INTELIGÊNCIA ARTIFICIAL NA ATENÇÃO PRIMÁRIA BRASILEIRA: INOVAÇÃO ASSISTENCIAL, GOVERNANÇA ÉTICA E EQUIDADE NO SUS
DOI:
https://doi.org/10.63330/aurumpub.061-014Palabras clave:
Inteligência Artificial, Atenção Primária à Saúde, Sistema Único de Saúde, Ética, EquidadeResumen
Este capítulo analisa as potencialidades, os riscos éticos e as exigências de governança associadas à incorporação da inteligência artificial (IA) na Atenção Primária à Saúde (APS) brasileira. Trata-se de estudo teórico-reflexivo, de natureza narrativa, construído a partir de literatura científica e documentos normativos sobre aprendizado de máquina, apoio à decisão clínica, saúde digital, proteção de dados, vieses algorítmicos e equidade. Os resultados indicam que a IA pode apoiar estratificação de risco, gestão populacional, vigilância, processamento de linguagem natural, telessaúde e redução de tarefas administrativas. Entretanto, essas aplicações podem reproduzir desigualdades históricas, produzir decisões opacas, expor dados sensíveis, ampliar dependência tecnológica e excluir populações com menor acesso digital. A análise evidencia que desempenho médio elevado não assegura justiça distributiva, sendo necessária avaliação por raça/cor, sexo, idade, deficiência, território e condição socioeconômica. Conclui-se que a incorporação responsável da IA no Sistema Único de Saúde deve partir de necessidades sanitárias concretas, incluir validação local, supervisão humana efetiva, transparência, monitoramento contínuo, participação social e mecanismos de responsabilização. A tecnologia deve fortalecer o cuidado centrado na pessoa e os princípios de universalidade, integralidade e equidade, sem substituir vínculos, julgamento clínico ou alternativas presenciais.
Descargas
Referencias
BRASIL. Constituição da República Federativa do Brasil de 1988. Brasília, DF: Presidência da República, 1988.
BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais. Diário Oficial da União: Brasília, DF, 15 ago. 2018.
BRASIL. Ministério da Saúde. Estratégia de Saúde Digital para o Brasil 2020-2028. Brasília, DF: Ministério da Saúde, 2020.
OBERMEYER, Z.; POWERS, B.; VOGELI, C.; MULLAINATHAN, S. Dissecting racial bias in an algorithm used to manage the health of populations. Science, Washington, DC, v. 366, n. 6464, p. 447-453, 2019. DOI: 10.1126/science.aax2342.
ORGANIZAÇÃO MUNDIAL DA SAÚDE. Ethics and governance of artificial intelligence for health: WHO guidance. Geneva: WHO, 2021.
RAJKOMAR, A.; DEAN, J.; KOHANE, I. Machine learning in medicine. New England Journal of Medicine, Boston, v. 380, n. 14, p. 1347-1358, 2019. DOI: 10.1056/NEJMra1814259.
TOPOL, E. J. High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine, New York, v. 25, p. 44-56, 2019. DOI: 10.1038/s41591-018-0300-7.
UNESCO. Recommendation on the ethics of artificial intelligence. Paris: UNESCO, 2022.
Descargas
Publicado
Número
Sección
Licencia

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.