sistemas de IA analisam as contas antes do envio, no padrão TISS, apontam inconsistências prováveis e sugerem correção. Depois da glosa, ajudam a montar o recurso com a documentação certa. Para a operadora, o mesmo tipo de modelo faz o caminho inverso, identificando cobranças fora de padrão antes do pagamento.
Agenda
Previsão de falta, sobreagendamento controlado, confirmação automática por canal preferido e realocação de horário quando alguém cancela. Em clínicas com alta taxa de absenteísmo, esse é frequentemente o caso com retorno mais rápido. O modelo é preditivo clássico, com dados que a clínica já tem.
Back-office
Conciliação de repasses, faturamento, resposta a ofícios e demandas da ANS, triagem de documentos recebidos por e-mail, atualização cadastral. Processos repetitivos, com documentos em formato variado, que agentes de IA executam com supervisão humana por amostragem.
| Processo | Quem usa | O que a IA faz | Guardrail mínimo |
|---|---|---|---|
| Autorização | Operadora | Extrai, cruza com cobertura, prepara parecer | Auditor decide; log por caso |
| Glosa | Prestador e operadora | Aponta inconsistência, monta recurso | Revisão antes do envio |
| Agenda | Clínica e hospital | Prevê falta, confirma, realoca | Paciente sempre pode falar com pessoa |
| Back-office | Todos | Triagem, conciliação, resposta a ofício | Amostragem humana; sem decisão clínica |
Quem conhece o setor começa por um desses quatro processos, porque é onde o retorno aparece em semanas e a governança é mais simples de montar. Os casos clínicos vêm depois, se vierem.
Atendimento e triagem com guardrails clínicos
O atendimento é o caso mais pedido e o mais delicado. Beneficiários querem saber cobertura, rede credenciada, status de autorização, segunda via de boleto e prazos. Pacientes querem marcar, remarcar, tirar dúvida sobre preparo de exame e entender um resultado. Modelos de linguagem resolvem a maior parte disso bem, desde que saibam onde parar.
O limite é claro: o sistema não faz avaliação clínica. Não interpreta sintoma, não sugere conduta, não diz se um resultado é normal. Quando a conversa entra nesse território, o sistema reconhece e transfere, para um profissional ou para o canal apropriado. Isso é regra de desenho, escrita no prompt, testada no conjunto de avaliação e monitorada em produção.
Guardrails que consideramos obrigatórios em atendimento de saúde:
- Classificador de intenção clínica antes da resposta, com transferência imediata quando a conversa envolve sintoma, medicação ou urgência.
- Resposta ancorada em base de conhecimento aprovada pela operadora ou pela instituição, com citação do trecho usado.
- Detecção de dado sensível na entrada, para evitar que informação de saúde seja registrada ou enviada além do necessário.
- Caminho humano visível em qualquer momento da conversa, sem menu escondido.
- Registro completo da conversa e das decisões do sistema, para auditoria e para resposta a reclamação na ANS.
Triagem administrativa, como direcionar um pedido para o setor certo ou classificar a urgência de uma solicitação de agendamento, é território seguro. Triagem clínica por IA, sem profissional de saúde na decisão, não é caso de primeiro projeto e exige validação que a maioria das organizações não tem como conduzir.
Dados sensíveis: LGPD, ANS e sigilo
Dado de saúde é dado pessoal sensível pela LGPD. Isso muda tudo no desenho. O tratamento exige base legal específica, entre elas a tutela da saúde por profissionais e serviços de saúde. A lei veda o uso compartilhado de dados de saúde entre controladores para obter vantagem econômica, com exceções bem delimitadas. E o relatório de impacto à proteção de dados deixa de ser boa prática e vira expectativa concreta.
Na prática, três decisões de arquitetura resolvem a maior parte do risco:
- Minimização. O modelo recebe só o que a tarefa exige. Para preparar um parecer de autorização, precisa do procedimento, da justificativa e da regra de cobertura. Não precisa do histórico completo do beneficiário.
- Perímetro. Dado de saúde não sai para provedor externo sem contrato que garanta não retenção, não treinamento e localização, e sem anonimização ou pseudonimização antes da chamada. Detalhamos as opções em LGPD e modelos de linguagem.
- Rastreabilidade. Cada acesso, cada chamada de modelo e cada decisão assistida geram registro com finalidade, usuário e dado envolvido. É o que permite responder ao titular, à ANPD e à auditoria interna.
A ANS entra por outro caminho. O padrão TISS define como operadoras e prestadores trocam informação, e qualquer sistema que leia ou produza guias precisa respeitá-lo. Os prazos máximos de atendimento e de resposta a pedidos de autorização são obrigações da operadora, e um sistema de IA que atrasa uma resposta gera infração do mesmo jeito que um auditor atrasado. As reclamações registradas na ANS precisam de resposta rastreável, o que reforça a exigência de log.
O sigilo profissional, previsto no Código de Ética Médica e na legislação, se aplica a qualquer sistema que toque prontuário ou informação clínica. Quem pode ver o quê continua sendo definido pela relação profissional, não pela conveniência da integração. O modelo herda as permissões do usuário que o aciona, nunca mais do que isso.
O que evitar: promessa de diagnóstico sem validação
O erro mais caro que vemos no setor é o projeto que começa administrativo e, no meio do caminho, ganha uma função clínica. O assistente de agendamento passa a sugerir que o sintoma parece grave. O sistema de autorização passa a opinar sobre a adequação do tratamento. Ninguém validou, ninguém registrou, e a organização passa a ter um dispositivo médico não regulado em produção.
Software com finalidade médica, incluindo apoio a diagnóstico, é tratado pela ANVISA como dispositivo médico e exige registro, evidência clínica e controle de qualidade. Isso não é obstáculo burocrático. É o reconhecimento de que um erro nesse tipo de sistema causa dano a pessoa, e de que a validação exige estudo com desenho adequado, população representativa e métrica clínica, não um teste com vinte casos.
Regras que aplicamos em qualquer projeto de saúde:
- Nenhuma saída do sistema é apresentada como avaliação clínica, nem para o paciente nem para o profissional, salvo em projeto desenhado para isso desde o início, com validação e regulatório previstos.
- Toda resposta que toca sintoma, conduta ou medicação é transferida, não respondida.
- O conjunto de avaliação inclui casos adversariais: pacientes tentando obter orientação clínica, profissionais pedindo opinião sobre conduta.
- Mudança de escopo em direção ao clínico é decisão de comitê, com jurídico, área médica e compliance, nunca de sprint.
Isso não significa que a IA clínica não tenha lugar. Significa que ela é outro projeto, com outro rigor, outro prazo e outro orçamento. Misturar os dois compromete os dois.
Como uma operadora pode começar com um único processo
Exemplo ilustrativo, construído para mostrar a sequência, não um caso de cliente. Imagine uma operadora regional com 300 mil beneficiários e 40 mil pedidos de autorização por mês, analisados por uma equipe de auditores que trabalha no limite da capacidade. O tempo médio por caso é o gargalo, e os prazos da ANS são a pressão.
O primeiro passo não é comprar plataforma. É separar os pedidos por tipo e escolher um recorte: procedimentos eletivos de baixa complexidade, com regra de cobertura clara e alto volume. Nesse recorte, o sistema lê a guia e os anexos, extrai os campos, confere contra a regra de cobertura e prepara o parecer com a justificativa. O auditor abre o caso com o parecer pronto, confere e decide. Nada é autorizado ou negado sem pessoa.
Em paralelo, três frentes de governança: o mapeamento de dados com a base legal e o relatório de impacto, o contrato com o provedor de modelo com as cláusulas de não retenção, e o desenho do log por caso com o compliance. Isso leva as mesmas semanas que o desenvolvimento e não pode vir depois.
A medição é por comparação: tempo por caso, taxa de concordância entre parecer da IA e decisão do auditor, taxa de retrabalho e cumprimento de prazo, no recorte com o sistema versus no recorte sem. Em oito a doze semanas há evidência para decidir se amplia. Quando amplia, a operadora já tem a governança, o log e o conjunto de avaliação prontos, e o segundo recorte custa uma fração do primeiro.
Esse é o padrão de uma consultoria de IA para empresas de saúde que funciona: um processo, um recorte, uma medição honesta, e a governança construída junto com o software. A inteligência artificial na saúde que gera resultado hoje é essa, e é por ela que vale começar.
Se quer ver como esse caminho se aplica à sua operadora, clínica ou hospital, a página de IA para saúde reúne os casos, a arquitetura e como conduzimos o diagnóstico inicial.