Prospecção tecnológica: Inteligência artificial para predição dos fatores de risco no âmbito da Atenção Primária à Saúde
DOI:
https://doi.org/10.21527/2176-7114.2026.51.16617Palavras-chave:
Fatores de risco, Atenção Primária à Saúde, Inteligência Artificial, Projetos de Tecnologias de Informação e ComunicaçãoResumo
Objetivo: Identificar tecnologias de inteligência artificial para predição de fatores de risco no âmbito da Atenção Primária à Saúde. Método: Prospecção tecnológica, com buscas em bases de patentes. A coleta de dados ocorreu no mês de abril de 2024. Critérios de inclusão: tecnologias de inteligência artificial (IA) que abordem a previsão dos riscos na Atenção Primária à Saúde (APS); e tecnologias disponíveis nas línguas inglesa, portuguesa e espanhola. A análise foi realizada de forma qualitativa comparativa, em planilhas do Excel retiradas diretamente da base de dados de patentes. Resultados: Foram encontradas 30 patentes, a maioria lançada em 2022. O país com o maior número de desenvolvimentos é o Brasil (29,03%), seguido dos EUA (25,8%) e da Índia (25,8%). Com relação aos desenvolvedores, a maioria foi patenteada pelos próprios inventores (40%), seguidos de empresas de saúde (20%) e de tecnologia em saúde (13,33%). Os objetivos das tecnologias encontradas foram: tecnologias para predição de riscos de uma doença específica (46,67%), predição de diagnóstico de doenças (23,33%), predição na gestão em saúde (13,33%) e para fornecer recomendações em saúde (16,67%). Consideração final: Não foram encontradas tecnologias para predição e avaliação dos fatores de risco vindos do território, e assim fornecer a estratificação de riscos da demanda das Unidades Básicas de Saúde (UBS). Portanto, foi visto que há uma lacuna que pode ser preenchida com o uso da IA transformando a APS em um modelo mais preditivo e menos reativo, otimizando os recursos e direcionando ações preventivas de forma mais eficaz.
Referências
1. Langlois EV, Mckenzie A, Schneider H, Mecaskey JW. Measures to strengthen primary health – care systems in low – and middle – income countries. Bull World Health Organ. 2021;11:781-91. Available from: doi: 10.2471/BLT.20.252742.
2. Soares DA, Kochergin, Clavdia Nicolaevna, Mistro S, Macedo, Carla V, Oliveira MG. Atenção Primária à Saúde abrangente: análise a partir do trabalho das equipes de Saúde da Família frente às doenças crônicas [Internet]. Physis: Revista de Saúde Coletiva. 2024 Apr 22;34:e34015. Available from: https://www.scielo.br/j/physis/a/yq3gg8hGHKJ6NvwNWVZtGgd/?lang=pt#. doi: https://doi.org/10.1590/S0103-7331202434015pt.
3.Organização Mundial da Saúde (OMS). Relatório 30 anos de SUS, que SUS para 2030? Brasília; 2018. Available from: https://iris.paho.org/handle/10665.2/49663.
4. Costa LB, Mota MV, Porto MM de A, Fernandes CSGV, Santos ET, Oliveira JPM de, et al. Avaliação da qualidade da Atenção Primária à Saúde em Fortaleza, Brasil, na perspectiva dos usuários adultos no ano de 2019 [Internet]. Ciência & Saúde Coletiva. 2021 Jun [cited 2022 Feb 23];26(6):2083–96. Available from: https://www.scielo.br/j/csc/a/6qV76YwhkBCMJRcqSnsB4sb/?format=pdf&lang=pt. doi: 10.1590/1413-81232021266.39722020.
5. Silva EPRO, Santos HLPC dos, Maciel FBM, Manfroi EC, Prado NM de BL. Fatores de risco e prevenção do suicídio na Atenção Primária à Saúde em tempos de pandemia por COVID-19 [Internet]. Revista Brasileira de Medicina de Família e Comunidade. 2022 Apr 30;17(44):3164. doi: 10.5712/rbmfc17(44)3164.
6. Kowalski ISG, Ferrari CMM, Alexandre LB dos SP, Ohara ECC, Nunes MI. Fatores de risco para doenças crônicas não transmissíveis em usuários de duas Unidades Básicas de Saúde no município de São Paulo, Brasil. Mundo Saúde. 2020;44:76-83. Available from: https://bvsms.saude.gov.br/bvs/periodicos/mundo_saude_artigos/fatores_cronicas_municipo.pdf.
7. Instituto Nacional do Câncer (INCA). Fatores de Risco: informações sobre os fatores de risco para câncer do colo do útero. [Internet] INCA; 2022 [cited 2024 May 9]. Available from: https://www.gov.br/inca/pt-br/assuntos/gestor-e-profissional-de-saude/controle-do-cancer-do-colo-do-utero/fatores-de-risco#:~:text=Desta%20. Acesso em: 9 maio. 2024.
8. Honigberg MC, Truong B, Khan RR, Xiao B, Bhatta L, Vy HMT, et al. Polygenic prediction of preeclampsia and gestational hypertension. Nat Med. 2023;29(6):1540-9. doi: 10.1038/s41591-023-02374-9.
9. World Health Organization (WHO). Ethics and governance of artificial intelligence for health. Geneva: WHO; [Internet]. 2021[cited 2024 May 9]. Available from: https://iris.who.int/bitstream/handle/10665/341996/9789240029200-eng.pdf.
10. Schwab K. A Quarta Revolução Industrial. Tradução: Daniel Moreira Miranda. São Paulo: Edipro, 2019. p. 234.
11. Zhang E, Tipirneni R, Beathard ER, Lee S, Kirch MA, Salman C, et al. Health Risk Assessments in Michigan's Medicaid Expansion: Early Experiences in Primary Care. Am J Prev Med. 2020;58(3). doi: 10.1016/j.amepre.2019.10.021.
12. Nedel FB, Facchini LA, Martín M, Navarro A. Características da atenção básica associadas ao risco de internar por condições sensíveis à atenção primária: revisão sistemática da literatura. Epidemiol. Serv. Saúde [Internet]. 2010;19( 1 ): 61-75. Available from: http://scielo.iec.gov.br/scielo.php?script=sci_arttext&pid=S1679-49742010000100008&lng=pt. http://dx.doi.org/10.5123/S1679-49742010000100008.
13. Aleluia IRS, de Sousa MLT, Pereira M, Penha AFB, Brandão VM dos S, Carvalho L de Q. et al. Desafios de gestão da atenção primária à saúde na pandemia de covid-19. Rev. Contexto & Saúde. 2024;24(49):e14779. doi: 10.21527/2176-7114.2024.49.14779
14. Shimizu H, Nakayama KI. Artificial intelligence in oncology. Cancer Sci. 2020 May;111(5):1452-1460. doi: 10.1111/cas.14377.
15. Contreras I, Vehi J. Artificial Intelligence for Diabetes Management and Decision Support: Literature Review. J Med Internet Res. 2018 May 30;20(5):e10775. doi: 10.2196/10775.
16. Kilic A. Artificial Intelligence and Machine Learning in Cardiovascular Health Care. Ann Thorac Surg. 2020 May;109(5):1323-1329. doi: 10.1016/j.athoracsur.2019.09.042.
17. Al-Hashimi M, Hamdan A. Artificial Intelligence and Coronavirus COVID-19: Applications, Impact and Future Implications. In: Alareeni B, Hamdan A, Elgedawy I, editors. The Importance of New Technologies and Entrepreneurship in Business Development: In the Context of Economic Diversity in Developing Countries. Lecture Notes in Networks and Systems. 2021;194:830-43. doi: 10.1007/978-3-030-69221-6_64.
18. Ramos EM, Carvalho AMA. Inteligência artificial: Vigiexcelência, uma estratégia desenvolvida durante a pandemia de Covid-19 [Internet]. Rev. Cont. Saúde. 2024;24(49):e15261. doi: 10.21527/2176-7114.2024.49.14779
19. Global Trends. Structural Foces: Technology. 2021 [cited 2024 Apr 25]. Available from: https://www.dni.gov/index.php/gt2040-home/gt2040-structural-forces/technology.
20. Huang X, Wang H, She C, Feng J, Liu X, Hu X, et al. Artificial intelligence promotes the diagnosis and screening of diabetic retinopathy. Front Endocrinol (Lausanne). 2022;13:946915. doi: 10.3389/fendo.2022.946915.
21. Fabrizzio GC, Zago MMF, Sauer RLA, et al. Tecnologia da informação e comunicação na gestão de grupos de pesquisa em enfermagem [Internet]. Esc Anna Nery. 2021;25( 3 ): e20200299. Available from: https://www.revenf.bvs.br/scielo.php?script=sci_arttext&pid=S1414-81452021000300203. doi: 10.1590/2177-9465-ean-2020-0299
22. Kueper JK, Terry AL, Zwarenstein M, Lizotte DJ. Artificial Intelligence and Primary Care Research: A Scoping Review. Ann Fam Med. 2020;18(3):250-8. doi: 10.1370/afm.2518.
23.Tricco AC, Lillie E, Zarin W, O'Brien KK, Colquhoun H, Levac D, et al. PRISMA Extension for Scoping Reviews (PRISMA-ScR): checklist and explanation. Ann Intern Med. 2018;169(7):467-73. doi: 10.7326/M18-0850.
24. Tourinho FSV, Schuelter PI, Fermo VC, Caldas MM, Alves TF, Barbosa SS. Desenvolvimento de tecnologias em pesquisa e saúde: da teoria à prática. In. Fermo VC; Caetano J. A prospecção tecnológica no desenvolvimento de tecnologias em saúde: conhecendo o estado da arte. Guarujá: Científica Digital, 2022 [cited 2024 Oct 28]. p. 169. Available from: https://downloads.editoracientifica.com.br/books/978-65-5360-108-6.pdf.
25. Porter AL, Roper AT, Mason TW, Rossini FA, Banks J. Technology futures analysis: toward integration of the field and new methods. Technol Forecast Soc Change. 2004;71(3):287-303. doi: 10.1016/j.techfore.2003.11.004.
26. Ministério da Saúde (BR). Secretaria de Vigilância em Saúde. Departamento de Análise em Saúde e Vigilância de Doenças Não Transmissíveis. Plano de Ações Estratégicas para o Enfrentamento das Doenças Crônicas e Agravos não Transmissíveis no Brasil 2021-2030 [Internet]. Brasília: Ministério da Saúde (BR); 2021. p.118. Available from: https://www.gov.br/saude/pt-br/centrais-de-conteu/pub/svsa/doenc-c-n-transmissiveis-d/09-plano-de-dant-2.pdf/view.
27. Haikal DS, Prates TEC, Vieira MRM, Magalhães TA de, Baldo MP, Batista de Paula AM, et al. Fatores de risco e proteção para doenças crônicas não transmissíveis entre professores da educação básica. Revista Brasileira de Saúde Ocupacional [Internet]. 2023, v. 48 [cited 2024 May 6], e5. Available from: https://www.scielo.br/j/rbso/a/MYnZtnySrcNpnYRFfbdkxFc/?lang=pt. doi: 10.1590/2317-6369/42520pt2023v48e5.
28. Bragazzi NL, Dai H, Damiani G, Behzadifar M, Martini M, Wu J. How big data and artificial intelligence can help better manage the covid-19 pandemic. Int J Environ Res Public Health. 2020;17(9):3176. doi: 10.3390/ijerph17093176.
29. Menon U, White A, Kapadia-Kundu N, White J. Precision health research and implementation reviewed through the conNECT framework. Nurs Outlook. 2019;67(4):302-10. doi: 10.1016/j.outlook.2019.05.010.
30. World Intellectual Property Organization (WIPO). Global Innovation Index 2021: tracking innovation through the COVID-19 Crisis. Geneva: World Intellectual Property Organization; 2021 [cited 2023 Jan 5]. Available from: https://www.wipo.int/edocs/pubdocs/en/wipo_pub_gii_2021.pdf.
31. Schestatsky P. Medicina do amanhã: como a genética, o estilo de vida e a tecnologia juntos podem auxiliar na sua qualidade de vida. 3. ed. São Paulo: Editora Gente; 2020.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Marinalda Boneli da Silva, Edna Ribeiro de Jesus, Joaquina Cândido Fagundes, Paola Margarita Oñate Daza, Francis Solange Vieira Tourinho
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Ao publicar na Revista Contexto & Saúde, os autores concordam com os seguintes termos:
Os trabalhos seguem a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0), que permite:
Compartilhar — copiar e redistribuir o material em qualquer meio ou formato;
Adaptar — remixar, transformar e criar a partir do material para qualquer fim, inclusive comercial.
Essas permissões são irrevogáveis, desde que respeitados os seguintes termos:
Atribuição — os autores devem ser devidamente creditados, com link para a licença e indicação de eventuais alterações realizadas.
Sem restrições adicionais — não podem ser aplicadas condições legais ou tecnológicas que restrinjam o uso permitido pela licença.
Avisos:
A licença não se aplica a elementos em domínio público ou cobertos por exceções legais.
A licença não garante todos os direitos necessários para usos específicos (ex.: direitos de imagem, privacidade ou morais).
A revista não se responsabiliza pelas opiniões expressas nos artigos, que são de exclusiva responsabilidade dos autores. O Editor, com o apoio do Comitê Editorial, reserva-se o direito de sugerir ou solicitar modificações quando necessário.
Somente serão aceitos artigos científicos originais, com resultados de pesquisas de interesse que não tenham sido publicados nem submetidos simultaneamente a outro periódico com o mesmo objetivo.
A menção a marcas comerciais ou produtos específicos destina-se apenas à identificação, sem qualquer vínculo promocional por parte dos autores ou da revista.
Contrato de Licença (para artigos publicados a partir de setembro/2025): Os autores mantém os direitos autorais sobre seu artigo, e concedem à Revista Contexto & Saúde o direito de primeira publicação.
