Para citar este trabalho use um dos padrões abaixo:
Apresentação/Introdução As doenças crônicas não transmissíveis (DCNT) são responsáveis por grande parte da carga de morbimortalidade no Brasil. Avaliar as redes de atenção exige dados tempestivos e integrados. Big Data e IA emergem como ferramentas capazes de melhorar o monitoramento e a avaliação dessas redes no contexto do SUS. Objetivos Discutir potencialidades e desafios do uso de Big Data e IA para monitorar indicadores de DCNT na Rede de Atenção do SUS, propondo diretrizes para integração de dados e validação de algoritmos visando melhorar o planejamento e gestão de políticas. Metodologia Revisão crítica de literatura sobre Big Data e IA em saúde coletiva por meio de revisão narrativa, análise das bases do SUS (e-SUS AB, SISAB, SIH, SIM, Hiperdia, RNDS) e mapeamento de desafios de interoperabilidade. Propõe-se pipeline de integração: coleta, limpeza, padronização e anonimização dos dados, seguido de desenvolvimento e validação de modelos preditivos (machine learning supervisionado) para estimar indicadores como internações evitáveis e controle glicêmico. Aborda-se ainda aspectos de infraestrutura, privacidade de dados e mitigação de vieses algorítmicos. Resultados Aplicações simuladas de IA a dados integrados do SUS indicam potencial para identificar padrões de desfechos em pacientes com DCNT, como internações evitáveis e manutenção de controle glicêmico, em níveis municipal e regional. Modelos preditivos iniciais demonstram estimativas de internação evitável com acurácia superior a 80%. Exemplos ilustrativos permitem delimitar áreas geográficas de maior risco e prever demandas futuras de recursos, possibilitando planejamento proativo de intervenções dirigidas. Conclusões/Considerações Big Data e IA podem aprimorar o monitoramento da Rede de Atenção às DCNT no SUS, gerando indicadores mais precisos e em tempo real para planejamento eficaz. Contudo, desafios de qualidade de dados, interoperabilidade, infraestrutura e vieses algorítmicos exigem diretrizes claras e capacitação de equipes. Recomenda-se avançar em governança de dados e criar núcleos de inteligência em saúde para consolidar essas inovações.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo